或许，只有从自动驾驶初创公司“脱身”的人，才明白，“在自动驾驶领域，尤其是在应用更加垂直的领域，没有人能在短时间内赚钱。”
Qasar Younis和Peter Ludwig都是Alphabet Inc.（Waymo母公司）的前员工，他们于2017年创建了名为Applied Intuition Inc.的仿真测试软件公司，面向主机厂、自动驾驶公司销售软件开发工具，支持辅助驾驶及自动驾驶虚拟仿真测试，并识别代码中的缺陷。
最近，该公司又拿到了1.75亿美元的新一轮融资，累计融资金额超过3.5亿美元，通用汽车、戴姆勒、丰田、大众等等汽车行业巨头都是这家公司的客户。
同时，在完成本轮融资后，该公司的董事会成员又迎来了多位重量级人物，包括通用汽车前董事长兼首席执行官Rick Wagoner和戴姆勒前董事长Dieter Zetsche。
“自动驾驶赛道，既是一个充满泡沫的市场，同时也是一个竞争激烈的战场。”而在Qasar Younis看来，不管是在传统汽车行业，还是新兴的自动驾驶行业，软件工具都是必需品。
一、软件工具供应商角色，在于解决自动驾驶行业面临的复杂工程问题。目前，Applied Intuition的核心仿真产品Simian、Spectral和Orbis已经被应用于汽车和其他行业的全堆栈软件测试和开发。
在Qasar Younis看来，自动驾驶要实现真正意义上的量产部署，就必须解决几乎无限数量的潜在边缘案例做好应对，我们的目标是帮助工程团队实现功能安全目标，并基于真实世界的数据驱动提供高质量算法开发测试。
目前，在全球范围内，类似Applied Intuition的公司不在少数，比如，Cognata、Unity、51 WORLD（与均胜智能研究院合作提供虚拟仿真测试数据服务）等；同时，类似英伟达这样的芯片巨头也有自己仿真测试工具（NVIDIA DRIVE Sim）。
一直以来，在开发工具方面，主机厂以及自动驾驶初创公司都面临着自主构建还是从第三方购买的两难选择。内部解决方案具有针对特定业务挑战的优势，但需要投入大量时间和资源进行开发和维护。
同时，采购外部第三方工具，工程团队会面临购买成本的权衡问题。不过，这也允许工程团队快速构建仿真测试能力，提高资源利用率，并最大可能缩短项目的开发周期。
在Qasar Younis看来，对于主机厂、Tier1、自动驾驶公司来说，他们的竞争优势在于算法，而不是实现开发过程的工具。事实上，第三方工具可以帮助加快ADAS以及AD方案的上市时间和开发周期。
电脑众所周知，一个完整的集成各种功能的工具平台，需要一个大型的、专门的团队进行全生命周期的维护。这对于内部自研方式来说，可能会花费开发团队更长的时间，包括从头开始设计、构建、测试和集成。
“最重要的是，内部工具的开发和维护经常有被边缘化的风险；相对来说，只有能产生收入的产品、持续从更多的客户那里收集反馈并迭代升级才是真正的商业逻辑。”Qasar Younis认为，持续的资源投入、专业知识对于保障工具的质量至关重要，更关键的是，专业人才非常稀少。
即便是一些特定功能需求，反应速度也是关键。比如，Applied Intuition公司以根据特定的客户需求定制功能。此前，该公司在短短几周内交付了Simian智能换道测试模块。
相反，这种灵活性在自研模式下，需要时间和成本的权衡。现成的、高质量的第三方工具通常可以提供快速定制服务，同时可以提供支持不同工作流的插件等解决方案。
不过，对于这些公司来说，另一种选择是开源工具。
好处大家都知道，开源允许自动驾驶开发团队快速迭代，可以直接使用和修改项目的源代码来满足自身的特定需求。而Qasar Younis认为，商业软件供应商直接与不同的客户打交道，能够更好地理解特定于行业的问题，并构建可靠的产品特性。
这其中，典型的案例就是，工具本身的安全验证。目前，确保系统从开发流程、工具到量产都符合ISO 26262、SOTIF等安全标准是关键一步。在这方面，开源工具难度极大。
以Applied 电脑 Inuition为例，今年该公司的仿真模拟工具Simian通过了ISO 26262认证，意味着允许量产交付的开发团队可以创建场景，并运行确定性和可重复的虚拟测试，允许创建相同场景的数百种变体，并增加长尾事件的覆盖范围。
同时，Simian也已经通过了TCL Tool Confidence Level 3认证，并获得了汽车安全完整性级别(ASIL) D安全关键自动驾驶系统的开发资格。这意味着，Simian可以支持量产算法开发，并验证堆栈中的更改。
目前，TCL 3是ISO 26262标准中三个置信度级别中最高的，是工程师用来检测ADAS或AD系统中与安全相关错误的工具所需要通过的等级。
这意味着，仿真测试工具的市场门槛正在逐步形成。
二、目前，模拟平台主要分为两种，第一种是基于合成数据对环境、感知以及车辆进行模拟，这种模拟器主要用于控制与规划算法的开发；第二种是基于真实数据的回放以测试自动驾驶系统不同部件的功能及性能。
随着ADAS和自动驾驶系统的成熟，需要进行更多的实际道路测试，以验证车辆及系统能否安全地处理在其操作设计领域(ODD)可能发生的大量事件。
开环日志回放提供了回放记录驱动器数据的能力，以发现问题，分析发生了什么，并评估改进。工程师通过将堆栈输出与人工标记的地面真值进行比较来评估性能。
同时，工程师在进行进一步的道路测试之前，对定位和感知系统进行改进；可以通过使用更新的软件堆栈版本重新运行事件来测试改进措施。
不过，在Qasar Younis看来，这种方法仅限于评估定位和感知堆栈性能。由于开环日志回放无法响应不同的堆栈行为，因此也无法评估如果安全驾驶员没有干预，运动规划和控制系统的行为。
电脑
而相应的闭环日志重放（也被称为Re-simulation），则规避了开环日志重放的限制，允许开发团队重新创建一个新日志，基于真实世界的驾驶场景，并使用模拟仿真进行测试验证。
比如，通过对记录的事件运行运动规划和控制堆栈，确定应该发生什么，以避免必要的脱离。使用再模拟的结果来确定问题的根本原因并开发相应的解决方案。修复后，使用改进的堆栈重新运行模拟，以确认问题得到了解决。
同时，这种方式还可以实现基于同一场景的不同变体可能发生的情况，以评估整个堆栈的性能并增加长尾事件的覆盖率。
工程师可以添加或删除角色（例如，行人），修改物体行为（例如，增加车辆的速度），场景的改变其他参数（比如，模拟下雨场景），甚至是注入软件或硬件故障，添加传感器噪声。
而对于Applied Intuition公司来说，开环日志回放和闭环重仿真是综合评价系统性能的两个必要手段。开环日志回放评估定位和感知堆栈性能，闭环重仿真能够区分必要和不必要的脱离，并解决运动规划和控制堆栈中的根本问题。
所有的这些工作就是为了加速系统开发。
比如，采埃孚选择和Cognata合作，打造了一套新的基于可扩展数据的开发平台（ADAS. AI），帮助汽车制造商加快为乘用车和商用车开发高级驾驶员辅助系统，同时可以应用于采埃孚以及其他一级供应商开发的ADAS系统。
这个平台有两大特点，一是基于超高分辨率、多传感器同步数据集，通过在全球范围内验证L2+ ADAS系统所需的所有场景和里程收集数据；二是与Cognata公司共同开发的AI技术，把超高分辨率的数据集转换成传感器输入。
在采埃孚看来，这套平台工具可以减少20%的时间和开发成本，包括大幅减少测试司机，也不需要数百万美元的投资来进行额外的物理验证。
电脑