为什么西门子是自动驾驶仿真行业的NO.1?

埃森哲的前CEO皮埃尔(Pierre Nanterme)先生讲过，如果持续地推进数字化转型，就能够把产品的设计复杂性这一挑战，转变成我们企业和产品的竞争优势。在当今的数字时代，我们的工业界，包括汽车业界，每家企业都面临着巨大的数字化转型压力，包括数字化研发、数字化制造、数字化管理，还有数字化服务，我相信这是每个管理者必须面临的转型课题。

西门子在近十年来，已累计投入超过百亿美元，坚持数字化转型，向业界包括汽车界，尤其是汽车自动驾驶行业，提供全方位的数字化解决方案，确保商业伙伴在数字化浪潮中笑到最后、赢到最后。

                                                                                                                                             —— 黄汉知

近十年来，西门子累计投资超百亿美元，通过持续的产品研发以及对全球各领域头部企业的收购，形成了从自动驾驶芯片和原型控制器设计、自动驾驶系统开发、车辆性能设计、电子电器架构设计和软件工程、测试与验证方案、城市智慧交通层面的设备和设计技术，提供了最为完整和领先的自动驾驶开发测试验证的数字化解决方案。 黄汉知先生是西门子数字化工业软件自动驾驶产品线大中华区的总监，他在ADAS和自动驾驶系统的数字化仿真开发和测试、碰撞安全性能的仿真开发和测试等领域具有丰富的工程和市场经验。 黄汉知有近20年从业经验，曾在Delphi、Continental从事汽车驾驶辅助系统和主动安全系统的产品开发和应用；随后带领TASS International中国分公司从事驾驶辅助、自动驾驶系统、汽车碰撞安全性能的仿真开发和测试业务；随着TASS International并入西门子数字化工业软件，他继续向业界合作伙伴提供领先的技术和方案。他还拥有多项智能驾驶相关专利。佐思汽研对黄汉知先生进行了专访。

Q1

PreScan被西门子收购后，主要实现了和哪些西门子仿真工具的打通？PreScan主要增强了哪些功能？

黄汉知：我先简单介绍一下PreScan的历史。PreScan是自动驾驶系统仿真的工具，最早是由荷兰公司TASS International开发和商业化。在中国，PreScan商业化最早从2011年开始，距今已经有10年的历史。2017年TASS International被西门子收购。 PreScan作为全球最为成熟、商业化最早、技术最为领先的自动驾驶数字孪生工具，PreScan和西门子仿真工具的打通有以下几个方面： 第一，2017年西门子也实现了对Mentor的收购，Mentor既是EDA领域的全球巨头，也是软件生命周期管理ALM的数字化工具的领先者，是我们企业在面临软件定义汽车浪潮时，一个重要的数字化工具。 PreScan跟ALM软件生命周期管理工具的打通，直接把系统功能需求和软件需求，通过需求管理工具导出测试的用例，在PreScan仿真测试环境当中进行执行，PreScan测试优化改进的结果，也可以直接对应到软件的版本管理。 第二，车辆动力学的工具，西门子有AMESim系统仿真工具，也是全球最为精细的底盘动力学工具，和PreScan实现了打通。 第三，自动驾驶需要海量的测试工况，西门子也有基于AI的场景创建、搜索、优化工具HEEDS，也和PreScan实现了打通。 第四，西门子有自动驾驶道路数据采集方案—SCAPTOR，可以进行道路数据采集，关键场景提取，模型化，然后导入到PreScan中，实现测试场景库的丰富。 第五，西门子的企业级平台和数据管理工具Teamcenter，在业界是数一数二的企业级数据管理工具，不管刚才说的海量测试用例，还是需求管理，还是软件版本优化，都可以和西门子Teamcenter数据管理平台实现打通。 第六，我们还提供咨询和配套服务。西门子有自动驾驶的封闭测试场，符合标准认证的试验场。服务车企方面，我们协助自动驾驶数字化研发流程的建立。 PreScan增强了哪些功能？这里主要涉及五点：

① 显著改善了场景视觉效果渲染；

② 提升了软件运行实时性，和全球主要实时硬件平台的兼容性；

③ 环境感知、传感器的物理模型，一直是PreScan在自动驾驶领域绝对的优势；

④ 自动驾驶海量场景的自动创建、搜索和筛选；

⑤ PreScan的云部署，支持云计算。

Q2

PreScan合并到西门子工具链，对于争取客户订单带来哪些帮助？

黄汉知：自动驾驶系统和传统汽车电子系统最大的不同，就是它的产品生命周期不是随着汽车SOP就结束。随着OTA技术普及，自动驾驶系统即使交付终端用户后，也会持续优化-迭代-升级-更新-下发。如果企业在内部保留了一个数字孪生的自动驾驶系统，就可以实现全生命周期的优化迭代。 自动驾驶系统的研发不是某一个研发部门所能完成的，也不是一个单独的研发体系。就像刚才讲到的，西门子PreScan虽然是自动驾驶的系统开发工具，但是跟功能需求的管理，软件版本的管理，包括海量测试场景的自动创建、搜索，跟自动驾驶道路数据模型化的打通，以及与企业数据管理平台等一起，构成一个全面解决方案。这样，客户就无需选择不同供应商的数字化工具，节省了开发成本又提升了效率。 我相信一体化解决方案，对于企业客户是极具吸引力的。

Q3

西门子实现了自动驾驶全生命周期闭环的系统开发支持，会不会降低了PreScan的开放性？如果保持了开放性，那么这两年在开放性方面取得了哪些进展？

黄汉知：PreScan的开放性，这几年取得了巨大的进展。 首先，PreScan从商业化开始就是一个具有极大开放性的软件平台，特别是对PreScan数字仿真工具的合作伙伴和用户，用PreScan来测试他们的自动驾驶算法，对算法平台的兼容性一直是非常的开放易用。 其次，我们也注意到最近几年来，科技公司互联网公司纷纷进入自动驾驶领域，为了适应这部分客户的需要，PreScan已经从以前的基于图形化、界面操作的仿真工具，进化成了基于API接口、代码化操作的功能。 而且，Prescan对包括OpenX格式在内的场景数据的格式兼容性，也非常好。 PreScan同时在多种云平台的兼容性上也十分出色。我们可以公开的商业合作案例，比如：跟微软的Azure、亚马逊AWS的兼容，以及国内一些云服务商、云平台的兼容，跟国内工程公司的私有云平台的兼容。在RT（Real time）实时性领域，也争取与主流实时计算平台的兼容，得到了持续优化和增强。

Q4

西门子的自动驾驶道路数据采集系统，主要客户是谁？这些采集的真实场景，能够很方便的转化为仿真场景库吗？

黄汉知：西门子的自动驾驶道路数据采集系统—SCAPTOR，是2021财年正式发布的一款新产品， 其技术来源主要是在德国，最初主要的客户是德国从事ADAS和自动驾驶的OEM整车厂和零部件供应商。目前这个系统在国内进行推广，也取得了很大的进展。SCAPTOR采集的真实场景可以很方便的转化为仿真场景模型，主要有以下几个技术点。 第一，进行道路数据采集的时候，通过人工或自动方式，给采集的这一段场景数据打上标记，标记其危险程度等。 第二，采集回来的真实场景，计划把它做真值的提取。一方面通过西门子内部开放的技术能力做真值的标注和提取，同时也跟外部做真值标注提取的服务公司合作。 第三，有了这些真值数据的标记标注，也会去筛选关键的、危险的Corner case，从而最后把这些关键场景模型化，转化为PreScan仿真工具所能够兼容的仿真场景库。

Q5

PreScan和西门子的数字孪生技术有了很好的融合。客户对数字孪生的应用需求如何？数字孪生在汽车的发展趋势和技术挑战是什么？

黄汉知：目前我们的自动驾驶数字开发工具，在国内的客户群体可以划分为这么几类。一类是少数的头部OEM，他们顺应自主研发还有软件定义汽车这些潮流，建立了自己的自动驾驶系统，包括算法，软件，甚至是计算平台的设计能力。这些公司对仿真工具的应用是比较有特色的，对数字孪生应用的需求涵盖面广。比方说： 第一，对不同场景下传感器环境感知聚类算法的研发。 第二，从原始数据级别开始做感知的融合。 第三，在实现公司自定义的ODD（设计运营区域）时，需要的环境感知传感器配置的评估，或者能力、组合、数量、可用性的分析。 第四，对控制规划决策算法的训练和测试优化。 第五，结合汽车底盘动力学的物理学极限，去设计自动驾驶规划和控制算法，这是应用最全面的一类客户。 第二类客户对数字孪生的应用就有一些局限性，也是比较多的OEM客户所面临的情况。他们也意识到数字孪生技术所需要的应用，但是自己的技术积累可能还需要一步一步的推进。目前很多的OEM会用数字孪生的工具做硬件在环测试，我们大多数硬件在环测试，有的只是侧重功能验证上，有的只是侧重在状态机逻辑的确认上。第二类客户应用的范围就会稍窄一点。 第三类客户是传感器企业。近几年来，国内涌现出众多出色的视觉、毫米波雷达和激光雷达科技公司。这些公司就会用到我们非常精细的PreScan的环境感知传感器的模型，用于做他们传感器本体设计的优化，目标聚类算法的训练测试和优化等等。 第四类客户是一些科技公司。他们也意识到未来是要走全云化的自动驾驶数字孪生方案，所以不管是海量的场景库，还是系统的仿真数字孪生平台，以及最终测试性能指标的评价，都要走向全云化。