導讀：AI碰上汽車智能化，新的“火花”也正在擦出來。可以看到，業內關于AI上車、大模型上車也漸漸屢見不鮮。
盡管近年來全球都在經歷著經濟低迷、消費電子等多行業需求不景氣和產業庫存持續修正等風波，但是包括5G/6G技術、人工智能(AI)、數據中心、數字孿生(Digital Twin)、新能源和智能網聯汽車、元宇宙、量子技術等，依舊帶給各行各業無盡的靈感與創新。
而在這些最熱議題的交織中，關乎AI與自動駕駛的下個黃金時代，正在走來。
在過去不久的是德科技年度技術盛會Keysight World Tech Day 2023上，當談到對不久的將來最熱門技術的預測以及值得持續性投入的領域時，是德科技高級副總裁、首席營銷官Marie Hattar首先談到的便是電動汽車，其次是5G-Advanced先進技術，再者是AI。
2023年年初，ChatGPT一夜爆火，新一輪AI技術革命顛覆未來的可能被無限放大。
Marie Hattar指出，AI獨特的地方在于能對海量的數據進行分析，還可以在模式中心自我學習。同時，AI還可以進行預測，以及將復雜的流程實現自動化。所以，未來AI將會給人類帶來大量的新機會，這種機會又會帶來一個巨量的創新，并且會提升整個社會的運營效率。
AI的技術演進通常分為三個階段，第一階段是狹義人工智能階段，即ANI階段。在這個階段，主要是智能機器深度學習、精準計算、模仿復制、人機互動等，簡單來說就是作為日常工作的輔助。不過AI在某些特領域也可以比擬人類的智慧，比如自動駕駛、智慧醫療健康領域的治療分析等。
到2030年左右，人類將會進入通用AI時代，即AGI時代。此時AI會融入人們的日常生活，并且無處不在。智能機器在進一步海量學習、人機互動、情感交流、自我創新中能力大幅提升，甚至在許多方面接近人類的智慧。
如果繼續向未來展望，人類將會進入超級人工智能時代，即ASI階段，Marie Hattar認為這可能會在2030年之后的某一個時間點發生。在超級人工智能時代，AI會在某些領域展示出超越人類智慧的能力。不過隨之而來的也有一些新問題，比如未來AI會不會將人類置于一種風險的處境中？Marie Hattar則認為“應該不會”。
事實上，AI已經經歷了長年累月的發展，早在20世紀50-60年代，人工智能就開啟了早期研究。時至今日，生成式AI技術的突破，推動各行各業持續加大產品投入。包括航空航天、醫療、汽車和通訊等各個領域，各種應用背后都需要數據中心以及強大的算力進行支撐，AI技術也已經遍布這些應用領域。
而當AI碰上汽車智能化，新的“火花”也正在擦出來。可以看到，業內關于AI上車、大模型上車也漸漸屢見不鮮。
Marie Hattar指出，未來，電動汽車的發展可以用“突飛猛進”來形容，并將加速走向全球。從時間跨度來說，僅僅對比5年前，新能源汽車以及智能網聯汽車的發展，可以說是日新月異。
據中國汽車工業協會統計，2018年，國內新能源汽車產銷量分別為127萬輛和125.6萬輛，占整個汽車行業的銷售比重不到5%；而到了2023年，僅1-8月，國內新能源汽車產銷分別累計達543.4萬輛和537.4萬輛，市場占有率達到了29.5%。
另據乘聯會預測，2023年，中國新能源乘用車銷量將達到850萬輛，狹義乘用車銷量可達2350萬輛，年度新能源乘用車滲透率有望達到36%。如此增長速度可見一斑。
進入由電動化“卷”至智能化的下半場戰局之中，整個汽車行業都在大談自動駕駛，車企也在爭相研發L2及以上級別的自動駕駛汽車。據蓋世汽車研究院最新數據顯示，2023年上半年中國L2級自動駕駛功能的滲透率已經達到40%，成為了市場主要的駕駛輔助方案。
基于L2級自動駕駛車型的廣泛應用，事實上目前已經有多家車企做好了量產L3級車輛的準備。走在賽道最前面的特斯拉，其首席執行官埃隆·馬斯克甚至認為當前自動駕駛已經非常接近全自動駕駛狀態，預計今年底就可以實現L4、L5級完全自動駕駛。
不過不可忽視的是，自動駕駛在逐漸“解放”用戶雙手雙腳的同時，其實反過來也在加深著企業的產品開發難度。
Marie Hattar也指出，未來汽車將會變得越來越復雜，自動駕駛包含各種各樣的傳感器，比如像雷達、激光雷達、超聲波傳感器以及攝像頭等。要想讓汽車能夠通過識別來自不同方向、距離以及角度的物體，進而保障行駛安全，前提是需要所有傳感器進行協同運作。
同時，自動駕駛的落地需要大量的研發資源和測試工作，在此過程中也會產生海量的數據需要處理。那么，要如何協調方方面面從而實現自動駕駛的落地愿景呢？
在這里，仿真測試的重要性便凸顯出來。對比需要耗費巨大成本與時間的實車路測，仿真測試在測試效率和一致性上優勢明顯。
自動駕駛仿真主要是利用數學建模的方式將實際應用場景進行數字化還原，建立一個盡可能接近真實世界的系統模型，無需實車直接通過軟件便可實現對自動駕駛系統及算法的測試驗證目的。
不過，是德科技也指出，軟件測試雖然有非常高的效率，但是面對真實應用的環境，差距仍比較大，并且技術挑戰也比較高。
總體來看，現階段自動駕駛仿真挑戰主要有三大方面，一是對現實世界的模擬程度，二是場景庫的構造，三是仿真與算法的迭代部署及提升，難度都不容小覷。
那么，如何去平衡這些矛盾？換句話說，如何取代繁復的實車路測，建立一套優秀的仿真環境，能夠精確完成自動駕駛功能和安全等驗證，從而真正保障自動駕駛的順利落地？
對此，是德科技以AI技術在汽車應用領域中的測試場景為例，在現場展示了一套智能網聯駕駛仿真測試解決方案——由無線綜測儀UXM以及GNSS信號模擬器組成，支持4G/5G/C-V2X以及一致性測試，同時支持物理層、協議層以及應用層測試，上層場景搭載IPG的CarMaker軟件，支持開閉環測試、Day 1/2標準場景及自定義場景。
此外，該方案支持搭載Nordsys WaveBee系統，整個系統包括開發平臺、車載單元、路邊單元(ITS 站)、仿真、可視化和分析等功能。
當然，在仿真環境的搭建過程中，各種傳感器信號的模擬也是一大難點，如V2X、毫米波雷達、激光雷達等。作為智能駕駛汽車的“眼睛”，傳感器對周圍環境信息的感知能力對高級自動駕駛至關重要。
目前行業關于自動駕駛仍有很多的技術路徑尚未確定，且都是在感知層面。比如特斯拉堅定“純視覺”感知路線，新款Model 3移除了所有雷達，日前博世也放棄了激光雷達的研發等。而無論是哪種傳感器，從仿真角度看，理論上涉及對物理信號進行仿真、對原始信號進行仿真和對傳感器目標進行仿真三個層級。
是德科技也表示，不同的公司可能會采取不同的技術路線。是德科技作為一家以軟件為中心，并不斷強化設計、仿真和測試能力的公司，主要還是與客戶一起不斷地去預測技術的發展，提供不同的解決方案，助力其在不同的技術下都能完成這樣的測試。
據Marie Hattar介紹，是德科技推出的雷達場景模擬器可以同時模擬512個目標的雷達場景，進而去模擬汽車里面不同傳感器的運作方式。這對未來自動駕駛汽車測試的重要性不言而喻。
值得一提的是，在本年度技術盛會上，是德科技現場也展示了一個黑科技平臺——雷達場景模擬器，可以達到目標信號的實時仿真。該仿真器最小探測距離可達到1.5米，能包攬道路上難以仿真的一些危險場景，并且也具備針對多個目標同時反射的特性等。
