4月22日，阿里達摩院對外發布全球首個自動駕駛“混合式仿真測試平臺”，該平臺採用虛擬與現實結合的仿真技術 ，引進真實路測場景和雲端訓練師，模擬一次極端場景只需30秒，系統每日虛擬測試里程可超過800萬公里，大幅提升自動駕駛AI模型訓練效率。
所謂的混合式仿真測試平臺，就是用真實路測數據自動生成仿真場景，而一般的虛擬仿真測試，則是通過人為干預、模擬的場景進行虛擬測試。二者的區別在於，構建虛擬場景的基礎條件不同，前者是來自於真實場景，後者是來自於實驗室研發。
自動駕駛中，仿真測試的目的在於提升系統學習、適應環境的能力，尤其是面對瞬息萬變、不可預測的行駛環境。
此前，仿真測試已經有許多的廠商在做，無論是微軟、NVIDIA、谷歌這樣的巨頭公司，還是初創的自動駕駛產業鏈公司。其關鍵主要在於數據庫、模型的完善以及實操中的先驗性。
一、“達摩”自動駕駛
阿里達摩院立於2017年10月11日，主要開展基礎科學和創新性技術研究。旗下有多個代表未來科技研究方向的實驗室，機器智能、數據計算、機器人、金融科技、X實驗室。
機器智能實驗室主要圍繞機器學習等前沿技術開展理論與應用研究，幫助零售、醫療、司法、交通等行業提升效率，推動經濟、空間技術、自動控制、計算機設計和製造等領域的變革。下設語音、視覺智能、語言技術、決策智能、城市大腦五個實驗室。
數據計算研究領域旨在重構融合、開放、安全、敏捷、生態化的信息基礎設施，解決計算性能、計算效率、計算能耗等問題，下設計算技術、智能計算、數據庫與存儲三個實驗室。
機器人研究領域主要圍繞環境感知、高精定位、決策規劃、智能控制等前沿技術方向，基於機器人技術進行無人駕駛、無人物流等方面的研發與應用，推動汽車、物流、服務等傳統行業的價值重塑，下設智能交通實驗室。
X Lab致力於探索科技領域最神秘的未知，努力提供最先進的解決方案，更著眼未來，裂變科技價值。X Lab目前下設量子實驗室、人工智能實驗室。
機器人研究領域就是自動駕駛，該實驗室由伊利諾伊大學香檳分校博士，曾任新加坡南洋理工大學終身教授的王剛負責。涉及自動駕駛相關的各種技術，除了傳統的感知、控制、決策等技術之外，還包括車路協同、數據平臺、自動駕駛仿真平臺。
在自動駕駛的應用方面，目前主要是智能物流車，這也與阿里本身的業務直接相關，通過部署智能物流車隊、智能感知基站以及鋪設雲端服務，將電商生意的運輸一端做到極致。
二、純模擬仿真平臺
阿里達摩的自動駕駛仿真平臺由交通智能體系統，場景編輯生成系統，虛擬世界渲染系統，大規模服務器部署系統組成。
交通智能體系統通過大量的交通數據抽取逼真的行為模型，仿真車輛，行人等物體行為；場景編輯生成系統支持各種極端場景的編輯和類似場景的生成，實現對自動駕駛算法的壓力測試。
虛擬世界渲染系統將仿真場景進行可視化渲染，提高分析問題的直觀感覺;大規模服務器部署系統提高仿真的規模和效率，實現每年上億公里的仿真測試；仿真平臺為自動駕駛的測試節省大量時間和費用，極大降低了測試風險，隨機模擬各種極端複雜場景，實現全面的測試覆蓋。
早在2019年3月18日，英偉達就發佈了Constellation自動駕駛車輛仿真平臺，採用高保真的模擬技術，利用兩臺不同服務器的計算能力來提供可擴展的雲計算平臺，從而生成在符合條件的路面上進行數十億英里自動駕駛汽車測試的結果。
GPU可生成逼真數據流，從而創建各種測試環境和場景。可以在晝夜不同時間針對罕見和難以實現的條件（暴雨、暴風雪和強烈眩光）以及不同的路面和周圍環境輕鬆地進行測試。
微軟也有自主車輛仿真平臺Cognata，模擬試駕環境通過生成快速、高度準確的結果，縮短了驗證過程的時間，同時也消除了在現實世界中進行道路測試的安全問題、高成本和有限的可擴展性。
Cognata複製了為自動駕駛汽車提供動力的複雜傳感器集合，包括攝像頭、雷達和激光雷達，以及在實際城市環境中行駛的車輛中產生的海量數據傳感器。
Cognata的仿真平臺包括一個使用深度神經網絡(DNN)技術創建的3D環境，以及計算機視覺、傳感器仿真、針對全球各地的本地化駕駛行為，以及生成獨特的真實地面數據庫和駕駛場景的能力。
該仿真軟件與OEM/T1的自動駕駛系統相連接，並通過在數百萬英里的道路測試之前，為每個車輛模型和傳感器組合提供大量基於雲的測試和驗證會議，從而縮短了上市時間。
這些仿真測試平臺都是純模擬，簡單理解就是基於學術研究、理論得出的仿真邏輯，理論上可以適用大部分的行駛場景。
三、真實數據導入的仿真
通過仿真平臺測試自動駕駛系統的科學性，需要得到OEM的認可。豐田研究院高級研發公司（TRI-AD）是英偉達DRIVE Constellation的第一個客戶。
仿真平臺的意義在於覆蓋大部分常規道路場景，而對於不常見的或者非邏輯的行駛場景，純依靠學術邏輯創造的仿真模型就會失去價值。
這些“Corner case”本就不具備常規邏輯，也極少見，但對於自動駕駛系統而言，因為安全性又必須涵蓋在內。
混合型仿真平臺的意義在於，將真實場景數據作為基準，直接進行鏡像模擬再現，對於實際測試有了可回溯的價值。對於檢驗自動駕駛系統應對處理極端情況的能力非常具有參考價值。
誠然，如此亦真亦假的仿真平臺的核心，在於來自於真實道路、事故場景的數據。在全球，這樣的數據都是稀缺資源。
做互聯網，阿里爸爸已經有超過20年的經驗，做自動駕駛，還是個剛入門的小學生。國內的自動駕駛，一定要適應國內的道路環境、駕駛習慣，這些場景需要在國內去積累和學習。在這一點上，無論國際大廠，還是國內廠商，都是新手。
微軟、NVIDIA、百度、騰訊、阿里都在佈局虛擬仿真，而在國內積累真實場景環境下的數據，國內互聯網公司更有優勢，這其中涉及到數據合規性。
阿里達摩院自動駕駛實驗室是在杭州，團隊核心成員有5人擁有海外學習或工作經歷，獲得國內外名校博士學位，2人具有海外名校博士後研究經歷。目前自動駕駛團隊成員已超過250人，核心成員擁有nuTonomy、寶馬、百度等領先的自動駕駛團隊工作經驗。
今年初開始，該團隊就一直在招募人工智能相關領域的技術員工，比如5年以上自動駕駛視覺感知算法專家、自動駕駛FPGA開發專家、自動駕駛高精定位算法、系統集成專家等，要求都是5年以上的經驗。
經驗，是汽車領域最稀缺的資源，它往往來自於真實環境中的摸爬滾打，而非紙上談兵。這一點，在仿真系統的有效性上，同樣也適用。達摩院或許已經知道自己缺什麼，因此正在快速趕上。
