數據是自動駕駛的「燃料」已成為業界共識。
4月9日，中央決策層下發的一個重要文件，讓“數據要素”的重要性蓋上了官方蓋章，成為生產要素之一，數據資源成為了亟待挖掘的黃金寶礦。
事實上，數據要素的重要性和想象力不僅侷限於此。未來汽車將不再是信息孤島，是一個移動的感知終端，將與路、雲端互聯，通過大數據、人工智能等技術實現智慧出行，數據是鏈接這一切的核心因素。
在眾多的自動駕駛玩家當中，構建「數據閉環」是騰訊助力產業發展，實現突圍的關鍵路徑。
數據要素高效利用背後更深層次的邏輯在於產業理解和基礎架構支撐，騰訊雲提供強大的雲服務能力，並基於此構建高效的自動駕駛數據服務體系。因此，在關於數據要素如何驅動自動駕駛的問題上，騰訊有著自己的一番理解。
基於此，騰訊在自動駕駛業務上擺出了三個具有殺傷力的產品：大數據雲平臺、仿真測試平臺和高精度地圖。
雷鋒網新智駕將對話騰訊自動駕駛業務中心總經理蘇奎峰，試圖瞭解騰訊如何用數據要素驅動自動駕駛，三大業務之間高效聯動的邏輯。
自動駕駛數據閉環如何高效運作
在浩瀚的賽博空間裡，數據是建成海量虛擬建築的一塊塊磚瓦。
於自動駕駛而言，數據以各種形式貫穿研發、生產、測試、運營等生命週期。與此同時，數據的爆發也呈指數級增長，可以想象，玩家們面臨的是如海嘯一般湧來的數據。
因此在數據要素使用上，玩家們在兩個維度上的能力就顯得十分重要：一是數據閉環，沒有閉環，數據的有效性就無法驗證；二是在數據閉環的基礎之上如何實現數據高效運轉。
蘇奎峰向新智駕表示：自動駕駛的核心競爭力在於數據要素和計算資源的低成本獲取和高效利用。對數據要素進行高效收集和利用，提高數據循環鏈路的速度，是整個自動駕駛技術迭代的關鍵點。
為此，騰訊在自動駕駛業務上推出了大數據雲平臺和仿真測試平臺、高精度地圖三大業務。要理解這三大業務平臺對數據閉環的高效驅動，需要追溯自動駕駛數據產生的鏈條。蘇奎峰給新智駕舉了一個例子：
一輛搭載傳感器的自動駕駛車輛，在路上採集到了大量數據，基於這些數據能夠構建相應的場景數據集，對自動駕駛系統進行算法訓練；
然後，根據這些數據進行場景分析，建立相應的算法評測體系；同時也建立虛擬仿真環境、生成測試場景。
在自動駕駛車輛投入市場的運營階段，車輛產生的數據也能自動回傳，成為數據閉環新的開始，通過OTA的鏈路為自動駕駛系統的迭代升級獲取新的數據“燃料”。
同時，採集或回傳的數據也可以反饋給高精度地圖，在雲端進行更新之後推送到車端。
由此可見，一個圍繞數據採集、場景構建、測試驗證、運營更新的數據流通鏈條得以形成。
蘇奎峰也認為，數據要素利用效率的提升是全鏈條事情，並非一個單點就能解決。
比如從數據採集角度看，知道採集何種數據就十分重要。在瞭解白天黑夜、擁堵與非擁堵路段等數據需求之後，可以將動態場景進行自動或手動標定觸發，從而提升數據獲取效率，避免重複。
而在車輛真正在路上運行之後，也可以根據相應的觸發條件，自動篩選一些有用的數據回傳到雲端；此外，騰訊還會提供數據管理系統，將採集回來的數據進行標籤化，快速清洗、篩選、查找需要的數據，進行高效流轉。
工具鏈涵蓋從數據採集、數據訓練、到算法模塊評測（包括模型在環、軟件在環、車輛在環、硬件在環），再到實際路測的整個自動駕駛鏈路。
“這個閉環體系的每個工具的每一個環節，都在提高數據要素的流轉和利用效率，以便快速解決問題或加速研發。”蘇奎峰如此表示。
比如遇到一個Corner case，騰訊能夠從數據庫裡找到相關案例來標註算法訓練，或快速採集相應的數據，以保證數據閉環的穩定有效。
目前，針對L2.5級以上的自動駕駛系統，騰訊都能提供雲端工具鏈包括場景分類器等生產工具，同時提供車端與雲端的一些標準，用戶可以根據自己的算法需求進行選取。
大數據雲平臺、仿真、高精度地圖三重加持
基於對數據閉環和高效運作的理解，騰訊在自動駕駛的目的也呼之欲出：為行業客戶提供，能夠對數據要素進行高效收集和利用，提高數據循環鏈路速度的軟件與服務，助力產業技術的演進，加速產品落地。
換言之，為行業客戶提供自動駕駛雲開發的工具鏈，集數據採集、訓練、評測、更新等環節於一身。這也是蘇奎峰一直在強調的騰訊在自動駕駛上的工具屬性。
騰訊的大數據雲平臺、仿真測試平臺、高精度地圖三大業務，構成了這些工具鏈的產品形態。
以仿真測試平臺為例，可以理解為，騰訊的仿真平臺TAD Sim就是一部大型的、針對自動駕駛車輛的角色扮演遊戲，結合了專業的遊戲引擎、工業級車輛動力學模型、虛實一體交通流等技術。
蘇奎峰告訴新智駕，仿真測試非常核心的一個功能就是，能夠將採集到的數據轉換成有用的測試場景。
他強調道：“工具本身要求我們會使用數據，我們也有數據要素儲備。但對仿真來講，核心功能在於工具而非數據本身。有了這個工具，車輛採集的數據就可以生產大量的測試場景。”
騰訊的TAD Sim仿真平臺也能夠提供單機版本和雲端版本。
單機版能夠進行場景編輯，做各種測試驗證。而云端版本則是提供雲端高併發的測試能力，包括場景雲仿真和虛擬城市型雲仿真。
場景雲仿真通過大量數據生成幾十萬甚至上百萬的測試場景，在雲端大規模並行加速，實現自動駕駛算法的高效驗證。
虛擬城市雲仿真，則是能夠加載一個真實或編輯的城市級高精度地圖，實現上百萬輛交通流車輛和上千臺自動駕駛主車的並行加速，進行7×24小時的不間斷測試。
通過不斷尋找Corner case、或是將算法處理不好的場景積累下來，豐富自動駕駛測試的場景庫。
當然，這背後可以很明顯地看到騰訊強大的遊戲技術支撐的痕跡。
“仿真系統可以把數據鏈條打碎，然後分階段驗證，同時也會將這個鏈條集成驗證。這從一定意義上來說更接近於實際的道路測試。但是還是要強調，實車測試永遠是需要的，仿真永遠代替不了實車測試。”蘇奎峰說。
此前，騰訊和國家智能網聯汽車（長沙）試驗區合作了智能網聯汽車仿真實驗室。
利用高精度地圖和模擬仿真技術對試驗區的地理全貌進行數字化建模，實現在仿真環境下進行安全、高效的智能汽車實驗。
除此之外，仿真測試平臺的還離不開大數據雲平臺和高精度地圖的組合。
蘇奎峰表示，雲化是未來的一大趨勢，不光是數據存放在雲端，目前在客戶端的很多服務和終端決策也會隨著雲端趨勢的加強而發生改變。
“未來隨著5G通訊鏈路的增強、軟件架構和硬件架構升級、以及雲端能力的增強，自動駕駛一定會從端的分佈逐漸向雲端遷移。”這也是騰訊構建大數據平臺的原因。
此外，騰訊表示，TAD Sim提供地圖編輯器，可以直接編輯高精度地圖，也可以直接導入生產的實際高精度地圖， TAD Sim提供通用的高精度地圖接口，能夠加載地圖中的道路要素信息，也可以導入建築物、樹木等等三維環境信息。
“總體來說，無論車端還是雲端，這個閉環是互相嵌套的體系。最終的呈現形式可以是單獨模塊，但如果想提高數據的流轉效率和開發效率，就需要把這個體系緊密地耦合在一起，才能發揮最大效率。”蘇奎峰說。
而閉環體系中算法、數據流轉的效率越高，自動駕駛的成本也越低，核心競爭力也會更強。
靈活的商業模式
在工具鏈上有一個完整的閉環，但在商業策略上，騰訊的商業模式是靈活的。
現階段，“全家桶”式的打包顯然不能滿足當下主機廠們對產品定製化的需求。
既可單兵作戰，也能齊同上陣。也就是說，三大業務既可以模塊化輸出，也能集大成者，進行團戰。總而言之，根據行業需求靈活組配甚至一定程度的定製。
與此同時，在三大核心業務能力的加持下，騰訊也一直打磨自己的自動駕駛解決方案。
相比其他玩家，騰訊並不以自動駕駛分級來劃分解決方案，而是從用戶高頻的需求出發，提供場景化的自動駕駛解決方案，分場景、分需求逐步實現自動駕駛落地。
從2019年開始，騰訊就瞄準了高速及泊車兩大用戶剛需場景，並將針對這兩大場景推出自動駕駛量產解決方案。
蘇奎峰告訴新智駕，目前，騰訊高精度地圖團隊已經完成了全國高速及快速路的高精度地圖數據採集及繪製工作，為實現高速場景的自動駕駛打好了基礎。
至於在商業落地上，蘇奎峰表示，由於互聯網公司的介入，傳統主機廠的固有合作模式會發生變化，尤其是軟硬件分離的趨勢越來越明顯。“合作的模式和機制都在改變，目前騰訊與主機廠也在通過一些合作來推動模式的升級。”
比如在車端的解決方案上，騰訊既可以提供地圖定位的算法模塊，也可以提供感知、融合算法模塊。但是不同的車廠、不同的傳感器配置，仍然需要進行定製化，通用模塊很難適配所有車型。
而大數據雲平臺方面，騰訊和寶馬中國聯合開發的自動駕駛高性能數據開發平臺已經交付使用。
就像遊戲中輔助角色一樣，在“輔助輸出”的理念下，騰訊正在用非常靈活的姿態融進主機廠、業內玩家們的自動駕駛生態之中。
正如騰訊CEO馬化騰在朋友圈寫道：“助力車企開發自己的自動駕駛AI算法和大數據平臺”。騰訊憑藉自己對數據閉環高效運作的理解與實踐，有望助力車企們早日抵達自動駕駛的未來。
（雷鋒網） 雷鋒網
