现在，基于人工智能（Artificial Intelligence, AI）的高级驾驶辅助系统（ADAS）和自动驾驶汽车（Autonomous Vehicle, AV）系统已经大量涌现，数据驱动的工程、测试和验证技术有了很大的进步，全球各国都在制定自动驾驶汽车系统的安全规范。随着技术的进步，产品设计变得越来越复杂，尤其是针对汽车工程协会（SAE) L3级别以上的汽车，其具有更高的自主性。
为了实现这一目标，汽车制造商正在车内装备实时的V2X服务、高清地图以及高性能的传感器，如摄像头、激光雷达（LiDAR）和毫米波雷达。通过复杂的数字技术和通信技术，它们将感知结果进行融合。
除此之外，汽车主机厂已经引入了自动驾驶汽车域控制器，整合了处理过程，这种进步使得证明和记录人工智能系统代表司机做决定的可预测性、合理性和完整性的决策过程更具挑战性。
这也导致汽车主机厂将面临的最大挑战之一：传统的传感器和软件工程已经非常复杂，但现在管理验证人工智能系统所需的海量数据也非常复杂。下一代自动驾驶汽车平台每天可以轻松产生高达200TB的数据。在一周内，它们可以产生一个PB级的数据。汽车工程协会L3自动驾驶所需的数据量很容易达到200至300PB。这比谷歌地图数据库的预计规模多出五到七倍，据估计，整个谷歌地球地图储存数据约为43PB。2
为了安全地验证自动驾驶汽车功能，需要大量的测试场景和超过1亿公里的试驾。这需要大量的驾驶、测试、验证，以及一个融合了虚拟仿真、数据挖掘和人工智能的深度设计的端到端流程。
今天，测试是在路上、在测试台和在数据中心进行的。通常，验证生态系统包括代码审查、单元和组件测试、模型在环（MiL）、软件在环（SiL）、硬件在环（HiL）、车辆在环（ViL）或更普遍的X在环（XiL），这些都需要一致的可追溯性。为了确保灵活性、可扩展性和成本效益，一个混合（多）云基础设施和数据协调是关键的成功因素。
在整个工程研发过程中，不同的参与者倾向于使用不同的方法论，如V模型、瀑布或敏捷开发，并使用不同的衡量标准。汽车研发（R&D）工程师以系统工程级别和功能要求的方式思考。IT工程师以迭代的方式解决问题，通常使用更多的数据、更大的带宽和增强的计算能力，如更多的中央处理器（CPU）、内存或图形处理器（GPU）。
由于开发和验证阶段是相互关联的，多学科的研发和IT DevOps团队需要开发一种共同的语言，并让拥有开发和验证经验积累的高技能人员参与进来，他们可以在这两个领域安全操作，以弥合差距。
随着越来越多的人工智能和机器学习系统进入市场，特别是进入到自动驾驶汽车领域后，要证明这些系统的可预测性、可靠性、合理性和正确性就变得更加困难。这就要求有一个数据驱动的自动驾驶汽车验证和确认过程。
“自动驾驶汽车是一个充满挑战和机遇的领域。随着技术和社会的不断进步，自动驾驶汽车的发展前景仍然十分广阔。无论是政府、企业还是个人，都需要以开放、包容的态度，积极探索、推动和参与自动驾驶汽车领域的发展。 凯捷科技研发作为全球工程研发 (ER&D) 服务的企业合作伙伴，在汽车行业拥有丰厚的智能驾驶领域的研发经验。我们希望能够与更多的合作伙伴共同加速相关技术以及产品的落地，为打造新一代智能、互联、绿色环保的新形态出行方式而努力！”
刘洋，凯捷科技研发智能驾驶解决方案负责人
关于凯捷集团
凯捷（Capgemini）是全球领先的企业合作伙伴，利用技术的力量改造和管理企业业务。其宗旨是通过技术释放人类能量，创造一个包容和可持续的未来。凯捷是一个负责任的多元化组织，集团总部位于法国巴黎，在近50个国家拥有近35万名团队成员。
凭借其56年的悠久历史和深厚的行业专业知识，在快速发展的云、数据、人工智能、互联连接、软件、数字工程和平台的创新世界推动下，凯捷深受客户信任，能够满足客户从战略、设计到运营的全方位业务需求。集团2022年全球收入为220亿欧元。
Get The Future You Want | www.capgemini.com