[中國，上海，4月18日] 在2021年上海國際車展前夕，華為智能車云服務產品部總經理廖振欽正式對外發布了“華為八爪魚”自動駕駛開放平臺，圍繞自動駕駛開發最關鍵的四大要素——硬件、數據、算法和高精地圖，構建一套以數據為核心，驅動自動駕駛閉環迭代的開放平臺，旨在通過車云協同的能力封裝、業內領先的標注能力、升級的虛擬仿真，以及安全合規的一站式云服務，協助車企“0”基礎構建自動駕駛開發能力，降低開發門檻，提升開發效率。

圖1：華為智能車云服務產品部總經理廖振欽發布“華為八爪魚”自動駕駛開放平臺

廖振欽表示：“我們這個平臺有三個能力：首先，把算法、數據、算法解耦，實現了車云協同。平臺既可以支持華為MDC，也可以支持其他主流的異構硬件。高精地圖也是解耦的，支持NDS、OpenDrive等多種主流標準；第二，我們將沉淀積累的平臺能力開放出來，通過預置的2000萬框標注數據集、20萬仿真場景庫、完整工具鏈和標注算法，以及場景數字孿生、虛實混合仿真、日行千萬公里的大規模并行仿真等服務，實現了自動駕駛的0基礎開發，真正做到了開箱即用；第三，我們的云服務是完全安全合規的。”

智能車云服務CTO 喻杰博士介紹了“華為八爪魚”自動駕駛開放平臺的架構和核心亮點。該平臺全面地覆蓋了自動駕駛開發的各個階段，并且作為一個開放平臺，可以支持豐富的API及數據接口，允許合作伙伴進行二次開發。隨后喻杰博士闡述了華為是如何提升感知模型精度，并達到業界領先水平；如何通過模型適配、感知協同，實現了數據與算法在云端與車端之間的高效閉環；以及如何將整個開發流程納入DevOps，加速規控算法的仿真測試和迭代優化。

圖2：華為智能車云服務產品部CTO 喻杰博士 介紹“華為八爪魚”自動駕駛開放平臺架構

華為今天同時對外發布了高精地圖云服務最新的能力及路標，并將在精度、廣度、鮮度全方面滿足各車企自動駕駛商用化的要求。廖振欽表示“高精地圖是自動駕駛中的重要元素。華為已經擁有了導航電子地圖制作甲級測繪資質，也具備完整的高精地圖采集和制圖能力，所以我們有信心今年能支持真正的商用化。”

華為計劃今年完成全國高快速路與北上廣深的高精地圖，往后持續擴大覆蓋范圍，2023年覆蓋20多個主要城市。考慮到中國幅員遼闊、城市眾多，華為正與廣泛的圖商合作，形成高精地圖產業合力，共同繪制一張完整的、高質量的中國動態高精地圖。

圖3：華為發布高精地圖云服務能力和路標

以下是發布會主要內容：

自動駕駛開發，需構建一套以數據為核心的、開放解耦的閉環系統

自動駕駛進行快車道，在自動駕駛從開發到商用的過程中，圍繞著產生價值的生產資料——“數據”及相應的處理，行業面臨著如下挑戰：

挑戰1：海量數據處理難

高等級自動駕駛測試車每天采集的數據量是TB級別的，開發團隊需要PB級的存儲空間，但這些數據中，可用于訓練的價值數據大約只占不到5%。而且對車載攝像頭、激光雷達、高精定位等傳感器采集的數據還有著嚴格的安全合規要求，這就對海量數據的接入、存儲、脫敏、處理等帶來了極大的挑戰。

挑戰2：數據標注成本高

數據標注占據了大量的人力和時間成本。隨自動駕駛向高階能力的發展，場景復雜度持續提升，會出現更多的難例場景。而提升車輛感知模型的精度，則對訓練數據集的規模和質量都提出了更高要求。傳統人工標注在效率和成本方面，已經難以滿足模型訓練對海量數據集的需求。

挑戰3：仿真測試效率低

虛擬仿真是加速自動駕駛算法訓練的有效手段，但仿真場景構建難、還原度低，尤其是一些復雜、危險場景，很難構建。加之并行仿真能力不足，仿真測試的效率低，算法的迭代周期過長。

挑戰4：高精地圖覆蓋少

高精地圖主要還是靠自采集、自制圖，僅滿足試驗階段指定道路的場景。后續要走向商用，擴展到全國各大城市的城區街道，在覆蓋、動態更新，以及成本和效率方面都面臨著非常突出的挑戰。

圖4：自動駕駛開發面臨的四大挑戰

加速自動駕駛開發，需構建一套開放的數據閉環系統

廖振欽認為，傳統軟件的開發可以按照結構化程序設計的方法，即Pascal之父沃斯在40多年前提出著名的“算法+數據結構=程序”。自動駕駛軟件的開發，本質上是人工智能技術的應用，是要造一個“駕駛員”。人工智能技術發揮作用需要數據、算法和算力這三個要素，其中，自動駕駛軟件中的數據是核心要素，是車企自己必須積累的。因此，我們在自動駕駛開發架構上，要把硬件、數據和算法進行分離，將這些數據獨立解耦出來，將有利于靈活地選擇更開放的硬件和算法。

圖5：加速自動駕駛開發，需構建一套開放的數據閉環系統

上云，是自動駕駛從開發到商用的必由之路

自動駕駛汽車從開發到商用，數據閉環系統建設會面臨更大挑戰。對算力、存儲要求的擴大，對云資源的高可靠性、安全性的要求，將從試驗階段轉為商用要求。最新發布的《智能網聯汽車生產企業及產品準入管理指南（試行） 》對自動駕駛云端數據在合規、安全、隱私等方面提出了更高的要求。

廖振欽認為，傳統的數據中心已經不能適應自動駕駛商用化的要求。上云是自動駕駛從開發到商用的必由之路。使用“華為八爪魚”自動駕駛開放平臺，能確保車輛在各個地區都能就近接入云端，并解決商用過程中所面臨的覆蓋、安全、彈性擴展等問題。開發者將不再為機房專線、升級擴容傷腦筋，精力可以都放在核心的算法開發上。

眾所周知，“華為八爪魚”構筑于華為云底座。基于全球23個Region，45個AZ，可實現全球范圍的就近服務和異地容災，并具有電信級高可靠性。車企自動駕駛開發團隊，將不再為了機房專線、安全合規、容災備份、升級擴容，和運維管理等問題而大傷腦筋，可以將更多的精力投入到自動駕駛核心算法的開發上。

圖6：上云，是自動駕駛從開發到商用的必由之路

“華為八爪魚”自動駕駛開放平臺5大亮點特性

1）預置業界領先的自動標注模型

“華為八爪魚” 自動駕駛開放平臺團隊和華為諾亞實驗室打造聯合團隊，持續攻關，感知算法精度已經達到業界領先水平，解決了復雜場景或遠端目標的漏檢、錯檢等業界難題，并在多個自動駕駛國際公開數據集測試挑戰中獲得領先的名次。

圖7：“華為八爪魚”感知算法精度達業界領先水平

以3D點云目標檢測為例，華為融合了激光雷達和攝像機等不同傳感器提取的多種信息，同時采用對多視角、多時序數據融合的方式提取目標特征，通過多層卷積網絡迭代，融合不同特征，最終實現了對3D點云目標的精準識別和檢測。再結合云端強大算力，可以將這種超大模型的訓練效率提升10倍以上，進而提高車端感知模型的迭代速度。

圖8：高精度自動標注復雜模型的訓練離不開云端強大算力的支持

2）車、云協同，難例場景智能篩選

通過云和車載計算平臺MDC協同，可以實現難例場景的智能篩選，解決智能化分析檢測算法的性能瓶頸，有針對性的收集車端和云端數據，發掘數據中的難例（Corner case）, 極大的緩解長尾問題（Long tail problem）。

開發者向云端上傳期望搜集的難例圖片，云端會把難例搜集規則下發給車輛，車輛則會檢測攝像機捕捉到的實時數據流，找到類似的難例場景，截取相應圖片并回傳到云端，形成特定場景的難例數據集。這種方式可以減少90%的上云數據，并節省70%的數據集構建時間。

圖9：車云協同，實現難例場景的智能篩選

3）與高精地圖結合，實現真實場景數字孿生和虛實混合仿真

規控算法開發迭代過程中最耗時的是測試驗證。一方面，自動駕駛車輛需要天文數字級的里程測試來驗證，而另一方面，測試場景的構建又成為了這一環節最大的難點。

虛擬仿真是提高自動駕駛驗證效率的有效手段，但它對場景庫的多樣性及虛擬仿真的真實感要求非常高。“華為八爪魚”自動駕駛開放平臺可以將采集的典型路段轉換成仿真場景，并與高精地圖相結合，實現真實場景數字孿生。這種方式可以實現95%以上的場景還原能力，能有效幫助開發者快速模擬周邊車輛，實現分鐘級的場景構建，并有效驗證復雜的城市交通場景，支撐SIL（軟件在環）驗證。

前面提到的真實場景數字孿生能力解決了復雜仿真場景構建的問題，但如何體現車輛在測試場景中的真實動力學表現，成為了另一道難題。通過動力學仿真軟件模擬的真實性有待提升；通過真實場景實車測試，周期又很長。為解決這個問題，“華為八爪魚”自動駕駛開放平臺又提供了虛實混合仿真能力。

這種虛實混合仿真，通過結合真實車輛和虛擬場景，實現了線上線下協同，通過在云端構建測試場景，再將仿真測試場景加載到車端運行，從而在空曠的道路或場地模擬出各種需要的虛擬場景、危險場景，比如跟車、行人橫穿、非機動車CUT-IN、避讓靜態障礙物等各種場景，以測試驗證自動駕駛算法、實車的車輛動力學性能，以及駕乘體驗。“華為八爪魚”自動駕駛平臺通過這種車云協同的方式，極大地加速了VIL（車輛在環）測試的效率與質量。

4）完整工具鏈，一站式自動駕駛DevOps能力

“華為八爪魚”自動駕駛開放平臺提供了云端一站式仿真評測工具鏈，實現自動駕駛領域的DevOps，從代碼倉庫接入、版本管理，到仿真、評測，實現了完整的自動化閉環。通過大規模并發仿真，達到規控算法迭代速度的量級提升，可實現虛擬仿真測試里程日行千萬公里。這種高效的模式，將規控算法評測周期從原來的天級縮短到了小時級，整個算法的迭代周期也從周級縮短到了天級。

圖10：“華為八爪魚”自動駕駛開放平臺的一站式自動駕駛DevOps能力

5）預置海量數據集和場景庫

“華為八爪魚”自動駕駛開放平臺可提供50多類、120多萬張、超過2000多萬對象的標注數據集。并且這些數據還會月度迭代，逐步增長。結合高效的標注工具，以及智能預標注算法，可以幫助自動駕駛開發者構建完整的數據采集、處理、自動化標注、難例挖掘、生成增量數據集等感知算法快速迭代能力。

此外，“華為八爪魚”自動駕駛開放平臺構建了20多萬仿真場景庫，支持場景庫泛化能力，并且可以通過真實場景數字孿生和虛實混合仿真幫助自動駕駛開發者快速構建高還原度的仿真場景，大幅提升了仿真測試的效率。

除了“華為八爪魚”自動駕駛云服務之外，華為智能車云服務還有四個云服務，包括車聯網云服務、三電云服務、高精地圖云服務和V2X云服務。華為智能車云服務提供豐富、開放的服務能力，并滿足安全合規要求，有效使能智能網聯業務創新，助力車企造好車。

圖11：華為智能車云服務全景

責任編輯：劉沙