近日，总投资10亿元、国内首个L4级自动驾驶开放测试基地项目在重庆市永川区开工，将设立百度Apollo自动驾驶测试运营中心，打造形成具备“虚拟仿真+封闭试验+开放测试”全链条试验检测服务能力。
图片来源：永川高新区
除了重庆测试区，目前我国有不少智能网联测试基地也在积极采用“模拟仿真+实际路测”的模式推动自动驾驶技术落地，比较有代表性的就是位于湖南的国家智能网联汽车（长沙）测试区。该测试区不仅将自动驾驶仿真实验室作为发展的重点之一，还与腾讯的自动驾驶团队强强联手。
那么，在实际路测之外，行业为何纷纷“玩”起模拟仿真？
模拟仿真成刚需
当自动驾驶进入到以Robotaxi为代表的公开道路测试阶段时，如何提升测试效率、更加精进技术、加快落地速度，成为行业迫切需要解决的问题。
美国著名智库兰德公司曾经估计,如果想让一辆L5级别的自动驾驶车辆正式上路,需要经过110亿英里的测试。这就意味着，即便是一支拥有100辆测试车的自动驾驶车队，以25英里(40公里)每小时的平均时速7×24小时一刻不停歇地测试，也需要花费大约500年的时间。从企业层面来看，即便是头部企业Waymo，截止到2020年初也只完成了2000万英里的自动驾驶路测，离110亿英里的目标还很远。
可以看出，推动自动驾驶车辆上路仅仅依靠实际道路测试，并不现实。而此时，自动驾驶模拟仿真的重要性就凸显出来了。
对于工程师而言，开发自动驾驶相关功能所需的算法和传感器配置，即使进行了1000万英里的道路测试仍然无法生成足够多有价值的数据，而模拟仿真一天的行驶里程就可以达到1000万英里。不需要在实际道路上进行测试、不费油、不用交过桥费，更重要的是不用承担风险，对自动驾驶领域的玩家来说，重要程度不言而喻。
当前，全球各大车企正在研究用仿真测试里程来取代一部分实际路测里程，也就是自动驾驶测试90%通过模拟仿真平台完成，9%通过测试场完成，1%通过实际道路测试完成。线上的模拟仿真测试已经成为加速自动驾驶技术研发和测试落地的重要手段。
早在2017年，Waymo高级软件工程师詹姆斯·斯托特就开创了Carcraft，一个如黑客帝国般的虚拟现实世界。Waymo的自动驾驶车辆在实地路测时遇到的许多情况可以直接在Carcraft中进行模糊化，程序员可以将多种情况进行叠加创造出各种极端情况，而在模拟器中得到的数据又可以反馈给现实世界的测试车。
目前，Carcraft的虚拟车队中有25000台汽车，这些虚拟车队的车辆每天24小时都运行在谷歌的数据中心。得益于这样的数据闭环，2019年7月，Waymo对外公布了所达成的最新里程碑：模拟自动驾驶测试总里程已经达到了100亿英里，且支持Waymo车型进行大规模测试。
图片来源：Waymo官网
此外，去年年底，Waymo 还收购英国仿真技术公司Latent Logic，后者开发的AI技术能够通过“模仿学习”来构建逼真的人类驾驶行为，帮助Waymo实现更加贴近现实的仿真技术。
不仅是Waymo，因为撞人致死事件一直萎靡不振的Uber，显然不能让自己落后太多。
去年年底Uber计划收购一家仿真软件开发商Foresight，目前已与后者展开深入谈判。其实，这不是Uber第一次收购自动驾驶相关技术公司。去年6月份，Uber就打算收购西雅图初创公司Mighty AI，后者专注于为计算机视觉模型研发训练数据。
国内企业加速研发
国内相关企业亦意识到，想要加快自动驾驶落地，模拟仿真测试必不可少。
事实上，目前很多主流的仿真测试系统都是根据游戏引擎开发的，例如微软的AirSim，英特尔的Carla……国内科技公司更是紧跟时局，加紧研究仿真测试，目前已经颇具成效，同样在游戏领域占有话语权的腾讯当然也不甘示弱。
腾讯基于其强大的游戏引擎，开发了TADSim自动驾驶仿真测试软件。作为一家拥有丰富游戏开发经验和技术储备的科技公司，腾讯将游戏引擎与工业级车辆动力学模型、虚实一体交通流等技术相结合，打造了无限趋近真实世界场景的线上仿真环境。
图片来源：腾讯官网
结合采集的交通流数据以及极端交通场景的模拟，TADSim可进行各种激进驾驶、极端情况的自动驾驶测试。同时，TADSim内置的高精度地图可以完成感知、决策、控制算法等实车上全部模块的闭环仿真验证，这套软件还可以完成阴晴雨雪各种天气、光照的模拟，大大提高自动驾驶测试效率。
作为同属“BAT”的百度当然同样不甘示弱。
早在2018年底，百度就与Unity Technologies建立合作伙伴关系，一起研发实时仿真产品，该产品将创建虚拟环境，让开发人员在现实模拟环境中测试自动驾驶汽车。
不满足于与实时3D研发平台合作，百度更是花费大量的心血自行研发自动驾驶仿真系统。
2019年3月，百度论文登上《Science》杂志子刊《Science Robotics》，该论文提出了一套全新的自动驾驶仿真系统：增强现实的自动驾驶仿真系统（AADS）。AADS系统包含一套全新开发的基于数据驱动的交通流仿真框架和一套全新的基于图像渲染的场景图片合成框架，通过AADS系统，自动驾驶系统测试时可提升测试效果，不断精进自动驾驶算法。同年7月，Apollo平台迎来5.0版升级，新增了车辆动力学模型，这一技术一下将传统方式建模结果在误差上减少了80%。
图片来源：百度官网
除了早早入局的百度和腾讯，作为汽车领域中的后来者，华为在自动驾驶云服务赋能上也有着自己的逻辑。
华为的逻辑是通过“八爪鱼”构建一个按需获取的全栈云平台，除了可以迈过数据处理这座高山，还能覆盖自动驾驶的模型、训练、仿真、标注等全生命周期业务。因而“八爪鱼”可以向用户提供以下几种核心能力：处理海量数据，自动化挖掘及标注；软硬件加速，提升训练及仿真效率；丰富的仿真场景；云管端芯协同，车云无缝对接。
图片来源：华为官网
其中仿真场景就是通过集成场景设计和数据驱动的方法，合计提供超过1万个仿真场景，系统每日虚拟测试里程可超过500万公里，支持3000个实例的并发测试。由此可见仿真能力只是其数据闭环中的一个环节，这个环节只有与其他环节合作才能发挥出最大的组合优势。
华为表示，未来还会将高精地图、5G及V2X技术等能力集成到“八爪鱼”中，如此看来，“不造车”的华为在仿真市场的布局颇为宏大。
目前行业内已经达成共识，模拟仿真平台是下一个兵家必争之地，不仅是行业巨头，以AutoX、文远知行、小马智行、希迪智驾等为代表的几乎所有的自动驾驶初创公司也根据各自的需求，自主研发模拟仿真环境。与此同时，行业也逐渐培育了诸如赛目科技、51VR等在自动驾驶模拟仿真测试平台有所专长的独角兽。
据专业人士预计，到2023年仿真软件与测试的国际市场总规模约在百亿美元左右，适用于自动驾驶系统的仿真技术将会被大规模地应用于汽车产品的研发流程当中。虽说仿真测试并不能真的替代实际测试，但至少在迈向自动驾驶车辆量产的路上，企业能够少走一点弯路，加速商用落地的到来。