AI+电动汽车，步入黄金时代
- 来源：盖世汽车
- 2023/9/25 10:27:46
- 22658
尽管近年来全球都在经历着经济低迷、消费电子等多行业需求不景气和产业库存持续修正等风波，但是包括5G/6G技术、人工智能(AI)、数据中心、数字孪生(Digital Twin)、新能源和智能网联汽车、元宇宙、量子技术等，依旧带给各行各业无尽的灵感与创新。
而在这些最热议题的交织中，关乎AI与自动驾驶的下个黄金时代，正在走来。
在过去不久的是德科技年度技术盛会Keysight World Tech Day 2023上，当谈到对不久的将来最热门技术的预测以及值得持续性投入的领域时，是德科技高级副总裁、首席营销官Marie Hattar首先谈到的便是电动汽车，其次是5G-Advanced先进技术，再者是AI。
2023年年初，ChatGPT一夜爆火，新一轮AI技术革命颠覆未来的可能被无限放大。
Marie Hattar指出，AI独特的地方在于能对海量的数据进行分析，还可以在模式中心自我学习。同时，AI还可以进行预测，以及将复杂的流程实现自动化。所以，未来AI将会给人类带来大量的新机会，这种机会又会带来一个巨量的创新，并且会提升整个社会的运营效率。
AI的技术演进通常分为三个阶段，第一阶段是狭义人工智能阶段，即ANI阶段。在这个阶段，主要是智能机器深度学习、精准计算、模仿复制、人机互动等，简单来说就是作为日常工作的辅助。不过AI在某些特领域也可以比拟人类的智慧，比如自动驾驶、智慧医疗健康领域的治疗分析等。
到2030年左右，人类将会进入通用AI时代，即AGI时代。此时AI会融入人们的日常生活，并且无处不在。智能机器在进一步海量学习、人机互动、情感交流、自我创新中能力大幅提升，甚至在许多方面接近人类的智慧。
如果继续向未来展望，人类将会进入超级人工智能时代，即ASI阶段，Marie Hattar认为这可能会在2030年之后的某一个时间点发生。在超级人工智能时代，AI会在某些领域展示出超越人类智慧的能力。不过随之而来的也有一些新问题，比如未来AI会不会将人类置于一种风险的处境中？Marie Hattar则认为“应该不会”。
事实上，AI已经经历了长年累月的发展，早在20世纪50-60年代，人工智能就开启了早期研究。时至今日，生成式AI技术的突破，推动各行各业持续加大产品投入。包括航空航天、医疗、汽车和通讯等各个领域，各种应用背后都需要数据中心以及强大的算力进行支撑，AI技术也已经遍布这些应用领域。
而当AI碰上汽车智能化，新的“火花”也正在擦出来。可以看到，业内关于AI上车、大模型上车也渐渐屡见不鲜。
Marie Hattar指出，未来，电动汽车的发展可以用“突飞猛进”来形容，并将加速走向全球。从时间跨度来说，仅仅对比5年前，新能源汽车以及智能网联汽车的发展，可以说是日新月异。
据中国汽车工业协会统计，2018年，国内新能源汽车产销量分别为127万辆和125.6万辆，占整个汽车行业的销售比重不到5%；而到了2023年，仅1-8月，国内新能源汽车产销分别累计达543.4万辆和537.4万辆，市场占有率达到了29.5%。
另据乘联会预测，2023年，中国新能源乘用车销量将达到850万辆，狭义乘用车销量可达2350万辆，年度新能源乘用车渗透率有望达到36%。如此增长速度可见一斑。
进入由电动化“卷”至智能化的下半场战局之中，整个汽车行业都在大谈自动驾驶，车企也在争相研发L2及以上级别的自动驾驶汽车。据盖世汽车研究院最新数据显示，2023年上半年中国L2级自动驾驶功能的渗透率已经达到40%，成为了市场主要的驾驶辅助方案。
基于L2级自动驾驶车型的广泛应用，事实上目前已经有多家车企做好了量产L3级车辆的准备。走在赛道最前面的特斯拉，其首席执行官埃隆·马斯克甚至认为当前自动驾驶已经非常接近全自动驾驶状态，预计今年底就可以实现L4、L5级完全自动驾驶。
不过不可忽视的是，自动驾驶在逐渐“解放”用户双手双脚的同时，其实反过来也在加深着企业的产品开发难度。
Marie Hattar也指出，未来汽车将会变得越来越复杂，自动驾驶包含各种各样的传感器，比如像雷达、激光雷达、超声波传感器以及摄像头等。要想让汽车能够通过识别来自不同方向、距离以及角度的物体，进而保障行驶安全，前提是需要所有传感器进行协同运作。
同时，自动驾驶的落地需要大量的研发资源和测试工作，在此过程中也会产生海量的数据需要处理。那么，要如何协调方方面面从而实现自动驾驶的落地愿景呢？
在这里，仿真测试的重要性便凸显出来。对比需要耗费巨大成本与时间的实车路测，仿真测试在测试效率和一致性上优势明显。
自动驾驶仿真主要是利用数学建模的方式将实际应用场景进行数字化还原，建立一个尽可能接近真实世界的系统模型，无需实车直接通过软件便可实现对自动驾驶系统及算法的测试验证目的。
不过，是德科技也指出，软件测试虽然有非常高的效率，但是面对真实应用的环境，差距仍比较大，并且技术挑战也比较高。
总体来看，现阶段自动驾驶仿真挑战主要有三大方面，一是对现实世界的模拟程度，二是场景库的构造，三是仿真与算法的迭代部署及提升，难度都不容小觑。
那么，如何去平衡这些矛盾？换句话说，如何取代繁复的实车路测，建立一套优秀的仿真环境，能够精确完成自动驾驶功能和安全等验证，从而真正保障自动驾驶的顺利落地？
对此，是德科技以AI技术在汽车应用领域中的测试场景为例，在现场展示了一套智能网联驾驶仿真测试解决方案——由无线综测仪UXM以及GNSS信号模拟器组成，支持4G/5G/C-V2X以及一致性测试，同时支持物理层、协议层以及应用层测试，上层场景搭载IPG的CarMaker软件，支持开闭环测试、Day 1/2标准场景及自定义场景。
此外，该方案支持搭载Nordsys WaveBee系统，整个系统包括开发平台、车载单元、路边单元(ITS 站)、仿真、可视化和分析等功能。
当然，在仿真环境的搭建过程中，各种传感器信号的模拟也是一大难点，如V2X、毫米波雷达、激光雷达等。作为智能驾驶汽车的“眼睛”，传感器对周围环境信息的感知能力对高级自动驾驶至关重要。
目前行业关于自动驾驶仍有很多的技术路径尚未确定，且都是在感知层面。比如特斯拉坚定“纯视觉”感知路线，新款Model 3移除了所有雷达，日前博世也放弃了激光雷达的研发等。而无论是哪种传感器，从仿真角度看，理论上涉及对物理信号进行仿真、对原始信号进行仿真和对传感器目标进行仿真三个层级。
是德科技也表示，不同的公司可能会采取不同的技术路线。是德科技作为一家以软件为中心，并不断强化设计、仿真和测试能力的公司，主要还是与客户一起不断地去预测技术的发展，提供不同的解决方案，助力其在不同的技术下都能完成这样的测试。
据Marie Hattar介绍，是德科技推出的雷达场景模拟器可以同时模拟512个目标的雷达场景，进而去模拟汽车里面不同传感器的运作方式。这对未来自动驾驶汽车测试的重要性不言而喻。
值得一提的是，在本年度技术盛会上，是德科技现场也展示了一个黑科技平台——雷达场景模拟器，可以达到目标信号的实时仿真。该仿真器最小探测距离可达到1.5米，能包揽道路上难以仿真的一些危险场景，并且也具备针对多个目标同时反射的特性等。
版权与免责声明：凡本网注明“来源：智能制造网”的所有作品，均为浙江兴旺宝明通网络有限公司-智能制造网合法拥有版权或有权使用的作品，未经本网授权不
展开全部
热门评论