参考网


智能科技需要软融合

2019-11-25 15:11:14 汽车观察 2019年10期

谭晶宝

自动驾驶的必经之路上还有哪些不得不翻越的“火焰山”?

进入2019年下半年后,各大车企纷纷推出L2级自动驾驶量产车型,让自动驾驶的落地步伐又向前跨越了一大步。然而,在实现全自动驾驶目标的漫长道路之上,刚刚从测试阶段准备迈向运营阶段。我们应该如何走稳这一步,走在浪潮之巅的科技公司都有自己的见解,也都在自己的领域为之奋斗。

百度:从测试到运营

“从测试到运营是无人驾驶落地的必经之路。”百度智能驾驶事业群组自动驾驶技术部副总经理陶吉介绍。北京市的自动驾驶车辆测试年度报告显示,在2018年有来自8家公司的54辆自动驾驶汽车,在北京的开放道路区域进行了自动驾驶测试,其中,百度的车辆数占83%,测试里程占总里程的比例达到91%,并且做到零事故。

今年,百度在北京拿到了目前国内最高级别(T4)自动驾驶测试牌照,意味着百度具备了可以在复杂城市道路场景测试的能力。“T4意味着测试道路会进行动态变化,比如施工、潮汐车道、临时红绿灯等不断变化的路况,在这种情况下车辆如何应对极其重要。”陶吉解释。除了在北京测试,百度以超过300辆自动驾驶汽车在全国13个城市积累了超过200万公里的测试里程,涵盖了不同季节、不同道路类型以及不同交通状况等各种数据,丰富的数据成为百度自动驾驶技术提升改进的动力。

“通过长时间的测试,我们从车辆能力的角度出发把L4级别自动驾驶的发展归为六个小阶段、两个大阶段。”陶吉说道。两个大阶段是测试阶段和运营阶段,涵盖了从一辆单车的研发开始,到把车队商业化落地的全生命周期。其中测试阶段又分为封闭道路测试、开放道路测试、区域路网测试;运营阶段划分为小规模试运营、规模化试运营、多城市商业化运营三个阶段。

据陶吉介绍,测试阶段简单来说就是通过对车辆进行改装,车上只搭载测试和研发人员,在限定区域进行一些固定线路的测试,在这一阶段的关注重点是车辆的技术指标;其核心是MPI,即每两次人工干预之间的自动行驶里程,测试阶段是车辆能力的提升阶段。

运营阶段的变化首先体现在更大规模的车队,这意味着不能再使用过去的改装车,而是需要定制化的量产车型来部署在区域路网,而且会有真实的运营需求,行驶路径也由固定路线变为点到点的自由路径。车上除了搭载测试人员外,还会有真实需求的乘客。在这一阶段,关注的重点是运营效率,每公里的成本是关键指标,其中包括整车成本和运维成本。自动驾驶车辆使用的激光雷达、计算单元的成本相比普通车辆都是成倍增加的。在运维方面,需要技术团队来解决车辆出现的故障,现阶段还有驾驶员的成本。系统越稳定、车辆质量越高运维成本就会越低,未来完全无需驾驶员的时候成本还将大幅降低。当这些条件达到以后,每天通过跑更多的里程将进一步降低每公里的成本。

为什么说从测试到运营是L4级别自动驾驶的必经之路?陶吉解释道:“运营将会带给我们更加贴近真实的应用场景,更大的车队需要更高的稳定性,同时还要搭载乘客确保舒适性。有了真实用户以后,他们反馈的意见将进一步帮助我们全流程打磨技术、打磨产品,推动自动驾驶的商业化落地。”

要实现从测试到运营的跨越需要科技公司、政府和整车企业多方的努力。每个角色都有自己需要面临的问题和顾虑,科技公司想要拥有更广泛的路网,想要搭载真实乘客;政府会考虑上路的安全标准,会不会影响道路交通?整车企业则会思考把产品卖给谁,研发成本谁来分摊,整车企业以什么样的身份参与到未来无人驾驶的运营服务当中?陶吉总结到:“测试阶段可能不需要更多的合作,如果想要做到从测试到运营的转变,需要科技公司、政府、整车企业做到三位一体。”

东软睿驰:软件定义汽车

在新四化的发展趋势之下,汽车电子占整车成本的比重逐年加大。20世纪70年代,汽车电子成本占比为2%,到目前,其成本占比已经达到了40%以上。“正是新四化的必然趋势决定了未来一定是由软件来定义汽车。”东软睿驰汽车技术(上海)有限公司全球营销总经理茅海燕认为。

茅海燕介绍,目前电动汽车的市场占有率为4%左右,到2030年,电动汽车市占率预计能达到20%以上。在智能网联方面,L3级自动驾驶车辆在2020年预计将达到10万辆,2030年将会快速增长至1000万辆。L4级别以上的汽车到2030年预计将能达到500万辆,新四化的道路之上虽然还存在很多阻碍,但前进的步伐只会越来越快。

新四化的发展离不开AI、大数据、深度学习、V2X、VR等核心技术,市场也越来越需要新技术的应用,这些技术的发展需要独立的发展空间,只有通过精心设计的软件架构,这些技术才能得到独立发展并加快汽车技术的迭代更新。随着芯片产业链和传感器的发展,未来的软件架构能够充分赋能汽车技术的发展,让OTA、平台化开发成为可能,不仅能让新产品快速推入市场,还能大大降低研发成本。

“新四化发展下的另外一个趋势是软件与硬件的耦合将逐渐降低。”茅海燕说。目前很多整车企业的研发团队中,软件工程师的比例正在飙升,整车企业正在着手开展软硬件分离的工作,也就是以开放性标准化的软件平台应对不同的硬件,从而使成本达到最低。以前是嵌入式软件,每换一个硬件,软件就需要重新开发,这让软件开发的投入巨大。因此,汽车架构正在从分布式走向集中式。过去每一项功能都有一个单独的ECU控制,一辆汽车里面有将近100个ECU,现阶段通过不同的域控制器实现复杂功能的控制,随着技术的发展,未来各个域控制器还会进一步融合,形成一个中心控制“大脑”,最终实现软硬件之间的零耦合。

“其实四化已经成为必然的趋势,东软睿驰希望可以用自己27年的经验积累为四化赋能。没有一家企业可以把所有的事情都做好,所以生态的建设尤其重要。”茅海燕表示。为了创造更好的生态环境,东软睿驰正在从多个方面努力推进:其一,通过大学培训合作实现人才的无缝衔接;其二,建立互利共赢的合作伙伴生态;其三,参与国内和国际四化标准的制定,构建理论和实践标准;其四,通过构建开发者联盟来降低开发成本、推广软件产品,从而提升行业普及率。

地平线:海量数据的挑战

自动驾驶技术的发展产生了海量的数据,ADAS、高级别自动驾驶、高精地图和定位将让数据的产生呈指数增长。此外,车内的智能交互涉及视觉、语音的采集和分析,这些应用都将产生更多的数据并需要在车内进行实时处理。

“迎接海量数据挑战的关键是什么?是如何实现实时计算,减少反应延迟,提高可靠性和数据隐私的安全以及数据传输和存储。如果不在边缘进行计算,将会让基础设施成本剧增,还将导致网络数据传输成本的增加。我们通过边缘AI计算帮助行业减少云端的压力。”地平线副总裁、智能驾驶产品线总经理张玉峰表示。

张玉峰介绍,5G近两年成为非常火热的话题,让数据传输具备了高可靠性的保障,对V2X技术有极大的赋能,让其更加容易落地。但5G并没有办法给主干网带来质的提升,目前来看,5G对数据的搬运能力只有七八百米的距离,容易在5G基站形成一个个数据堰塞湖,这其实打开了边缘计算的商机和市场。

未来,每辆自動驾驶汽车每天将产生600-1000TB的数据,2000辆自动驾驶汽车一天所产生的数据量就相当于2015年整个人类文明一天的数据量。从不同级别的自动驾驶来看,自动驾驶每升高一级便会导致数据量的增加,对边缘处理器的能力要求也就越高,要实现L4级自动驾驶可能需要300多万亿次每秒的计算能力。当前的算力还仅仅相当于一只老鼠大脑的能力,由于物理极限的存在,继续靠降低体积让算力增长的方式将面临严峻挑战。地平线选择通过算法和芯片架构的协同设计,让计算机领域的摩尔定律得以延续。通过芯片架构、软件系统和编辑工具的协同优化,并结合场景优化算法,地平线可以继续保持每18个月让算力翻倍的速度。

“曾经将能耗、性能、面积,作为评价芯片性能的核心指标,如今,AI芯片的性能需要从能源转化为计算的效率(TOPS/Watt)、算力成本(TOPS/$)、算力利用率(Utilization Rate)、算力转化为AI输出的效率(AI Perf/TOPS)这四个有效算力的维度,来重新定义AI芯片的真实性能。”张玉峰说。