继谷歌、百度之后，阿里巴巴也加入了仿真路测平台的阵营。

　　4月22日，阿里达摩院发布了全球首个自动驾驶“混合式仿真测试平台”。这一平台采用虚拟与现实结合的仿真技术，引进真实路测场景和云端训练师，模拟一次极端场景只需30秒，系统每日虚拟测试里程可超过800万公里，能大幅提升AI模型的训练效率。

　　对自动驾驶来说，仿真路测是训练算法的核心环节。

　　达摩院资深技术专家敖闰在接受21世纪经济报道记者采访时透露，混合式仿真平台改变了自动驾驶路测的方式。在这个平台上，场景构建成本几乎为零，因此可以根据需求任意增加场景变量。加上引入人类驾驶行为干预，可以推动加速自动驾驶技术的成熟。

　　仿真路测能极大提升训练算法的效率。真实路测积累数据有限，据美国兰德智库估算，一套自动驾驶系统量产需要积累170亿公里以上数据，即需要一支100辆车的路测车队，以40公里/小时的速度，在全天行驶500年。但如果基于真实路测数据搭建仿真路测，训练效率能有数量级的提升。

　　此外，极端情况也不可能在真实路测中还原，如恶劣天气、交通事故等。但算法学会应对这些情况，需要在仿真环境中训练算法。因此，从现阶段的测试情况来看，L5技术落地还有很长一段时间，无论是平台还是自动驾驶的车辆研发，都处于非常早期的阶段。

　　训练效率提升

　　路测一直是自动驾驶落地的核心环节。研究显示，自动驾驶汽车需要积累177亿公里的测试数据，才能保证自动驾驶感知、决策、控制整个链路的安全性。传统纯虚拟仿真测试平台能快速跑完自动驾驶路测里程，但仍然面临极端场景训练效率低下的关键问题：极端场景数据不足，就无法还原真实路况的不确定性，系统就无法精准应对真实路况的突发情况，自动驾驶就难以实现进一步突破。

　　因此，多家科技企业都将目光瞄准了这一市场。在2019年4月的上海车展上，华为自动驾驶云服务Octopus首次展出，仿真测试就属于其中一项服务能力。华为认为，自动驾驶的快速开发上市及功能迭代，将是车企在未来智能网联竞争中率先赢得市场的关键，但在这个过程中，自动驾驶的开发者面临的挑战也十分明显。

　　据了解，如果要解决虚拟仿真测试问题，海量数据的处理是第一道关口。通过云服务处理海量数据，自动化挖掘及标注，能够为测试企业节省70%以上的人力成本。

　　此外，在极端场景下的测试数据不足的问题，达摩院正在试图解决这一难题。该平台打通了线上虚拟固定环境与线下真实路况不确定性的鸿沟。传统仿真平台难以通过算法模拟人类的随机干预，但在达摩院的平台上，不仅可以使用真实路测数据自动生成仿真场景，还可通过人为随机干预，实时模拟前后车辆加速、急转弯、紧急停车等场景，加大自动驾驶车辆的避障训练难度。

　　针对极端场景数据不足的问题，该平台可以任意增加极端路测场景变量。在实际路测中，复现一次极端场景的接管可能需要1个月的时间，但该平台可在30秒内即完成雨雪天气、夜间照明不良条件等特殊场景的构建和测试，每日可支持的场景构建数量达百万级。

　　“仿真测试中自动驾驶车辆遇到交通事故，可以为自动驾驶提供算法改进的机会。所以这个平台，某种程度上可以说是通过新技术增加事故场景的出现频率和构建成本，由此提高自动驾驶训练效率。这正是为了以后上路更少出现事故。”敖润进一步表示。

　　测试里程增长近6倍

　　行业专家指出，这一平台规模化地解决了极端场景的复现难题，使得这些关键场景的训练效率提高上百万倍，将推动自动驾驶加速迈向L5阶段。

　　自动驾驶市场的火热，也使得仿真路测平台成为巨头们的新战场。据《中国自动驾驶仿真技术研究报告（2019）》预计，未来5年内，仿真路测的全球市场规模会达到百亿美元左右。

　　对自动驾驶企业来说，建立仿真路测平台就成为关键竞争力。不过，每家平台的出发点都不尽相同，对于阿里巴巴、腾讯等公司来说，实质是基于其云计算业务，找到更广泛的落地场景。与此同时，线下实际路况测试的需求也在大幅提升。

　　3月2日，北京市自动驾驶车辆道路测试第三方服务机构“北京智能车联产业创新中心”发布报告显示，截至2019年12月31日，有百度、蔚来、北汽新能源、戴姆勒等13家企业，涵盖6家互联网企业、6家主机厂、1家地图厂商，共计77辆汽车，参与了北京市自动驾驶车辆一般性道路测试，全年测试总里程达88.66万公里，较上一年度增长577%。其中，百度Apollo共计投放52辆自动驾驶车进行路测，占北京市总投入自动驾驶测试车辆的71%，测试里程75.4万公里。

　　未来，自动驾驶仿真测试将与实际道路测试相辅相成，共同促进自动驾驶行业的进一步发展。不过，自动驾驶仿真技术会始终服务于法律法规。通过仿真评估交通事故的法律责任，帮助对交通行为进行管理和监管，对交通规则进行技术评估。

　　在行业人士看来，自动驾驶仿真技术将服务于产品认证，通过仿真方法提供一个科学而全面的产品测试和审查方法，还需要打通全国范围的通用型数据库。目前来看，国内自动驾驶仿真行业尚处于起步阶段，在这个基础上讨论L5技术的落地，也为时过早。
 

（21世纪经济报道）