智能化大潮下，自动驾驶仿佛一根“金手指”，哪里一指火哪里。比如激光雷达、智能芯片、线控底盘等，都已经在风口上扶摇直上。
下一个搭上这列快车的会是什么呢？目前来看，有望是仿真测试。
作为验证自动驾驶可靠性、加速商业化落地的有效手段，仿真测试由于可以通过搭建海量虚拟仿真场景，对智驾系统进行多维度的测试与验证，显著提升测试效率，降低测试成本，正随着自动驾驶的快速普及开启新一轮增长。
据相关预测数据显示，2021年中国智能网联汽车仿真测试工具及平台的市场规模约为10 亿元，预计到2025年将增至60亿元，2030年将进一步超过250亿元。
“不难发现，现在仿真测试市场其实才刚刚起步，未来还需要更多的参与者来共建这个赛道。”近日，IAE智行众维®研发副总经理高彪接受盖世汽车采访时表示。这意味着，在行业进入充分竞争前，如何快速构建护城河，将是每家仿真企业不得不思考的问题。
“站在IAE智行众维®的角度，我们希望通过场景库、解决方案和服务的联动，降低整个仿真系统的使用门槛，培养更大的用户基数，进而提升仿真技术在整个自动驾驶生命周期中的渗透。”谈及公司的核心布局逻辑，高彪如是说。
图片来源：IAE智行众维®
海量场景+海量仿真，赋能自动驾驶演进
受技术创新、政策破冰、消费升级等多重利好驱动，自动驾驶在国内进入了快速普及期。
据相关分析数据显示，2022 年上半年，国内ADAS 新车上险量约为416.4 万辆，渗透率超45%。预计到2025年，中国乘用车L1-L2级ADAS渗透率将达65%，与此同时，更高级别的自动驾驶系统市场份额也将逐渐提升。
然而，繁荣之下亦有隐忧。一个很现实的问题是，随着各种智驾系统大规模上车，安全性及可靠性如何保证？
目前普遍认为，科学且有效的仿真测试不可或缺。特别是随着自动驾驶级别越高，应用场景越复杂，对仿真测试的场景多样性及规模要求必将同步大幅提升。
作为自动驾驶仿真测试领域的领军企业之一，IAE智行众维®自成立就致力于构建集“自动驾驶数据采集-训练-仿真测试”于一体的全栈式工具链体系，即IAE X-in-Loop®仿真测试技术体系，旨在为相关的行业客户提供全生命周期的仿真赋能。
具体来看，IAE X-in-Loop®仿真测试技术体系以“水木灵境”场景工场、云算力海量仿真SaaS平台和完整的硬件及车辆在环体系为核心技术基底。“水木灵境”场景工场主要聚焦构建具有高精度、高置信度、高覆盖度、高鲜度的仿真测试场景数据库，在此基础上，通过云算力仿真平台等的并行算力和自动化测试手段，即可形成一个完整的仿真测试技术闭环和数据闭环。
其中，海量场景和海量仿真，是IAE X-in-Loop®仿真测试技术体系两大核心能力支撑。
这并不难理解，自动驾驶测试在不同阶段有不同的测试方法和方案，且测试验证的项目和工况也各不相同，场景覆盖度自然而然就成了核心指标。“而场景覆盖度和测试效率又是紧密相关的，当场景数量少时，是否有自动化测试并没有对测试效率有多大的影响；但当场景覆盖足够多时，如何自动化进行海量场景测试至关重要。”高彪指出。
为此，IAE智行众维®围绕人工智能和数字孪生技术，以跨平台和大数据驱动为原则，开发了覆盖场景数据采集、处理、分析和批量化生产的全流程、自动化工具链，支撑仿真场景的大规模、高质量生产。发展到现在，IAE “水木灵境”场景工场已经可以提供超过10万例的ADAS、V2X、CIDAS以及SOTIF等各类场景，并拥有1000公里以上的城市及高速道路场景。
图片来源：IAE智行众维®
在仿真场景构建方面，IAE智行众维®实现了场景在静态和动态两个层面的分离，从而能够面向不同的仿真测试组合出更丰富的测试用例，并提供场景衍生工具，提升边缘场景的覆盖度，充分满足客户多元化仿真需求。“场景本身包含的变量就很多，不仅仅有车，还包括道路和其他交通参与者，再加上时间、天气以及物理空间上的变化，可以泛化出很多新的场景，实现自动驾驶研发、测试和验证在时间和空间上的加速。”高彪补充道。
而考虑到场景库丰富度大幅提升后，对快速、自动化仿真测试的要求必然也会同步提升，IAE智行众维®基于多年在仿真领域的深耕积累，同步搭建了云算力海量仿真平台。
图片来源：IAE智行众维®
据高彪透露，IAE智行众维®的云算力仿真平台包括仿真求解器、仿真资源调度、场景库、应用层等多个核心模块，其中仿真求解器主要用于构建接近真实的测试场景，支持车辆动力学仿真、传感器仿真、驾驶员模拟和交通流模拟等多项能力的实现。
目前，该云算力仿真平台能够实现上万仿真节点24小时并行仿真、数百万公里/天的虚拟仿真测试能力，帮助研发团队快速构建迭代闭环。为便于客户使用，平台还可以提供大规模的仿真任务管理和实时仿真，并在仿真测试结束后提供专业的仿真评价报告，多方面赋能加速算法迭代和商业化落地。
针对企业不同的上云测试需求，IAE智行众维®云算力仿真平台支持专有云和公有云两种部署方式，并支持虚拟机和 Docker，灵活满足企业级用户多团队应用需求。而通过按需付费模式，即便在较低启动预算的情况下，也能享有这些高效的服务。
业务多点开花，已跻身第一阵营
得益于完善的技术、产品和服务体系，以及SaaS化等灵活的商业模式，IAE智行众维®X-in-Loop®仿真测试技术体系自推出便受到行业的青睐，目前已广泛服务于国内外整车厂、零部件企业、科创公司、研究院所、第三方检测机构以及各地方智能网联测试示范区等众多客户和伙伴。
例如在苏州相城高铁新城，由IAE智行众维®搭建的云仿真平台正面向日产出行、阿利昂斯、一汽挚途、上汽享道、Momenta、清智等企业提供相关的服务，以日行百万公里的效率快速积累有效虚拟测试里程，助力产业生态高效完成海量里程及场景的测试验证。
要知道在2019-2020年的时候，IAE智行众维®的云仿真平台还只能做到日行十万公里，短时间内即实现了仿真效能的大幅提升。高彪指出，这背后IAE智行众维®解决方案的快速迭代，深入服务客户获取的经验不断丰富、飞速扩充的场景数据库，以及行业高速发展带来的市场需求是关键驱动力。
图片来源：IAE智行众维®
在仿真测试中，一个普遍的难点在于如何实现对场景尤其Corner Case尽可能多的覆盖，为此IAE智行众维®专门构建了CIDAS交通事故复现场景库，其中包含2000多例真实事故数据，在实际仿真环境下高精度复现事故场景，帮助提升车辆应对此类场景的能力。
为提升车辆感知系统对环境的识别能力，IAE智行众维®还搭建了包含各种提升识别难度的3D模型库，涉及各种特征的交通参与者，以及交通标识的遮挡、模糊、老旧等场景。IAE智行众维®始终密切关注仿真测试过程中的出错场景，以不断地扩充边缘场景。
测评体系是IAE智行众维®重点建设的另一个核心能力点。一直以来，业界习惯于直接用虚拟仿真测试里程作为评价自动驾驶系统成熟度的标准之一，但事实上，针对不同的驾驶场景，需要有不同的评价指标。
“虚拟仿真测试里程数虽然可以一定程度上反映系统成熟度、投入和达到的阶段，但具体到智能驾驶开发全流程，评价维度其实是多方面的，会涉及到安全性、舒适性等多个关键指标的评价。并且仿真测试归根结底是一个个场景的测试，这就需要关注到具体某个场景的测试指标，比如交通规则场景里对弱势交通参与者的保护。”高彪指出。
图片来源：IAE智行众维®
为此，IAE智行众维®云仿真平台在安全性、舒适性等方面开发了很多细化指标，对场景工场中的场景数据也制定了更清晰的评价目标，多方面提升评价报告的科学性及合理性，这些都为IAE智行众维®高速拓展仿真测试业务提供了重要助力。
随着自动驾驶进入以数据驱动和商业化落地为代表的发展新阶段，整车厂以及主要自动驾驶技术提供商开始寻求构建数据闭环、以先进仿真测试技术加速研发验证，这无疑会对仿真场景数据库的数量和质量，工具链体系的先进性，以及自动化仿真测试效率等方面提出更高的要求。从这一点上来看，尽管IAE智行众维®已成功跻身自动驾驶仿真测试领域的第一阵营，但真正属于这个赛道的重头戏其实才刚刚开始。