最符合中國“車路云”協同發展路徑的智能駕駛“數據引擎”
突如其來的疫情，人們發現了自動駕駛的另一種可能性。運送物資、配送貨物、清掃消毒……結合諸多實際場景的自動駕駛技術，催生出了更多迫在眉睫的市場需求。汽車智能化有沒有更成熟的解決方案?城市道路如何變得更聰明?交通云端平臺的決策怎樣才能更精確?
通過打造新一代LBS數據引擎，覺非科技的目標就是要真正實現“車路云”模式在自動駕駛產業的落地。覺非科技擁有海量非結構、高離散化的LBS數據，包括新型傳感器數據、交通路政數據、出行運營數據、高精度自然世界數據、車載計算單元運行數據、路側感知數據等。
而從這些數據入手，通過基于高精地圖的融合計算，進行針對道路與車輛的數據重組，底層結合邊緣端與云端部署，可產品化輸出面對車輛、道路，以及云控交通大腦的各類智能駕駛解決方案，讓“車路云”協同模式能夠發揮真正價值。
“數據引擎”將知識驅動與數據驅動結合起來，提供對應的融合感知與規劃模塊，能夠有效保證自動駕駛車輛的安全性及ODD規模化擴展，為產品化輸出創造先決條件，同時減輕了算力與成本對實現落地的束縛。
覺非科技沿用的技術路線是將實時傳感器數據與高精度地圖數據進行融合計算，實現更加穩定、可靠的感知定位引擎，用較低的算力硬件，實現高級別自動駕駛，極大地拓寬了自動駕駛技術在市場落地的場景和范圍。引擎將幫助汽車實現智能駕駛，為智慧城市建設提供技術支持，隨著數據的積累，進一步為云端交通大腦的建設貢獻力量。
“數據引擎”進入市場以后，解決了自動駕駛產業的很多痛點。比如通過視覺技術與高精地圖的融合實現亞米級定位，無需依賴激光雷達和復雜傳感器即可適應多種工況，真正做到用終端的較低算力，實現較高級別的自動駕駛。
對于主機廠而言，每一筆成本增加勢必影響深遠。也正是因為數據引擎解放了對于算力的要求，自動駕駛的研發成本也能相應降低，為主機廠提供了更大的利潤空間。
更加精準的數據、更加安全可靠的解決方案、更快速地落地，覺非科技的“數據引擎”最為符合自動駕駛“車路云”協同時代的發展路徑。
中臺模式：From Data to Value
國家發改委4月20日首次明確新型基礎設施的范圍，其中著重提到了數據中心、智能交通基礎設施等概念。怎樣讓數據發揮能效，覺非科技的做法是通過數據引擎，打造應對市場的中臺模式。
如果說數據引擎解決了“有哪些數據”的問題，那么中臺模式就是要解決“數據如何進化為產品”，也就是“數據如何服務市場”的問題。
對于自動駕駛企業自身來說，中臺模式完全面向業務，不依賴客戶自身有什么數據，能讓不具備數據能力的開發人員專注于產品自身，讓自動駕駛車控、感知、決策、定位等算法開發與數據開發同步進行，確保使用數據的過程中標準、時效性、效率都能有所保障，穩定度和可靠性更高，這樣才能提高研發效率效能，讓數據創造更大的價值。
覺非科技一方面針對落地場景端，通過高精度數字格式化能力，賦能礦區、港口、末端配送等自動駕駛技術潛力巨大的場景。另一方面面向智能終端，將商用、乘用車端的傳感器數據、道路端傳感器數據與高精地圖數據進行有效的時空同步與融合，與底層硬件解耦，把知識驅動與數據驅動結合起來，提供可靠、精準的智能化解決方案，能夠有效保證自動駕駛車輛的安全性，減少對算力和成本的要求。
因為連接了“車路云”三者的數據，中臺模式從業務層面為落地場景和智能終端提供數字化基礎能力，驅動智能駕駛產業落地與規模化，真正實現“From Data to Value”。
快速落地產業 駛入自動駕駛發展快車道
工信部在4月發布的《2020年智能網聯汽車標準化工作要點》明確指出，2020年的工作重點之一，就是形成能夠支撐駕駛輔助及低級別自動駕駛的智能網聯汽車標準體系，為實現支撐高級別自動駕駛的標準體系第二階段建設目標，提供基礎保障。
基于“數據引擎”以及“中臺模式”的豐富經驗，覺非科技已經形成了具備“跨平臺、易部署、低功耗、安全可靠”優勢的產品矩陣，并已與產業鏈中的多方機構達成合作，從數據、終端、新基建等多個層面為自動駕駛發展提供技術保障。
目前，覺非科技已與宇通客車、華為、中國移動、清華大學車輛與運載學院等產業伙伴合作攜手，共同推動“車-路-云”模式下的量產與落地。同時，積極攜手中國智能駕駛產業的重要玩家，共創價值鏈的協同和服務融合，已成為ARM人工智能生態聯盟委員單位，中國移動5G精準定位聯盟理事成員，微軟加速器成員，并已加入英偉達初創加速計劃。
市場上，新需求新場景不斷萌生;政策的出臺也為行業發展指明方向，行業標準逐漸清晰;技術側，5G技術已成為自動駕駛發展的新方向。覺非科技以數據引領自動駕駛創新的思路，也必將在市場競爭中得到驗證。
