智能網聯汽車駛下“雲”端，開放生態擁抱萬億市場_風聞

   

車輛的“視野”被極大打開，令其提前接收到更多信息，這就在無形中延長了雲端以及終端計算決策的時間，從而更加“有備無患”。

作者 | 吳玖

編輯 | 楊銘

近年來，自動駕駛行業風起雲湧，但迄今仍未摸索出完全成熟的技術方案，同時由於真實行駛環境的複雜多變，更導致安全事故頻繁發生。此外，為了實現自動駕駛能力，車輛常常要裝配眾多昂貴的傳感器，高企的成本也令其商業前景晦暗不明。

在這樣的背景下，智能網聯汽車的出現，則為自動駕駛技術落地提供了破局的可能。

何謂智能網聯汽車？根據中國工程協會的定義，智能網聯汽車是指搭載先進的傳感器、控制器、執行器等裝 置，並融合現代通信與網絡技術，實現車與X(車、路、人、雲等)智能信息交換、共享，具備複雜環境感知、智能決策、協同控制等功能，可以實現安全、高效、舒適、節能行駛，並最終代替人來操作的新一代汽車。 

事實上，在原來“智能汽車”的基礎上增加“網聯化”標籤，無疑相當於一次進化和升級。7月14日，在中國互聯網大會首屆智能網聯分論壇上，騰訊智慧交通副總裁施雪松表示，在智能網聯概念下的行使環境中，可以通過路側的智能設備為汽車提供全方位實時動態信息，相當於開啓了“上帝視角”。

與此同時，由於車輛的“視野”被極大打開，令其提前接收到更多信息，這就在無形中延長了雲端以及終端計算決策的時間，從而更加“有備無患”。

01

馬斯克的“難題”：單車智能遠遠不夠

要沿單車智路線實現自動駕駛，箇中困難想必特斯拉CEO馬斯克深有體會，不久前他在個社交媒體上感慨“自動駕駛是一個難題”，並坦言自己過去“從沒想到會如此困難”——這也是“硅谷狂人”鮮少向外界展示略顯消極的一面。 

早在2018年，馬斯克就曾信心滿滿地預告將會推出FSD beta V9.0，即令汽車具備“完全自動駕駛”功能，在2019年的特斯拉Autonomy Day（自動駕駛日）上，他又宣稱到2020年底，特斯拉將會擁有超過100萬輛“完全自動駕駛”汽車……但因為技術和安全等層面的難題遲遲未能解決，馬斯克一再食言，成為著名的“跳票大王”。

直到7月10日，特斯拉FSD beta V9.0才姍姍來遲，馬斯克也承認該版本FSD距離真正意義的自動駕駛還有不小差距，但其中最大的亮點就是基本上實現了他此前一直鼓吹的純視覺方案——車輛僅依賴攝像頭採集數據並通過智能算法驅動行駛。

不過，馬斯克也通過社交媒體提醒車主，“Beta 9解決了大多數已知問題，但會有未知問題……安全始終是重中之重。”馬斯克的“示弱”背後，曾有着血淋淋的教訓。事實上，因為頻繁發生的惡性安全事故，特斯拉曾屢次接受美國道路安全監管機構的調查。

世上沒有完美的傳感器，其精度無不被各種各樣的因素制約。例如特斯拉純視覺方案採用的攝像頭，便十分容易受到大霧、雨雪或光照等因素影響。儘管該公司一直對自家視覺感知算法十分自信，實際上卻依舊停留在驗證階段，遠非成熟路徑，更沒有得到業界其他大佬的認可。不久前華為ADS智能駕駛產品線總裁蘇箐就曾公開批評特斯拉自動駕駛的“高事故率”無異於“殺人”。

在對自動駕駛的探索之路上，除了純視覺路線，還有以谷歌Waymo為代表的“激光雷達+攝像頭”融合路線，並輔以高精地圖。由於雷視融合可以補足純視覺的諸多短板，為系統留出更多“冗餘”，因而也是更為主流的路線，如Uber和大多中國企業均採用這一方案。

雖然上述路線看上去更加穩定可靠，但最大的一個包袱就是成本太高，尤其是激光雷達，據CMU卡內基梅隆大學無人駕駛研究中心首席科學家John Dolan介紹，一個64線激光雷達的成本就高達7.5萬美元，“這對普通用户來説太貴了”。

事實上，當前國內許多采用激光雷達方案的廠商就遭遇了“堆料”的質疑，推出的車型大多集中在30萬元以上的高端市場。特斯拉一直將激光雷達摒除在外，並最終棄用毫米波雷達，主要原因之一便是出於成本層面的考慮。

算法和硬件層面之外，對於單車智能路線下的自動駕駛，最大的挑戰還是數據的獲取。業界公認一套自動駕駛技術算法至少需要110億英里的測試，才能達到量產應用的條件。可在現實情況中，還沒有哪家企業能夠達到這種“硬性”指標，即便是特斯拉，截至去年4月，其自動駕駛累計數據才僅僅30億英里左右。至於其他企業，更是遠遠不及。

同時，由於自動駕駛測試車輛和高精地圖採集車輛改裝成本高昂，通常需要花費數百萬甚至上千萬，再疊加線下的人工成本，對於企業來説無疑是一筆龐大的支出。這也是為何絕大多數高精度圖僅覆蓋少數城市，而較高階的輔助駕駛功能也只面向部分高速和城市快速路等相對封閉的駕駛環境開放。

在這樣的背景下，虛擬仿真測試便成為各大車企和科技企業爭相佈局的領域。以騰訊自動駕駛虛擬仿真平台TAD Sim為例，該平台內置高精地圖，且基於騰訊雲服務，可以同時在本地和雲端部署測試場景，支撐上百萬車輛和上千台自動駕駛車輛交通流的全天候測試。

事實上，虛擬仿真測試不僅侷限於線上，同時也在線下實車測試中發揮着重要作用。仍以TAD Sim為例，騰訊利用數字孿生技術，在襄陽達安汽車檢測中心構建了總里程100公里、與真實場景相差無幾的三維環境以及包括202場景在內的場景庫。

藉由該場地，襄陽達安汽車檢測中心可以實現包括標準交通法規場景、自然城市場景和部分極限場景等多場景在內的實車測試。用該檢測中心總工程師周正的話來説，就像人類在玩虛擬遊戲一樣，相當於為汽車戴上了一副“VR眼鏡”。

但即便虛擬仿真測試的場景庫再豐富，也很難複製線下全部真實場景，大量的長尾場景仍然難以預料，甚至在百萬級公里的實際路測中才會出現一次。哪怕一輛車被訓練得再聰明，但路上的“視野”畢竟有限，極端天氣、不利照明和物體遮擋等仍會對其感知和預測能力提出極大挑戰。

02

“上帝視角”：智慧的路不可或缺

自動駕駛曙光初露，但要到達那裏仍有很長的路要走，一輛車不僅要在芯片、傳感器、算法和底層OS等層面變得越來越聰明，還需要在更高的維度解決動態信息的獲取問題。

想要實現更可靠安全的自動駕駛，就需要打開車輛的“視野”。事實上，要駛向真正的自動駕駛時代，緊緊依靠聰明的車遠遠不夠，智慧的路也不可或缺。

在智能網聯的概念下，車、路和人作為終端，而V2X車聯網則是將三者聯繫起來，並在雲端實現融合，共同構成完整的自動駕駛生態，從而突破單車智能的非視距感知和車輛信息共享等技術瓶頸，為車輛提供更豐富的信息和更加廣闊的視域。

那麼，在數據層面的“硬指標”上，“智慧的路’是如何開拓車輛”視野“的？據施雪松在智能網聯分論壇上分享的、不同路徑下的相機數據顯示。

普通視角（相機安裝於車上）下，盲區距離為50m，像素與圖像分辨率分別為800萬和3840X2160，最小覆蓋水平寬度與最少覆蓋車道數分別為 39m和9車道。而在魚眼視角（高度為10m的魚眼相機）下，上述各項指標的結果變成了0m、1200萬和4000X3000、360度全方位覆蓋，探測範圍的提升一眼便知。

尤其對於單車智能難以應對的複雜多變的交通環境和天氣因素，很大程度上可以依靠包括信號燈、標誌牌和攝像頭等智能路側單元輔助解決。例如在行車穿過路口時，車輛可接收路側攝像頭的信號，提前獲知行人信息，避免“鬼探頭”等安全事故的發生。在濃霧或雨雪天氣中，智能網聯汽車亦可通過車聯網得知其他車輛的位置信息，從而做出更精準的決策……

正是由於V2X車聯網的諸多優勢，車路協同成為我國當前實現自動駕駛的主流路線，智能網聯汽車近年來也得到了政策層面的支持，並且上升至國家戰略層面。

工信部於2018年印發的《車聯網（智能網聯汽車）產業發展行動計劃》更是對智能網聯汽車提出了明確的規劃：第一階段，到2020年，實現具備高級別自動駕駛功能的智能網聯汽車實現特定場景規模應用，車聯網用户滲透率達到30%以上。第二階段，2020年後，高級別自動駕駛功能的智能網聯汽車和5G-V2X逐步實現規模化商業應用，“人-車-路-雲”實現高度協同。另據《智能網聯汽車技術路線圖 2.0》規劃，2025年 我國C-V2X 終端新車裝配率將達 50%，2030 年基本普及。

在市場層面，中國智能網聯汽車也取得了不小進展。中國互聯網協會車聯網工作委員會秘書長孫馳天也在智能網聯論壇上介紹稱，“2020年我國智能網聯汽車銷量303.2萬輛，同比增長107%，市場滲透率15%，説明整個的車連接到互聯網上面已經形成一個非常好的一個趨勢，而且具備了一些規模。”

此外，智能網聯市場將保持迅猛的發展勢頭。根據iResearch統計數據，2016-2020年我國智能網聯汽車產業規模呈現連續上漲趨勢，2020年產業規模增長到了2556億元，同比增長54.3%。另有數據預測，中國智能網聯汽車市場規模到2025年將達到2000萬輛，市場滲透率將突破75%。

政策的支持和巨大的市場前景也引起了BATH等科技企業爭相佈局，當然各家均是將其放在智慧交通的大背景下統籌落子。事實上，網聯汽車作為未來智慧交通體系的重要組成部分，不僅能夠解決自動駕駛難題，亦能解決交通擁堵，出行安全，道路使用率，解決汽車燃油排放等諸多問題。

以騰訊去年9月提出的WeTransport智慧交通戰略佈局為例，V2X數據服務引擎能夠統籌信控系統、路側系統、移動終端/車載終端及交通信息等不同來源的信息，並通過交通雲控平台實現分發共享，令其在人、車、路、網、雲之間的高效流轉。

事實上，騰訊也十分明確自身的優勢所在，最具代表性的就在於雲圖融合能力和C端觸達能力。“我們構建了一些全天侯感知系統，並將感知獲取的數據信息與高精地圖融合，”施雪松稱，並通過數字孿生技術將其還原成可計算的時空。”

在上述虛擬時空中進行大量的仿真測試後，便可在線下場景中支撐智慧道路的建設。更加重要的是，在未來智慧交通出行的圖景中，智慧道路感知獲取的數據信息可以實時共享給車和人等終端，“在騰訊的智能網聯構想中，人也是非常重要的角色，也需要放到閉環的環路中，”施雪松説，“我們有手機、車機的微信和地圖導航等觸達界面。這就相當於為車和人開啓了一個上帝視角”。

03

走下“雲”端：開放的生態才是未來

當前業界正在逐漸形成一個共識，即未來自動駕駛能力在於車端到雲端的能力，雲計算是一切圖景的基石。智能網聯發展雖快，但早期驗證還需要走下“雲”端，落到實地。

公開資料顯示，當前我國已經構建形成了包括北京、河北、上海、浙江、吉林(長春)、湖北(武漢)、江蘇(無錫)、重慶、廣東、湖南(長沙)等多家工信部授權的車聯網示範區 ，共有40個建設中和待建的汽車、 交通示範區。  

這些政策扶持的示範區是技術驗證的場景，也是早期流量的入口，因而吸引了大小智能網聯企業競相佈局。例如騰訊便深度參與了國家智能網聯汽車（長沙）測試區和天津（西青）國家級智能網聯示範區等重點項目的建設。

在天津西青區項目中，騰訊搭建了車路協同、V2X數據服務、數字孿生以及中微觀一體化仿真和預測等平台，並與當地政府和天安永泰等合作方在重點區域進行了交通基礎設施網聯功能改造和核心繫統能力升級，實現了V2X車路協同全業務場景服務和業務運營合作，打通了人、車、路、雲的數字閉環。 

不過，值得注意的是，由於缺乏宏觀統一的規劃和標準，以及通信協議和數據交換形式等方面的限制，當前僅僅在單一示範區內實現了數據信息互通共享，但各示範區之間卻形成了相對獨立的信息“孤島”，並沒有實現真正意義上的網聯化。

隨着各示範區部署的先期跑通以及更多政策的出台和落地，在新基建智慧交通理念的整體統籌下，這樣的孤島不可能一直存在，屆時各個“小生態”將會融合成“大生態”，示範區和運營主體是否開放的重要性就體現了出來。

除了國家政策層面，單從產業角度來看，C2X車聯網、車路協同場景複雜、產業鏈冗長、產業規模廣闊，體量再大的企業都不可能憑一己之力完成全部環節，勢必要汽車主機廠、互聯網公司、通信服務商、上下游供應商等共同搭建完整的產業生態。

同時，隨着產業的發展和完善，又會在更加細分的產業賽道上培育出更多的初創公司或新入場的玩家，它們的產品要接入生態，就必然要求這個生態是開放的。

當前智能網聯賽道上聲量最大的BATH四家，均在強調自身生態的開放性。尤其是騰訊，早在2018年初次涉足智能網聯領域時，馬化騰就在世界智能網聯汽車大會上呼籲行業參與者要“開門造車”。騰訊也在多個公開場合強調自身在智能網聯領域的核心競爭力，除了“建管營服能力”和“C端觸達能力”之外，另一個便是“開放的生態能力”。

當然，智能網聯汽車整體來説還處於早期的摸索和驗證階段，還存在車載 V2X 終端滲透率、軟硬件開發和商業模式等有待解決的問題，但在政策扶持和各市場主體的積極參與下，當規模效應形成時，一切難題便可迎刃而解。

至於規模效應的形成，恰恰又需要生態的支撐，這就又回到了生態開放的重要性上。事實上，開放的生態不僅贏得了行業的共識，也是智能網聯汽車駛向未來的必由之路。正如清華大學汽車產業與技術戰略研究院院長趙福全所言，“生態少了誰都行，誰離了生態都不行。”