336
明敏 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
自動駕駛技術上車，智能車規(guī)?；慨a上路，然后呢？
當自動駕駛成為一種面向用戶的持續(xù)服務，更長尾的運營中的問題，又該如何應對和解決？
目前，行業(yè)內隨著L2+、L3級自動駕駛技術開始量產落地，智能車從實驗室走向普通道路、從單車智能到批量上路的命題更加明確。
數據量的指數級增加，對算力、存儲、數據處理提出更高要求。而服務用戶規(guī)模增大，也對自動駕駛系統的實時響應、快速迭代等提出新挑戰(zhàn)。
行業(yè)外，用戶側對于自動駕駛的期待愈加熱烈，智能車甚至被視為新型移動計算平臺代表之一，用戶對于自動駕駛的安全穩(wěn)定性、人性化服務、駕駛體驗上都被提出了更高要求。
里里外外，兩股動向，都在向車企主機廠提出新要求：
智能車上路，自動駕駛功能、安全、體驗、服務等問題，如何持續(xù)提供運營保障？
所以當今之勢，車企與用戶的關系，不再是售出即止。如何在一輛車全生命周期里，為用戶持續(xù)地優(yōu)化自動駕駛服務體驗成為必須。
自動駕駛運營，已經成為車企必須練就的新技能。
為什么需要自動駕駛運營？
從車企和用戶兩個維度，趨勢已經再明確不過。
對于車企而言，當自動駕駛開始批量上路后，如何對用戶的駕駛安全、體驗負責，是首要關心的事。
在L2/L3級自動駕駛情況下，駕駛系統仍舊不是一個全接管的狀態(tài)，用戶會基于實際情況參與到駕駛操作中，因此系統要能夠靈活智能提供可靠的智能駕駛能力。
該步驟放到車企面前，并不簡單。
一方面，車輛上路后，不可避免地遇到一系列未知或突發(fā)情況，這需要自動駕駛系統能夠基于實際信息做出準確判斷。
另一方面，L2/L3級自動駕駛的能力覆蓋都是漸進式的，在上路以后，車企仍要根據車輛行駛過程中的其實際表現和遇到的問題，快速做出優(yōu)化與調整。
也就是說，對于車企而言，自動駕駛車輛量產并不意味著服務告一段落，反而到了更需要關注的階段。
再來看用戶這邊，同樣對自動駕駛的安全、體驗等提出要求，并且是一個期待逐漸追加的過程。
每一個用戶都希望車企能保障自己車輛的駕駛情況，為安全護航。
體驗上，如導航、定位、娛樂應用等，希望其功能可以越來越精細化。以及在最基礎的地圖服務上，隨著街道路況改變、個性化的駕駛習慣產生，及時更新車上地圖，也是用戶最基本的訴求。
概括來看，當自動駕駛上路后，它的性質將從一種技術，變成為一項服務。
對車企的要求也不再單純只是車輛是否質檢通過，而變成了一種長周期的運營維護考驗。由此也提出了一系列問題：
第一、當批量自動駕駛車輛跑在路上時，面對海量數據，車企該如何高效處理、迭代算法？
第二、對于自動駕駛所必需的地圖服務，車企如何根據高精定位能力和及時更新的路況信息，為用戶提供更高效、個性化的決策規(guī)劃？
第三、對于用戶不斷產生的體驗訴求，車企如何及時響應并快速迭代、部署功能？
第四、對于自動駕駛本身而言，車企如何基于實際上路情況提升系統能力？
這些問題，是自動駕駛量產上路后，每個車企都繞不開的。
由此，自動駕駛運營平臺將成為車企之必需。
而作為一種服務，只有持續(xù)運營，才會有生命力。
這就要求自動駕駛運營平臺要有專職人員為用戶自動駕駛體驗負責，有安全、穩(wěn)定、云化的運營工具，還能基于精準、豐富的地圖服務，隨時記錄、評估、迭代和升級自動駕駛能力。
換言之，出于對駕駛安全及體驗負責，車企要擔當起自動駕駛服務運營方的角色，有專門的運營團隊來持續(xù)優(yōu)化自動駕駛的服務體驗。
但問題是，對于車企自身而言，搭建自動駕駛運營平臺，實際操作難度不小。
自動駕駛運營對海量數據存儲、算力、數據安全保證都提出了極高要求。這不光對企業(yè)的技術實力提出挑戰(zhàn)，除了人力成本之外，在基礎設施建設上也將要耗費極高成本。
尤其在自動駕駛即將規(guī)?；慨a的背景下，時間緊迫，完全自研自建根本無法快速完成。
所以，該怎么辦？
自動駕駛運營能怎么解決？
這一問題的求解，或許還要看自動駕駛運營提出了哪些要求。
概括來看，大致有以下幾點：
保障車輛數據的安全合規(guī)利用
動態(tài)更新地圖數據
快速迭代升級自動駕駛功能
跟進用戶個性化需求
其中最為關鍵的，就是自動駕駛所需信息及能力的及時更新和迭代。而談到迭代，就離不開端上推理和云上訓練這個大閉環(huán)。
加之自動駕駛行業(yè)的相關監(jiān)管收緊，本身對數據安全性、傳輸效率上就提出更高要求，由此，上云是一條很容易被看到的技術路線。
實際上，從今年開始，車云一體成為自動駕駛領域內的熱議趨勢。
從車端來看，無論是傳統車企還是造車新勢力，在電動化和智能化變革浪潮之下，都開始紛紛用“上云”應對這一趨勢。代表玩家如寶馬、福特領睿等。
從云端來看，云廠商們也紛紛針對車企的需求，推出專門的汽車云服務平臺和自動駕駛云平臺，汽車業(yè)務成為這些云廠商收入占比越來越重要的一環(huán)。
有機構預測，國內汽車云將在2026年達到超800億元的市場規(guī)模。
這種趨勢的出現，其實一定程度上也基于自動駕駛商業(yè)化落地趨勢愈加明確。
在此背景下，自動駕駛運營該怎么解？答案或許還應該是上云。
一方面，云計算增效降本的能力，已經在自動駕駛研發(fā)、測試階段有明顯體現。
如云計算能為車企提供更靈活、性價比更高、更快的數據存儲管理。
另一方面，運營階段對迭代效率的要求更高，如車機互聯、實時交互等需求也會相繼涌現，這些問題都是單車智能所無法解決的。
因此，自動駕駛運營上云，也是必經之路。
但問題也隨之而來,自動駕駛運營涉及自動駕駛全生命周期，覆蓋多方面功能體驗能力，該怎樣上云？
提供車云一體化的地圖能力，通過云端與地圖能力的結合，為自動駕駛運營提供更實時、鮮活、廣泛的地圖數據。
這是騰訊給出的思路。
在剛剛結束的2022騰訊數字生態(tài)大會上，騰訊重磅發(fā)布“車圖云解決方案”。
官方表示，這是業(yè)界首創(chuàng)的“車云一體化”地圖服務，建立在更安全的專有云平臺之上，能開放地為自動駕駛提供所必需的地圖更新服務和位置服務。
并且號稱可以助力自動駕駛功能高速迭代，成為自動駕駛服務運營的基石。
所以，車圖云解決方案到底是怎么一回事？
什么是車圖云解決方案？
今年6月，騰訊發(fā)布“車云一體化”戰(zhàn)略，推出了騰訊智能汽車專有云，并在上海開設了行業(yè)首個專為自動駕駛和智能汽車行業(yè)而設計的云專區(qū)。
此次騰訊車圖云，可以視作是“車云一體化”的一種延續(xù)，在專有云之上，為車企提供云化地圖的能力。
騰訊智能出行副總裁劉澍泉在發(fā)布會上表示：
地圖在車端，是自動駕駛套件的重要組成部分。
在云端，騰訊則通過車圖云提供自動駕駛所必需的地圖服務，幫助運營人員進行自動駕駛功能的評估和優(yōu)化。
換言之，只要打通了地圖在車端和云端能力，自動駕駛能力自然而然就能得到釋放。
具體來看，車圖云解決方案的能力體現在兩方面：
定制地圖更新
位置服務
第一，定制地圖更新。
騰訊表示這一能力主要是為車企提供所需的地圖服務，幫助他們構建產品核心競爭力。
它將結合端上數據安全SDK，收集感知數據、車輛運動數據，并進行安全合規(guī)化的傳輸和存儲。
然后結合歷史數據進行多重建圖、道路評估等后處理，形成更準確、更豐富的定制化地圖包。
最后通過ODD（運行設計域)，將地圖包下發(fā)到車端。
在騰訊智能汽車云的支持下，它能滿足在量產階段自動駕駛汽車大量激活的情況下，大規(guī)模并行的高效數據處理、數據生產和數據編譯，進一步發(fā)揮好感數據的價值。
第二，位置服務。
按照官方說法，這一服務將可以加速自動駕駛功能迭代，助力自動駕駛順利走向運營階段。
這里所說的運營，可以分為自動駕駛道路運營和自動駕駛功能運營。
道路運營，主要是指擴展功能ODD，也就是在哪些路段、哪些道路上面可以開放自動駕駛服務。
首先運營人員通過分析自動駕駛功能在特定路段上的運行表現，與benchmark數據進行比對，進行自動駕駛功能釋放。
其次針對復雜路況，也就是corner case——這已經成為自動駕駛體驗優(yōu)秀與否的核心評判指標之一。通過地圖數據挖掘熱點、特殊結構道路等，從而定向采集數據、定向路測、定向優(yōu)化迭代，提升自動駕駛功能的用戶價值。
第二，是自動駕駛的功能運營，簡單來說就是讓運營人員對自動駕駛能力進行評估，為車企提供參考。
運營人員將通過提供實時的動態(tài)交通信息、POI信息等，綜合評定自動駕駛的功能表現。并進一步結合用戶軌跡、熱點路段、車輛數據等信息，評估自動駕駛功能對用戶產生的價值，為迭代升級提供參考。
除此之外，騰訊表示，車圖云方案還支持個性化路徑規(guī)劃，可以在基礎導航服務之上，疊加車企提供的數據及規(guī)則，為用戶提供更加優(yōu)質的路徑規(guī)劃。
劉澍泉在采訪中透露，根據客戶需求，騰訊能按要求定制features，從導航能力、人機交互界面都能自己定制。有需要的話，客戶自己的開發(fā)工具都能上云。
總之就是要夠開放。
而在一系列新能力釋放的背后，源頭上還是基于騰訊在地圖、云端的兩方面能力。
地圖方面，騰訊擁有傳統地圖采集甲級資質，其地圖能力已延伸到2B和2C市場中去。
去年發(fā)布的騰訊智駕地圖，基于業(yè)內首創(chuàng)的一體化地圖數據采集體系，可實現標準地圖、車道級地圖、高精地圖數據的“三圖合一”，能夠在人工駕駛、輔助駕駛、智能駕駛等多種模式下，提供導航服務。
在To B生態(tài)下，包括美團、京東、滴滴、貨拉拉等，都是騰訊位置服務的合作伙伴。
美團外賣、小程序、微信位置分享等，其中的導航定位功能都來自于騰訊能力，有基礎定位、有POI檢索、有導航路線規(guī)劃，甚至有導航引導。
云端方面，騰訊更是早有準備。
此前發(fā)布的騰訊智能汽車云，是基于騰訊自身云計算優(yōu)勢提出的專用云。
首先，通過專屬的云專區(qū)，它可以確保不同車企的數據之間的物理隔離，滿足了汽車行業(yè)對數據安全的需求；又通過對云組件的重點優(yōu)化，解決了車企的高度定制化需求。
在基礎能力上，騰訊云的基礎設施覆蓋全球五大洲26個地區(qū)，運營70個可用區(qū)。其峰值帶寬突破了200T，全球部署2800+加速節(jié)點，存儲規(guī)模達到EB級別。
在能力驗證上，騰訊海量自研業(yè)務已經實現全面上云。像QQ、微信等互聯網大規(guī)模應用的數據處理，也都運行在騰訊云自己的服務器上。
安全方面，騰訊云具備等保三級的認證，即非銀行機構的最高等級保護，同時具備甲級測繪資質。有3500+安全專家團隊。1500+云安全專利作為支持。
而騰訊云的特性，其實也剛好滿足了當下車企對于云服務的需求。
劉澍泉表示，對于汽車云，車企目前最關切的問題有四方面：
具備全球一體化基礎設施能力
保障數據隱私安全
合法合規(guī)
性價比
總而言之，騰訊車圖云解決方案，就是基于騰訊云這個大的底座，在車云一體戰(zhàn)略的基礎上，率先將地圖能力結合進來。
地圖又直接涉及到自動駕駛所需的導航、定位、位置等服務，是自動駕駛能力釋放的開關。
一旦這個能力打通，便意味著自動駕駛過程中所需的最基礎運營服務，都能得到解決。
由此也就不難理解，為什么提供自動駕駛運營能力，騰訊會從云化地圖的角度作為切入。
而透過騰訊的最新動作，其在自動駕駛產業(yè)中的角色定位也更加清晰明確，即為產業(yè)提供數字化建設能力。
騰訊出行副總裁、騰訊智慧出行負責人鐘學丹在采訪中反復提及，騰訊的角色是數字化助手，以此滿足車企需求、補足車企能力。
騰訊專注的能力體現在三方面：
第一是提供云和圖為核心的數字基建能力，第二是用戶服務能力，第三是生態(tài)連接的能力。
基于這樣的定位和邊界，我們更專注于在數字化、云、算力這些基礎能力。
還有哪些新挑戰(zhàn)和機遇？
誠如鐘學丹所言，車圖云解決方案不會是終局。
縱觀智能車上云，必然會經歷三個階段：
第一個階段是自動駕駛研發(fā)上云。
在這個過程中，云計算更多解決的還是車企研發(fā)效率、軟件遠程迭代需求的問題。
第二個階段，是行業(yè)更期待的階段，也就是自動駕駛汽車運營上云。
在這個過程中，云服務會協助自動駕駛系統和智能座艙，真正能做到與環(huán)境進行實時交互，用戶以及車輛上云也會達到一個新的覆蓋率。
到這一階段，包括RoboTaxi、智能小巴以及智能貨運都會真正實現云上運行，出現大規(guī)模智能駕駛商業(yè)化落地。
第三個階段，更多互聯網生態(tài)能力的上云。
這時候智能座艙實際上已經能提供更多動態(tài)服務，例如車載實時高精動態(tài)地圖的服務能力等，可能會與第二階段的運營上云同步出現。
目前，雖然商業(yè)化落地已經開始出現，但離真正意義上的大規(guī)模量產上路，還有一段距離。
背后原因，不光是智能化技術還沒迎來質變節(jié)點，還有來自產業(yè)鏈協同方面的限制。
劉澍泉坦言，對于自動駕駛而言，上云不是目的，上云只是一種手段。在技術成熟度已經滿足行業(yè)需求的今天，怎么將技術用好，才是關鍵。
對于當下而言，提高生產效率，其實還要看審圖、質檢等流程怎么做到更優(yōu)匹配。
劉澍泉舉例說，比如對于高精地圖的生產更新，可以做到很快采集，但是如果審核等流程跟不上，圖就會積壓，也就白生產了。
換言之，產業(yè)鏈如何更好優(yōu)化，是眼下行業(yè)需要思考的一大問題。
實際上，車企、自動駕駛公司也同樣期待云端協同能更加絲滑。
比如自動駕駛所涉及到的各種敏感數據，安全脫敏是需要產業(yè)鏈上的各個角色合力實現。以及產業(yè)鏈能盡快形成通用標準，方便大家相互溝通和實際操作。
再來看更為實際應用的層面，隨著車企大批量上云，性價比將成為大家越來越重視的因素，行業(yè)還要思考如何進一步優(yōu)化云計算成本、幫車企增效降本。
顯然，在汽車云這一領域，探索、新挑戰(zhàn)在不斷涌現。另一邊，當然也有新機遇出現。
劉澍泉表示，隨著汽車云、自動駕駛云的發(fā)展，其實座艙和自動駕駛的模糊地帶已經產生。
明年或許就能看到艙駕一體化服務特別盛行。
當艙駕一體成為大勢，對于渲染、語音、泛人工智能的能力又會提出新要求，對廠商們的技術儲備、布局也是一種考驗。
總之，新技術落地就會帶來新挑戰(zhàn)，新挑戰(zhàn)就意味著需要新解決方案。
現在，面對自動駕駛落地后的運營服務，鵝廠率先出牌，給出了一個車企可以迅速take and go的方案。
