芝能科技出品

在汽车行业的尖端，智能驾驶技术的快速发展正推动着对海量数据和高效测试方法的需求。随着智能驾驶辅助系统相关工作的日益复杂，传统的物理测试方式正面临着成本高昂、耗时长以及资源密集的挑战。

然而，借助于先进的虚拟化技术，汽车行业正迎来一场革命性的转型，旨在大幅提高效率并降低成本。

01

数据之重：现实与合成

现实世界的数据收集是一个既昂贵又低效的过程。据统计，所收集的真实数据中，仅有不到1%能够被有效利用于训练深度神经网络（DNN）模型。这一过程包括繁琐的数据注入、存储、过滤、以及手动逐帧标注，每一步都消耗大量时间和金钱。

相比之下，合成数据的生成不仅成本效益高，而且能够提供像素级精确的标注，支持无限的使用场景和高度多样的数据类型，为算法训练提供了理想的解决方案。

Cognata公司开发了一种独特的传感器模拟技术，能够精确地模仿行业中的多种传感器，包括高清摄像头、LiDAR、雷达、热成像相机等。其核心在于一个经过制造商认证的传感器目录，确保模拟结果的可靠性和行业标准的合规性。

通过这种虚拟化手段，原本需要数百万美元和长时间实地驾驶才能完成的物理传感器评估，现在可以转变为自动化过程，显著减少了数据收集和存储需求，同时将传感器数据收集流程的时间缩短75%。

02

ADPH：云端传感器

ADPH，即Automated Driving Perception Hub，是一个基于云的传感器评估与选择平台，它替代了传统OEM/Tier1传感器数据收集流程。该平台不仅能够自动创建数据，还通过最小化对物理测试的依赖，使得整个过程从几个月缩短至几周，极大提高了效率。

此外，ADPH作为筛选工具，帮助选择最适合进行实际道路评估的传感器，进一步推进了“左移”策略，即在更早阶段将传感器评估过程从物理世界迁移到虚拟环境中。

微软与AMD及Cognata的合作进一步强化了这一变革。通过ROCm（Radeon Open Compute）技术在下一代Azure虚拟机上的启用，特别是针对AMD Radeon PRO V620 GPU和EPYC处理器的优化，为图形密集型和计算密集型工作负载提供了强大支持。

这些优化措施包括为Cognata的SimCloud和SimRendering开发的OpenGL和PyTorch Docker镜像，确保了在模拟环境中的高效运行。

结合Azure服务，如Azure Event Grid、Express MQTT订阅和Azure Data Box，这一统一的云解决方案为自动驾驶汽车的开发提供了一个全面、高效的环境，从数据管道到系统集成，再到后期的OTA支持，一应俱全。

小结

随着云端技术与高级虚拟化手段的融合，汽车计算的未来正在经历一场深刻变革。通过减少对物理测试的依赖，加速传感器的评估与选择，以及优化数据管理与处理流程，汽车行业正朝着更快、更经济、更灵活的开发模式迈进，为实现安全可靠的自动驾驶铺平了道路。