汽车怎么利用云计算（云计算如何帮助汽车行业实现）

汽车怎么利用云计算（云计算如何帮助汽车行业实现）用不了几年，我们可以看见，软件会使得车企之间的差距越来越大，在大致相同的汽车硬件上，软件会慢慢变成顾客是否购买车辆的第一要素。以前的传统主机厂，只需要保障硬件的竞争力，即便很多一级供应商都拥有着不菲的话语权，但是摊到整车上，还是传统主机厂是BOSS。而未来的汽车软件是如此重要，比如自动驾驶软件，很有可能就掌握在那几家公司里面，而软件的成本在未来也会达到整车的40%以上，形成车辆售卖的第一竞争力。而这第一竞争力放在了供应商那里，可以说成败都交给了别人。主机厂如果在未来，没有自己的软件研发团队，可想而知会被动到什么地步。但是OTA的软件更新没有出来之前，汽车的功能、智能化就是维持在出厂状态，几年都不会有所改变，如果想要享受新的功能，智能化，基本都是得等几年后的改款。而现在的智能汽车OTA，基本每隔几个月，就会让用户体验到新的功能，提升驾乘的感受或者提升安全性。后面的发展更会是按照用户的体验功能

首先说一下什么叫软件定义汽车：

如同手机由原本的功能机变成现在的智能机。诺基亚的黯然落幕是因为其硬件不好吗？当然不是。只是智能手机不再是纯粹靠硬件，而是靠软件，才有着强大的竞争力。

如同苹果一般，为什么那么多人用苹果，除了硬件的原因，IOS软件生态的原因也占据了相当一部分。

再看传统汽车，如果迭代快的基本是3年小改款，5年大换代。

但是OTA的软件更新没有出来之前，汽车的功能、智能化就是维持在出厂状态，几年都不会有所改变，如果想要享受新的功能，智能化，基本都是得等几年后的改款。

而现在的智能汽车OTA，基本每隔几个月，就会让用户体验到新的功能，提升驾乘的感受或者提升安全性。后面的发展更会是按照用户的体验功能，进行特制软件的定义，从而让用户享受到更适合自己的智能汽车。

软件定义汽车，不仅仅是一个口号，而是未来的发展趋势，所以现在也是传统主机厂面临的一个新关口。

以前的传统主机厂，只需要保障硬件的竞争力，即便很多一级供应商都拥有着不菲的话语权，但是摊到整车上，还是传统主机厂是BOSS。而未来的汽车软件是如此重要，比如自动驾驶软件，很有可能就掌握在那几家公司里面，而软件的成本在未来也会达到整车的40%以上，形成车辆售卖的第一竞争力。而这第一竞争力放在了供应商那里，可以说成败都交给了别人。主机厂如果在未来，没有自己的软件研发团队，可想而知会被动到什么地步。

用不了几年，我们可以看见，软件会使得车企之间的差距越来越大，在大致相同的汽车硬件上，软件会慢慢变成顾客是否购买车辆的第一要素。

当然，这里的软件不仅仅包括我们顾客使用的智能座舱，人机交互，也包括其他的方方面面，比如说如何让自动驾驶更加安全。

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 需要至少经过110亿英里（176亿公里）的测试。

可想而知，如果要真的上路测试这么久的距离，哪怕是1000台车，每天跑500公里，也得跑差不多100年……

没有哪个企业可以负担得起这样的路测，所以必须要用自动驾驶的软件仿真平台，才能让自动驾驶成为可能。

和传统的汽车路试不同，为了保障自动驾驶车辆的安全、有效、可持续性，必须要进行反复的测试和复现，其中就包括现实中无法安全进行测试的模式，比如极端天气、传感器故障、道路部分损毁的情况。

而这些，用软件搭建自动驾驶的仿真平台，就可以在一定程度上代替真实路测，加快自动驾驶的测试速度。

自动驾驶仿真测试有传感器仿真、车辆动力学仿真、高级图形处理、交通流仿真、数字仿真、道路建模。通过以上技术模拟路测环境，搭建相对真实的驾驶场景。

仿真平台包括仿真层和硬件层两大模块。

仿真层包括仿真车辆模型设计，仿真传感器模拟、虚拟交通场景构建。

硬件控制层与仿真层相连接，构成闭环测试系统。

仿真传感器信息以及车身状态由仿真层输入，相关计算后输出结果，硬件控制单元生成相应的控制指令，如制动、转弯、加速等，再传入仿真层对车辆进行相应控制。

中国汽车技术研究中心构建的驾驶场景仿真平台架构

大多数研发自动驾驶技术的企业都搭建了自己的仿真平台。

比如Waymo Nvidia 百度这些自动驾驶研发在世界前列的公司，都有着自己的仿真平台。

如Waymo的自动驾驶仿真平台Carcraft，包括几个美国城市的完整模型，如奥斯汀、山景城、凤凰城等。在这个虚拟世界里面，有25，000辆虚拟汽车在其中行驶。截止到2020年，这些汽车已经在这个虚拟世界里开了100亿英里的路程，并将其中的宝贵经验反馈给了Waymo在现实中路测的测试车。

英伟达在2017年3月发布了自动驾驶仿真系统Drive Constellation。

系统拥有两个计算平台，第一个计算平台运行 NVIDIA DRIVE Sim 软件，用以模拟如摄像头、激光雷达和雷达等自动驾驶汽车的传感器。DRIVE Sim软件可生成照片级逼真的数据流，以创建大量不同的测试环境。

第二个计算平台则搭载了 NVIDIA DRIVE Pegasus AI 汽车计算平台，可运行完整的自动驾驶汽车软件堆栈，并能够处理如同来自路面行驶汽车上的传感器的模拟数据。

国内的百度的Apollo仿真平台内置高精地图的仿真场景，支持多场景的运行和单算法模块的上传运行，有着智能的场景判别系统和直观的三维展示。

另外这类仿真平台的优势，就是拥有云端的大计算能力，这样就能支持多场景的运行与算法互通，方便客户通过云平台，快速进行自己的智能驾驶仿真测试。

以国内的百度Apollo为例。

以往车企进行软件开发时，通常需要结合车辆硬件来做调试。受制于软硬件的高度耦合，智驾迭代周期比较长，研发效率低下。而Apollo自动驾驶则通过云仿真平台定义研发场景，同时借助DevOps工具链解耦实车软硬件，可以实现日行百万公里的高保真仿真测试，大大提升了自动驾驶算法的研发效率。

而事实上，车云计算也是基本汽车相关的智能领域发展的一个方向，不仅是智能驾驶，智能座舱还是未来汽车的电子电气架构，基本都是先走车身内部集成化，最后集成在云端，来给汽车本身减负的同时又能使其具有高度智能化。