专访腾讯苏奎峰：构建数据闭环是实现突围的关键路径！

　　数据是自动驾驶的「燃料」已成为业界共识。

　　4月9日，中央决策层下发的一个重要文件，让“数据要素”的重要性盖上了官方盖章，成为生产要素之一，数据资源成为了亟待挖掘的黄金宝矿。

　　事实上，数据要素的重要性和想象力不仅局限于此。未来汽车将不再是信息孤岛，是一个移动的感知终端，将与路、云端互联，通过大数据、人工智能等技术实现智慧出行，数据是链接这一切的核心因素。

　　在众多的自动驾驶玩家当中，构建「数据闭环」是腾讯助力产业发展，实现突围的关键路径。

　　数据要素高效利用背后更深层次的逻辑在于产业理解和基础架构支撑，腾讯云提供强大的云服务能力，并基于此构建高效的自动驾驶数据服务体系。因此，在关于数据要素如何驱动自动驾驶的问题上，腾讯有着自己的一番理解。

　　基于此，腾讯在自动驾驶业务上摆出了三个具有杀伤力的产品：大数据云平台、仿真测试平台和高精度地图。

　　雷锋网(公众号：雷锋网)新智驾将对话腾讯自动驾驶业务中心总经理苏奎峰，试图了解腾讯如何用数据要素驱动自动驾驶，三大业务之间高效联动的逻辑。

自动驾驶数据闭环如何高效运作

　　在浩瀚的赛博空间里，数据是建成海量虚拟建筑的一块块砖瓦。

　　于自动驾驶而言，数据以各种形式贯穿研发、生产、测试、运营等生命周期。与此同时，数据的爆发也呈指数级增长，可以想象，玩家们面临的是如海啸一般涌来的数据。

　　因此在数据要素使用上，玩家们在两个维度上的能力就显得十分重要：一是数据闭环，没有闭环，数据的有效性就无法验证；二是在数据闭环的基础之上如何实现数据高效运转。

　　苏奎峰向新智驾表示：自动驾驶的核心竞争力在于数据要素和计算资源的低成本获取和高效利用。对数据要素进行高效收集和利用，提高数据循环链路的速度，是整个自动驾驶技术迭代的关键点。

　　为此，腾讯在自动驾驶业务上推出了大数据云平台和仿真测试平台、高精度地图三大业务。要理解这三大业务平台对数据闭环的高效驱动，需要追溯自动驾驶数据产生的链条。苏奎峰给新智驾举了一个例子：

　　一辆搭载传感器的自动驾驶车辆，在路上采集到了大量数据，基于这些数据能够构建相应的场景数据集，对自动驾驶系统进行算法训练；

　　然后，根据这些数据进行场景分析，建立相应的算法评测体系；同时也建立虚拟仿真环境、生成测试场景。

　　在自动驾驶车辆投入市场的运营阶段，车辆产生的数据也能自动回传，成为数据闭环新的开始，通过OTA的链路为自动驾驶系统的迭代升级获取新的数据“燃料”。

　　同时，采集或回传的数据也可以反馈给高精度地图，在云端进行更新之后推送到车端。

　　由此可见，一个围绕数据采集、场景构建、测试验证、运营更新的数据流通链条得以形成。

　　苏奎峰也认为，数据要素利用效率的提升是全链条事情，并非一个单点就能解决。

　　比如从数据采集角度看，知道采集何种数据就十分重要。在了解白天黑夜、拥堵与非拥堵路段等数据需求之后，可以将动态场景进行自动或手动标定触发，从而提升数据获取效率，避免重复。

　　而在车辆真正在路上运行之后，也可以根据相应的触发条件，自动筛选一些有用的数据回传到云端；此外，腾讯还会提供数据管理系统，将采集回来的数据进行标签化，快速清洗、筛选、查找需要的数据，进行高效流转。

　　工具链涵盖从数据采集、数据训练、到算法模块评测（包括模型在环、软件在环、车辆在环、硬件在环），再到实际路测的整个自动驾驶链路。

　　“这个闭环体系的每个工具的每一个环节，都在提高数据要素的流转和利用效率，以便快速解决问题或加速研发。”苏奎峰如此表示。

　　比如遇到一个Corner case，腾讯能够从数据库里找到相关案例来标注算法训练，或快速采集相应的数据，以保证数据闭环的稳定有效。

　　目前，针对L2.5级以上的自动驾驶系统，腾讯都能提供云端工具链包括场景分类器等生产工具，同时提供车端与云端的一些标准，用户可以根据自己的算法需求进行选取。

大数据云平台、仿真、高精度地图三重加持

　　基于对数据闭环和高效运作的理解，腾讯在自动驾驶的目的也呼之欲出：为行业客户提供，能够对数据要素进行高效收集和利用，提高数据循环链路速度的软件与服务，助力产业技术的演进，加速产品落地。

　　换言之，为行业客户提供自动驾驶云开发的工具链，集数据采集、训练、评测、更新等环节于一身。这也是苏奎峰一直在强调的腾讯在自动驾驶上的工具属性。

　　腾讯的大数据云平台、仿真测试平台、高精度地图三大业务，构成了这些工具链的产品形态。

　　以仿真测试平台为例，可以理解为，腾讯的仿真平台TAD Sim就是一部大型的、针对自动驾驶车辆的角色扮演游戏，结合了专业的游戏引擎、工业级车辆动力学模型、虚实一体交通流等技术。

　　苏奎峰告诉新智驾，仿真测试非常核心的一个功能就是，能够将采集到的数据转换成有用的测试场景。

　　他强调道：“工具本身要求我们会使用数据，我们也有数据要素储备。但对仿真来讲，核心功能在于工具而非数据本身。有了这个工具，车辆采集的数据就可以生产大量的测试场景。”

　　腾讯的TAD Sim仿真平台也能够提供单机版本和云端版本。

　　单机版能够进行场景编辑，做各种测试验证。而云端版本则是提供云端高并发的测试能力，包括场景云仿真和虚拟城市型云仿真。

　　场景云仿真通过大量数据生成几十万甚至上百万的测试场景，在云端大规模并行加速，实现自动驾驶算法的高效验证。

　　虚拟城市云仿真，则是能够加载一个真实或编辑的城市级高精度地图，实现上百万辆交通流车辆和上千台自动驾驶主车的并行加速，进行7×24小时的不间断测试。

　　通过不断寻找Corner case、或是将算法处理不好的场景积累下来，丰富自动驾驶测试的场景库。

　　当然，这背后可以很明显地看到腾讯强大的游戏技术支撑的痕迹。

　　“仿真系统可以把数据链条打碎，然后分阶段验证，同时也会将这个链条集成验证。这从一定意义上来说更接近于实际的道路测试。但是还是要强调，实车测试永远是需要的，仿真永远代替不了实车测试。”苏奎峰说。

　　此前，腾讯和国家智能网联汽车（长沙）试验区合作了智能网联汽车仿真实验室。

　　利用高精度地图和模拟仿真技术对试验区的地理全貌进行数字化建模，实现在仿真环境下进行安全、高效的智能汽车实验。

　　除此之外，仿真测试平台的还离不开大数据云平台和高精度地图的组合。

　　苏奎峰表示，云化是未来的一大趋势，不光是数据存放在云端，目前在客户端的很多服务和终端决策也会随着云端趋势的加强而发生改变。

　　“未来随着5G通讯链路的增强、软件架构和硬件架构升级、以及云端能力的增强，自动驾驶一定会从端的分布逐渐向云端迁移。”这也是腾讯构建大数据平台的原因。

　　此外，腾讯表示，TAD Sim提供地图编辑器，可以直接编辑高精度地图，也可以直接导入生产的实际高精度地图， TAD Sim提供通用的高精度地图接口，能够加载地图中的道路要素信息，也可以导入建筑物、树木等等三维环境信息。

　　“总体来说，无论车端还是云端，这个闭环是互相嵌套的体系。最终的呈现形式可以是单独模块，但如果想提高数据的流转效率和开发效率，就需要把这个体系紧密地耦合在一起，才能发挥最大效率。”苏奎峰说。

　　而闭环体系中算法、数据流转的效率越高，自动驾驶的成本也越低，核心竞争力也会更强。

灵活的商业模式

　　在工具链上有一个完整的闭环，但在商业策略上，腾讯的商业模式是灵活的。

　　现阶段，“全家桶”式的打包显然不能满足当下主机厂们对产品定制化的需求。

　　既可单兵作战，也能齐同上阵。也就是说，三大业务既可以模块化输出，也能集大成者，进行团战。总而言之，根据行业需求灵活组配甚至一定程度的定制。

　　与此同时，在三大核心业务能力的加持下，腾讯也一直打磨自己的自动驾驶解决方案。

　　相比其他玩家，腾讯并不以自动驾驶分级来划分解决方案，而是从用户高频的需求出发，提供场景化的自动驾驶解决方案，分场景、分需求逐步实现自动驾驶落地。

　　从2019年开始，腾讯就瞄准了高速及泊车两大用户刚需场景，并将针对这两大场景推出自动驾驶量产解决方案。 

　　苏奎峰告诉新智驾，目前，腾讯高精度地图团队已经完成了全国高速及快速路的高精度地图数据采集及绘制工作，为实现高速场景的自动驾驶打好了基础。

　　至于在商业落地上，苏奎峰表示，由于互联网公司的介入，传统主机厂的固有合作模式会发生变化，尤其是软硬件分离的趋势越来越明显。“合作的模式和机制都在改变，目前腾讯与主机厂也在通过一些合作来推动模式的升级。”

　　比如在车端的解决方案上，腾讯既可以提供地图定位的算法模块，也可以提供感知、融合算法模块。但是不同的车厂、不同的传感器配置，仍然需要进行定制化，通用模块很难适配所有车型。

　　而大数据云平台方面，腾讯和宝马中国联合开发的自动驾驶高性能数据开发平台已经交付使用。

　　就像游戏中辅助角色一样，在“辅助输出”的理念下，腾讯正在用非常灵活的姿态融进主机厂、业内玩家们的自动驾驶生态之中。

　　正如腾讯CEO马化腾在朋友圈写道：“助力车企开发自己的自动驾驶AI算法和大数据平台”。腾讯凭借自己对数据闭环高效运作的理解与实践，有望助力车企们早日抵达自动驾驶的未来。

转载文章，不代表本站观点。