韩国一区二区视频,黄色不卡一区,久久天堂av综合合色,中文字幕日韩专区

11月10日-12日，由中國汽車工業協會和武漢市人民政府共同主辦的“2023中國汽車供應鏈大會暨第二屆中國新能源智能網聯汽車生態大會”在武漢經開區舉辦。本屆供應鏈大會以“踔厲奮發，攻堅克難——打造安全、韌性、綠色汽車供應鏈”為主題，設置了“1場戰略峰會、1場大會論壇、9場主題論壇”共11場會議，圍繞供應鏈安全與布局、新型汽車供應鏈打造、傳統供應鏈升級、全球化發展等熱點話題進行深入交流與探討，尋找構建世界一流汽車供應鏈的對策、方法和路徑。其中，在11月11日下午舉辦的“主題論壇三：智能網聯——跨界協作、軟硬融合,構建智能網聯汽車產業新生態”上，蘇州智行眾維智能科技有限公司總經理安宏偉發表精彩演講。以下內容為現場發言實錄：

大家好，我是蘇州智行眾維的安宏偉，很高興今天能夠有機會來和各位專家、各位嘉賓作主題分享。今天這個介紹分為三個部分，一軟件定義汽車SDV介紹，二仿真測試工具鏈體系構建，三行業應用實踐。

首先給大家簡要介紹一下軟件定義汽車，我們說什么是軟件定義汽車，就是在新的發展時代下，以軟件開發和新的電子電氣架構為主導的開發趨勢，軟件定義汽車的話，會帶來我們整個價值鏈，整個技術方法路線上整個的重構和技術的分配，這既是巨大的挑戰，同時也是很好的機遇。在軟件定義汽車時代我們說是要有相應的開發平臺，剛才東軟睿馳的專家已經介紹過了東軟相應的解決方案。我們說既要有一個完整的開發平臺，有一個標準的開發平臺支撐我們在軟件定義汽車這個大背景下，如何完成快速敏捷的開發和快速的迭代，同時這個過程中尤其是在智能化、電動化的新時代下，也會帶來很多新的挑戰，比如說我們以最基礎的這個軟件代碼，它的行數，它的代碼數量來說，在十年前我們可能一個汽車整個代碼行數是千萬級的，甚至更低，但是到現在這個已經是過億了，而且在未來若干年的時間內，這個還會有一個量級的發展。在這個過程中，軟件質量本身的問題，以及軟件設計上所存在的不足或缺陷，可能帶來大量的安全隱患，直接的體現可能是安全事故，或者召回。這里面就是我們從國內到國外這些年來一直以來，這樣的問題都是持續不斷的。

這個過程中我們說解決的手段就是要完善圍繞軟件本身，圍繞軟件開發我們整個測試手段要不斷地完善和提升，但是在新能源和電動化這個趨勢下，我們說整個技術方法，在這些技術路線上，其實是需要一些創新和突破的，這個事情雖然是有挑戰，也如一開始所說，對行業來說也是巨大的商機，比如根據麥肯錫相關的包裹統計，在20的時候圍繞軟件相關的測試市場體量已經達到了百億美元，而且后續每年有10%的復合增長，持續的發展，其實從我們行業實踐的剛才當中來講，圍繞軟件相關的測試的增長率，從我們看到行業的需求，可能還遠不止這些，。

下面就是我給大家分享一下智行眾維在軟件定義汽車大的背景，在這個新時代下我們所做的一些探索，圍繞軟件相關的測試和質量的確認，我們要面臨著從軟件代碼到單元，單元到系統，系統到整車，一系列這樣的從局部到整體的測試、確認和認證，而且我們面臨功能安全、信息安全還有預期功能安全，一系列復合測試場景的需要，針對這樣的情況我們從兩個層面開展軟件相關測試的研究，第一層面我們是從軟件的本身，從代碼和軟件的質量角度，我們也可以說是從它的基礎層開展相應的測試，工具鏈體系的研究，這里面要覆蓋一系列從靜態代碼到動態代碼檢查，然后到模型測試，然后到故障注入模擬，到過橋模糊測試，還有一系列的工具，這塊我們是希望通過一系列的工具鏈提升我們整個測試驗證的效率，提升我們的生產率。

這里就是整個工具的自動化程度，包括工具本身的能力水平還是非常重要的，我們說以傳統的代碼和檢測為例，一個工程師一個月在適當工具鏈的支持下，大概能完成7000行左右代碼的檢查，但是按照我們現在以億為單位的代碼量級來說，這塊所需要的效率，對于我們生產力的提升或者是限制，這是至關重要的。我們說在智能化的時代，我們所面臨的軟件從軟件自身到軟件功能相關的測試，我們只針對代碼，只針對軟件本身做測試，其實是不夠的，對于智能駕駛或者智能駕駛的汽車而言，我們要復現在智能駕駛交通環境下，可能會遇到的各種交通情況。這里要覆蓋或要驗證，要測試的場景是千千萬萬的，甚至可能看起來是無盡的，這和傳統的汽車開發，或者和傳統的電子電氣開發，以測試用例為代表，以控制器半實物仿真測試為代表的，以百和千為單位的測試場景相比，我們要測試，要覆蓋整個場景，從數量上有到千萬，到億很多數量級的躍升，在這個大的環境下，我們需要構建一套科學有效的，能夠面向場景的一個仿真測試驗證體系，能夠幫助我們以場景數據為驅動，實現連續仿真測試的過程，覆蓋我們整個產品開發，從模型到代碼，到軟件，到控制器，甚至到實車，以至于到未來我們上路實際運營之后，軟件整個在OTA之前所需要覆蓋的一些關鍵場景、危險場景和復合測試，和它的質量確認。

這種情況下我們需要構建一個閉環，基于場景的測試體系，這個測試體系我們和傳統的以半實物仿真為代表的體系相比，有巨大的變化，或者有技術上的創新和補足。

這里有四個典型的例子，第一個我們剛才提到我們所要面臨的測試用例，不再是百和先的量級，而是面向智能駕駛，隨著我們現在圍繞整個AI的研發部署，包括未來我們說大模型具備上車的可能，大算力、大模型要支持整個AI的部署和研發，我們同樣還需要大數據，那么這個大數據的話我們不止在訓練這里需要，我們在測試驗證，在整個質量檢查的過程中也需要有一個海量的場景，我們需要有一套科學的體系，用盡可控有效的手段，結合生成式AI的技術，完成整個海量場景庫的構建。第二個也是源于我們要面臨的測試用例也好，或者場景也好，它的數量實在太多，咱們傳統的基于單車，基于線下不管在實驗室，還是臺架上，還是道路上測試的效率，都滿足不了咱們對場景覆蓋的需要，在這個大的背景下，我們要開發一個基于云端算力的，百千萬更多的測量在虛擬環境下，在數字孿生環境下進行并行測試的手段。這里稱之為云算力的海量仿真，這個平臺下可以實現以最高的加速能力，完成這種海量場景的覆蓋和篩選，從中選擇出可能存在事故風險，存在隱患的這些邊緣場景，或者長尾工況。而且對于L3和L4這種高級自動駕駛還有一個特點，同樣一個危險場景，對于不同的車輛，不同的算法它的危險程度是不一樣的，并且和天氣因素和道路上的摩擦系數和方方面面的指標參數都有影響，這些參數我們以一個平行參數的形式排列組合的時候，同一個基礎場景也會衍生出海量的變形，這種情況下我們不止在算法的訓練端，對算力的需求是海量的，我們從測試，從驗證的角度，也同樣需要海量算力的支撐。

第三個在整個新的電子電氣架構下，從域控往中間計算平臺下發展，無論如何我們現在都是基于高算力，基于大算力的AI芯片做相關開發，這里跟我們傳統做電子電氣，做半實物的仿真相比，在方法上和整個測試環節上也有一些變化，以前我們針對更多的只是控制器和控制器單元進行檢測，現在針對處理器，也提出了處理器在環的仿真測試手段，把我們的研發和驗證往前探，從實車到控制器硬件，到處理器芯片到軟件，相當于是一個逆向的驗證過程，最后一個環節也是在我們仿真測試或道路測試的中間，我們在傳統汽車的開發和智能車的開發之間，一直是有一個缺失的環節，我們稱之為實車在環。這里所說的所有的在環都是閉環測試，我們在針對傳統電子電氣控制器開發測試的時候，我們其實在控制器的測試驗證之后，就是在道路上實車測試，但是針對自動駕駛而言，我們說控制器的測試，因為只有控制器是真實的，那么其他的車輛電子電氣、制動轉向、總線所有的這些都是虛擬的，在這個情況下，很多危險場景我們是無法做出有效的評判，那么我們在這里增加了實車在環的手段，通過實車在虛擬仿真的環境下，參與整個測評，把車輛相關的這些不確定因素降到最低。這種情況下我們可以最高限度地去逼近車輛在真實道路上測試所能遇到的各種情況，但是因為車輛本身去掉了它包括動力學，包括它的總線，包括所有這些的影響，能夠達到最高限度和實際道路的擬合。而且由于在實驗室復現這些場景，所以我們在道路上可能會發生的這些碰撞，這些極限場景，這些危險工況，我們并不會真正發生事故。所以這里我們也說在軟件定義汽車，在整個智能化時代下，實車在環，實車閉環這個測試，是補足了我們從實驗室，從虛擬仿真到道路測試上所缺失的最后一個環節。

我們說緊急場景的測試是在功能層和應用層開展相關的工作，而面向軟件、面向代碼本身的在技術層的測試，我們可以確認軟件本身的質量，但是這兩點在以往始終是兩條平行線，但是在現在軟件定義汽車大的時代下，我們也在探索，如何把針對基礎層的測試和面向場景基于場景的這個仿真測試，把它兩個各個融合在一起，這個其實和我們今天大會的跨界融合，軟硬融合也是相契合的。我們通過把功能層和基礎層的測試手段，打破它們之間的壁壘，融合在一起，我們也可以把傳統的故障注入模擬和資源調用檢查，和我們面向場景的測試結合在一起，后面我們會有一個很有趣的實際例子，給大家介紹一下突破壁壘、跨界融合的必要性。

第三部分給大家介紹一下，基于我們前面所做的探索，在行業里所開展實踐的工作，第一個案例這個基于ISO26262，基于功能安全開發，針對智能化、電動化汽車不同的控制器，所開展的一系列測試的實踐，這個也是大家最熟悉的環節，我們針對新能源汽車三電，針對ADAS不同的控制器，在國內和不同的主機廠，包括國家檢測中心，這么多年來有很多具體的合作，和面向這些控制器的功能安全測試相比，因為我們說更有挑戰性的是什么呢，面向自動駕駛不確定性的場景測試，包括我們說的現在預期功能安全測試。

如何實現這個目標，那么這里就是我們說的面向智軟件定義汽車這是一個以場景、數據驅動的一個連續的仿真測試，這里核心的支點是需要構建一個海量的仿真場景數據庫，這個方面我們在過去的幾年里和行業內的合作伙伴，包括和各個主機廠，包括和咱們協會也開展了很多的合作。目前為止我們構建了大概有超過2萬組，在仿真環境下實際可用可以用于測試驗證的場景數據，覆蓋了包括預期功能安全，包括智能駕駛，包括V2X一系列不同的應用。

這個場景庫我們給它起了一個名字叫“水木靈境”，這個場景庫的底座是數字孿生以及AI，后續也將引入AIGC，基于生成式人工智能的技術，這里我們要解決整個仿真場景庫數據構建的時候，最核心的問題是數據來自于哪兒。傳統的數據構建體系，數據來自于邏輯、來自于法規、來自于我們在道路上車輛的采集，這里還是很感謝我們和天翼交通，還有和各地地方政府，包括和協會還有信通院的合作，我們從去年到今年做出了一個新的突破，我們可以把各個地方政府所建設的這些智能網聯測試示范區，路測設備所采集的數據，通過時空的同步，通過相應的開發，用于我們說的自動駕駛算法的訓練、測試和驗證。

在這個新的體系加持下，從去年到今年我們也是完成了車路協同，路車設備所構建仿真場景，從質到量的飛躍，完成了整個技術閉環和商業閉環，后續我們也是和蘇州，和上海國際汽車城，包括未來和武漢經開區各個示范區合作，也會拓展更廣泛的數據來源，這些數據最終將會服務于我們軟件定義汽車，服務于整個智能駕駛的安全驗證。

第二個實踐的案例，這個是我們構建了一個基于云算力的海量仿真SaaS平臺，云仿真這個事情大家到現在已經不再陌生了，但是這里就是關鍵，我們是說怎么去完成由單機到上云，由單車到多車并行這樣一個開發部署和實踐，這里有一個具體的案例是什么呢，我們在蘇州，支持蘇州政府開展圍繞高級別自動駕駛車輛，在上道路測試和示范應用之前，我們基于仿真測試的手段，來完成了一個安全性的確認，我們說在傳統騎車人開車的時候，車是車，人是人，駕駛員是需要考駕照的，我們現在對于自動駕駛，尤其是高級別的自動駕駛實際上是一個人車合一的過程，這個時候我們的智能化汽車，如何去考駕照，這個其實從國家到各個地方政府，到安全監管都將面臨的共同問題，在蘇州這邊我們是相當于構建了一個服務于這樣的人工智能駕駛員這樣的駕考體系，通過仿真場景測評體系，云端的算力服務于整個安全監管，往上我們可以通過構建一個更大的駕考的場景庫，實現類似于人類開車的時候，這個駕校的職能，往下游通過這種量化的評價，量化的這種測試，可以服務于它的監管，甚至包括保險的理賠和定責。

下一個我們應用的實踐就是圍繞我們所構建的從芯片處理器，到控制器、硬件在環，到實車在環這樣的體系，在行業里的一些實踐，這里要跟大家分享的一個是，我們在實車在環上今年也取得了新的突破，因為我們原來圍繞單車在實驗室內我們采用了一種稱之為高級整車在環VAQ的技術，這個在一汽、上汽，包括幾大國檢中心已經在服務于整個產業安全性的驗證。我們在今年通過這種協同式并行式仿真的共建，可以把位于不同實驗室、不同城市，甚至未來不同國家車輛在環的仿真平臺，在相同的場景下形成協同仿真，這樣協同式的高精準的在環仿真平臺，可以用于在最真實的情況下，對我們相同的算法、不同的算法，人及共駕的算法都耦合的情況下實現對抗測試。并且進一步地我們可以把信息安全，把V2X相關的這些模擬，相關的內容注入和我們這種對抗車企容威

這個也是我們說不管從算法驗證，從軟件測試，從研發，從預期功能安全的角度，包括我們前面說的服務于人工智能駕駛員，駕考的無人車駕校都可以發揮很關鍵的作用。

第五個就是我們前面提到的，我們在嘗試把基于面向軟件代碼，軟件本身基礎層測試的工作和我們面向場景，基于場景的測試融合在一起我們在半實物仿真，或者車輛在環的場景下，我們可以把控制器內面向代碼的這些故障注入模擬，甚至是包括資源占用，我們說做這類測試的時候，我們是只在控制器上，在HIL上做是不夠的，很多時候還是需要試車，在道路上檢驗，在軟件上，和在實車上是不一樣的，很多故障，很多隱患，和一些Bug，實車下是最終評價的準則，但是如果實車在道路上行駛的時候，在控制器里修改一些代碼，注入一些故障，這個對整個交通和測試是非常危險的，因為我們通過在半實物仿真臺架上，在HIL，在車輛在環實驗室里做這種故障注入的模擬，既能保證測試的有效性、真實性、覆蓋性，同時不會發生真正的安全事故，這樣可以幫助我們，讓我們的安全測試更加安全。

以上是今天和大家要分享的內容，最后簡單介紹一下我們公司的情況，IAE智行眾維還是圍繞智能駕駛和自動駕駛仿真測試驗證，在于構建一個剛才提到的IAE X-in-Loop閉環的仿真測試體系，以及服務于這個仿真測試體系所需要的一個海量場景數據庫，也是通過這樣的技術閉環和數據閉環體系，讓我們服務于現在智能化時代下，軟件定義汽車大的行業生態，大的背景，后續希望跟大家有更多的分享，有更多的互動和交流，謝謝大家！

（注：本文根據現場速記整理，未經演講嘉賓審閱）