自动驾驶商业化大考，通用型技术平台成破局之道？( 二 ) 经历了两年“冷静期”

云架构平台层面， WeRideOne提供了仿真、远程控制、分析、云端开发等工具平台，甚至还涵盖了文远知行自研的自动驾驶专用操作系统。以仿真工具为例， WeRideOne所提供的仿真平台已涵盖超过23万个仿真场景，训练效率是现实测试的200倍。
目前文远知行旗下的自动驾驶出租车、无人驾驶小巴、自动驾驶同城货运和无人驾驶环卫车等多种车型，可以说都“诞生”自同一技术平台，标准化的架构、软件和硬件，不仅增加了自动驾驶系统的稳定性，同时极大降低了文远知行的研发成本。

文章图片
在行业最关心的安全性上， WeRideOne无论是在软件还是硬件层面，全部引入文远知行长期以来坚持的冗余设计，冗余系统覆盖了传感器、计算单元、通信网络、电源单元以及线控系统。
与此同时，为了应对复杂多变的交通和道路状况， WeRideOne还提供远程平台为自动驾驶车辆提供额外协助，为自动驾驶的实际落地提供多一重的安全防线。
值得一提的是， WeRideOne也是一个懂得自我迭代升级的技术平台。
自动驾驶的数据收集就像一位老司机不断积累驾驶经验。因此，没有车辆实际运行中产生的各类数据，研发人员很难对自动驾驶系统实际运行中产生的故障进行诊断，也很难对系统进行优化和升级。
WeRideOne采用了文远知行自研的深度学习模型，该模型能够根据车队收集的各个场景的不同数据持续进行自我完善，让出租车、小巴、货运车、环卫车等不同场景所反馈的数据实现打通，共同为文远知行的自研算法和底层基础设施所用。
事实上，文远知行已经积累了超过1200万公里的自动驾驶里程，随着自动驾驶里程数的不断增加，通过WeRideOne的自我升级，文远知行的自动驾驶车将无需依赖过多人工调教，也同样会表现得越来越好。文远知行的各类自动驾驶业务，在新的城市和区域落地过程，也变得越来越快。
多场景复用推动自动驾驶商业化落地文远知行WeRideOne的出现，让我们看到了通用技术平台对于加速自动驾驶多场景落地与规模化复用的可能性以及商业价值。
近年来，我国对自动驾驶的研发逐渐由浅入深，诸多细分场景也逐渐展开了商业化探索。
但我国的情况十分特殊，不仅幅员辽阔，人口分布也极不均衡，东南部43%的国土面积居住了94%左右的人口，而另外的57%的国土面积却只住了6%的人口。
也正因此，中国市场的道路之复杂，场景之多样，远非国外可比。各个场景对自动驾驶技术的要求又不尽相同。
举例来说，自动驾驶出租车和自动驾驶货运车要在城区运行，没有固定的运行路线，对速度与时效性具有一定的要求。而无人小巴和无人驾驶环卫车的路线则比较固定，速度偏低。环卫车则在凌晨开展作业，在运营时间上比较特殊。

文章图片
如果这些场景分别研发各自的自动驾驶系统，要投入的研发资金可能不计其数，在数据积累方面也不能做到互通有无，不仅研发压力大，对系统迭代也不能起到互助的作用。
因此，打造出一个安全、稳定、可靠的自动驾驶系统，能够在多个场景的不同车型上复用，实现商业化运营和销售，成为了行业内众多公司的共同面临的问题。通用型平台的出现也就顺理成章。
但要实现这个平台的开发与应用，并不是一件容易的事。