路測是自動駕駛落地的核心環節，研究顯示，自動駕駛汽車需要積累177億公里的測試數據，才能保證自動駕駛感知、決策、控制整個鏈路的安全性。傳統純虛擬仿真測試平臺能快速跑完自動駕駛路測里程，但仍然面臨極端場景訓練效率低下的關鍵問題。

　　達摩院自動駕駛混合式仿真測試平臺解決了這一難題，平臺打通了線上虛擬固定環境與線下真實路況不確定性的鴻溝，不僅可以使用真實路測數據自動生成仿真場景，還可通過人為隨機干預，實時模擬前后車輛加速、急轉彎、緊急停車等場景，加大自動駕駛車輛的避障訓練難度。

　　針對極端場景數據不足的問題，平臺可以任意增加極端路測場景變量。在實際路測中，復現一次極端場景的接管可能需要1個月的時間，但該平臺可在30秒內即完成雨雪天氣、夜間照明不良條件等特殊場景的構建和測試，每日可支持的場景構建數量達百萬級。

　　規模化解決極端場景的復現難題，使得關鍵場景的訓練效率提高上百萬倍，達摩院致力于推動自動駕駛加速邁向L5階段。

　　故專家點評為：攻堅克難。

　　2、百度Apollo：ACE交通引擎

　　ACE交通引擎，即自動駕駛、車路協同、高效出行。ACE交通引擎是百度多年在人工智能、自動駕駛、車路協同方面的積累和實踐，集自動駕駛生態和百度AI能力全力賦能城市交通。

　　其采用了“1+2+N”的系統架構，即“一大數字底座、兩大智能引擎、N大應用生態”。一大數字底座指“車”“路”“云”“圖”等數字交通基礎設施，包括小度車載OS、飛槳、百度智能云、百度地圖。兩大智能引擎分別是Apollo自動駕駛引擎和車路協同引擎。N大應用生態，包括智能信控、智能停車、交通治理、智能公交、智能貨運、智能車聯、智能出租、自主泊車和園區物種等。

　　目前，百度“ACE交通引擎”綜合解決方案已在北京、長沙、保定等10余個城市落地實踐，并在最近接連中標重慶、陽泉、合肥的車路協同新基建項目。

　　跟隨智能交通的趨勢和潮流，實施智能引領新路徑，建設交通強國新支撐，助力交通科學治理新手段，百度在路上。

　　故專家點評為：智能引擎。

　　3、文遠知行：自動駕駛車頂一體化集成套件

　　2019年12月18日，在英偉達NVIDIA主辦的年度科技盛事GTC China 2019上，文遠知行推出首個自動駕駛車頂一體化集成套件——WeRide Smart Suite 3.0。

　　WeRide Smart Suite 3.0由文遠知行與合作伙伴英偉達、德昌電機共同打造。全新的All-IN-ROOF頂罩設計將計算單元套件、傳感器套件和冷卻及清潔系統全部集成在車頂上，體積更小，性能更強，是自動駕駛汽車車規級研發的一次重要突破。

　　通過將計算單元套件從后備箱遷移到車頂，WeRide Smart Suite 3.0成功將后備箱空間還給乘客，更高的模塊集成度節省了多達50%的空間，并減少了車內噪音;冷卻及清潔系統能夠均勻覆蓋所有光學類傳感器的鏡頭，同時還可以針對反向電流、失速、高電流、高低電壓、高溫等情況進行功能性保護;傳感器套件3.0配備文遠知行自研相機模塊，通過時間、空間雙維度的校準和標定方法的升級，達到像素級主動同步，探測更為實時、精準，成像精度更高，進一步提升自動駕駛感知的準確性和運營的安全性，并且可以快速實現大規模量產。

　　更大空間，更多保護，更精準的感知與安全，自動駕駛不僅僅在于“自動駕駛”。

　　故專家點評為：完美集成。

　　4、元戎啟行：車規級計算平臺解決方案

　　2020年1月6日，深圳元戎啟行科技有限公司公布了其計算平臺解決方案——DeepRoute Tite，通過將L4級自動駕駛所需的算法移植到車規級計算平臺Xavier，大幅降低了計算平臺的成本和體積，并將整體功耗降到了45瓦。

　　通過采用英偉達的車規級計算平臺Xavier，元戎啟行的計算平臺解決方案能夠處理感知、預測、決策、規劃與控制、導航定位等L4級自動駕駛模塊。以往需要在龐大的計算平臺上運行的工作，如今可以在一個小盒子里實現，釋放了自動駕駛車輛的后備箱空間。

　　元戎啟行通過自主研發的推理引擎，將自動駕駛相關算法成功移植到Xavier。其自研的推理引擎，能夠針對深度學習算法中的自定義算子和網絡結構，做出更好的計算資源上的優化，讓自動駕駛算法能夠高效和穩定地運行。既降低了成本，又保證了自動駕駛的安全性。通過使用這一計算引擎，元戎啟行的L4級自動駕駛系統的所有計算需求，即使在復雜的城市道路中，也能精確識別周圍障礙物，靈活完成紅綠燈識別、轉彎、避障等操作。

　　降本，增效，保安全，元戎啟行的目標是加速自動駕駛量產。

　　故專家點評為：降本增效。

　　5、智加科技：L4遠距多目視覺立體感知系統

　　有效距離達到1英里(1600米)的立體視覺感知技術，可以精準判斷物體的位置和速度，結合多傳感器融合方案將大幅提升系統安全性。這是目前全球自動駕駛領域已知最領先的遠距離AI視覺系統。

　　智加科技有效感知距離為1600米的立體視覺感知系統，是利用基于深度學習的多目視覺解決模塊及算法，構建了高精度的物體檢測認知模型。這一系統成功突破了立體視覺在自動駕駛遠距離上感知精度的限制，實現了1600米距離上對物體和車道的識別和更進一步的追蹤。

　　與單目攝像頭帶來的視覺感知能力相比，智加科技的多目立體視覺系統實現了三維世界內的距離量測，并且在車輛的自我位置識別、移動車輛的類型、位置、速度以及車道線等要素的有效識別上表現出了強悍的性能。

　　顯著推升系統的整體感知能力，保證駕駛過程的安全性。有效的安全距離帶來足夠的預判時間，讓自動駕駛可以合理操作，降低運營成本。立體視覺在有效距離上的突破，從安全和降本節能層面對自動駕駛的場景落地產生直接推動作用。

　　故專家點評為：獨具慧眼。

　　6、馭勢科技：廠區無人駕駛物流線路

　　2019年11月，馭勢科技攜手上汽通用五菱在寶駿基地部署運營的廠區無人物流項目正式開啟常態化運營，并以寶駿新能源無人物流車作為運輸載體，建成國內首條廠區無人駕駛物流線路，全面提升基地內部物流運力與效率。啟用至今，無人物流車行駛里程已超過10000公里，運輸超過6000次，真正為客戶工廠運營創造了“降本增效”的實際價值。

　　馭勢科技無人解決方案由具備L4級自動駕駛能力的無人物流車和一套功能強大的云端智能運營管理系統構成。無人物流車內搭載一款全功能智能駕駛控制器，可通過聯合部署在車身周圍的激光雷達、攝像頭、超聲波雷達等多類傳感器的感知數據，結合無人駕駛核心算法，實現在多種復雜工廠環境下的無人駕駛。借助云端智能管理平臺，為廠區無人物流運營提供多車協同、調度、遠程控制、數據分析等功能服務，大大提升無人物流運營的管理效率與安全性。

　　在無人駕駛的助力下，無人化、智能化、網聯化的物流模式已經形成。

　　故專家點評為：無人物流。

　　7、圖森未來：高速公路無人駕駛隊列測試

　　2019年12月30日，圖森未來L4級無人駕駛卡車車隊在京禮高速(延崇北京段)順利完成中國首次高速公路全封閉環境下、基于C-V2X車路協同技術的隊列跟馳測試工作。

　　在本次演示中，圖森未來攜手北汽福田、首發集團、華為等合作伙伴，實現了無人駕駛卡車車隊總長14公里的三車隊列跟馳。采用頭車人工駕駛模式，后車無人駕駛模式完成列隊巡航、列隊換道、隊列同步減速停車及列隊車路協同場景的演示，并能在80公里/小時的時速下保持10米車間距，實現了單人駕駛多車車隊，在節省燃油、降低道路占用、降低運輸成本方面達到世界領先水平。

　　隊列測試，技術引領，場景融合，圖森未來致力于加快無人駕駛落地步伐。

　　故專家點評為：風馳電掣。

　　8、輕舟智航：大規模智能仿真系統

　　基于大規模仿真技術應用來解決規劃決策問題是當前無人駕駛技術領域的關鍵課題，通過建立大量的工具鏈以及仿真測試環境，可以實現技術迭代的自動化，以更快的速度、更高效的方式應對自動駕駛的邊界化難題。

　　輕舟智航是將有效數據、智能仿真系統以及決策規劃框架這三點視為推動技術向前轉動的齒輪。借助大規模智能仿真系統和可自主學習決策規劃框架，輕舟智航可做到最大化地利用有效數據，大幅降低測試成本，提升開發效率，保證解決方案的可拓展性。

　　一方面，借助仿真及相關工具鏈，能形成高效的數據測試閉環，支持算法的測試和高效迭代，取代堆人或堆車的方式。另一方面，只有經過大規模智能仿真驗證過的軟件，才能夠保證安全性和可用性。

　　無人駕駛是個賽跑，仿真是助推器，助推完全無人駕駛的實現。

　　故專家點評為：輕舟起航。

　　9、Momenta：L4級自動駕駛MSD

　　2019年12月26日，Momenta 正式發布了L4級無人駕駛技術 MSD (Momenta Self Driving)，可實現城市場景下的完全無人駕駛。結合此前發布的面向高速和泊車場景的前裝量產產品 Mpilot，MSD 的發布標志著 Momenta 量產自動駕駛與完全無人駕駛“兩條腿” 戰略的雛形形成。

　　基于統一量產傳感器方案，Mpilot 為 MSD 提供“數據流”，MSD 為 Mpilot 提供“技術流”，兩者之間高效的閉環自動化迭代，將重新定義實現無人駕駛的關鍵路徑：通過量產自動駕駛產品獲得海量數據，持續研發數據驅動的核心算法，打造閉環自動化工程體系，發揮數據價值，高效迭代技術，最終實現完全無人駕駛。

　　左腿量產自動駕駛, 右腿完全無人駕駛，兩條腿走路才更穩健。

　　故專家點評為：并駕齊驅。

　　10、AutoX：無人車運營大數據中心

　　高質量、規模化的路測和仿真數據，對自動駕駛公司解決邊界化難題、更快迭代算法、更快實現規模化商業落地，有至關重要的意義。日前，AutoX宣布建成并使用其在上海嘉定汽車城的“無人車運營大數據中心”。

　　AutoX在上海路測的每臺自動駕駛乘用車RoboTaxi每小時會產生1TB的數據量，而該大數據中心里的大數據云平臺可以對這些大規模真實數據進行加工和壓縮、質量監督、自動標注、結構化測試，并以x1000倍量級對其進行混合仿真，從而讓物理世界和虛擬世界數據連接起來。

　　相較于普通車庫和研發數據中心，新的無人車運營大數據中心的效率和速率將進一步提升，并可支持標準化、流水線化的規模運營。

　　全球只有少數幾家自動駕駛公司建設了無人駕駛運營大數據中心，AutoX的技術引領又一次為其帶來無限可能。