歷經數十年發展變化，數字孿生逐步成為行業數字化轉型的重要方法論，從航天、軍工拓展至千行百業，從單一“可視化”進化到可感知、可計算、可仿真、可預測、可控制等多重階段。萬物互聯的趨勢之下，數字孿生將如何延伸其技術價值?

　　騰訊研究院與騰訊數字孿生產品部聯合發起《數字孿生十問》系列，將針對交通、汽車、工業、建筑、城市等領域，探討數字孿生的技術創新與產業應用。

　　近期，Cruise Robotaxi因事故被硅谷緊急叫停，國內汽車輿論場上出現吸引眼球的AEB(汽車自動緊急制動系統)爭論，以及國內四部委聯合發布的有關L3/L4級自動駕駛上路通行試點通知，借由廣州車展的熱度發酵，使得自動駕駛這一話題再次引發大范圍熱議。

　　《數字孿生十問》第一期研討會以《數字孿生與自動駕駛仿真的融合發展》為主題，多位自動駕駛領域的權威專家、企業高管，展開了一場前沿、硬核的“腦暴”。

　　汽車智能化怎么走?數字孿生為橋，搭建技術閉環

　　回溯汽車工業歷史長河，人類早在一百年前就已嘗試通過無線電控制的手段來實現“無人駕控”。汽車產業智能化轉型正在加速，高級別自動駕駛正在技術進步中逐步到來。

　　相比于其他傳統行業，汽車產業的數字化水平較高，大數據的應用已經較為普遍和成熟。無論是單車，還是各地的道路交通系統，在先進的傳感器、通信、云計算等數字基礎設施的加持下，單車和道路環境的聯動越來越頻繁，網聯化水平不斷深入。在此基礎上，車路協同得到了越來越多的認可，成為邁向自動駕駛的高階發展形態和必然趨勢。

　　在網聯化基礎上，如何讓車輛與外部節點實現信息共享和協同控制，達到“安全、有序、高效、節能行駛”的目標，已成為智能網聯產業的下一個升級重點。數字孿生作為數字技術的集大成者，有望突破物理世界的時間和空間限制，實現智能網聯產業的虛實集成和閉環控制。

　　騰訊集團副總裁、騰訊智慧交通與出行總裁鐘翔平指出，數字孿生能為數字世界和現實世界提供一個深度融合的“橋梁”，數字世界與現實世界的雙向作用將推動彼此不斷進化，成為“可看、可管、可計算、可推演、可交互”的智慧生命體，這對于汽車產業智能化也極具想象空間。

　　同濟大學汽車學院教授、汽車安全技術研究所所長、博導朱西產教授表示，數字孿生需要去解決這幾個命題：智能汽車下一步怎么走?車、路各端的基礎設施如何進一步互通互聯?智能汽車最終如何融入城市智慧交通這盤大旗?他認為，這需要從行業的痛點和需求端出發，通盤考慮數字孿生技術能發揮價值的環節，并設計出系統化的解決方案。

　　有行業專家也指出，要推動新技術的產業落地，首先要解決“新物種”在實踐中的技術閉環問題。作為信息物理系統的典型應用，智能網聯汽車正在推動產業的新一輪歷史性轉型升級，其規模化落地，呈現出復雜大系統的典型特點，需要形成全鏈路數字化閉環的車路云協同設計方法和參考框架，自動駕駛的商業閉環一定要建立在技術閉環的基礎之上。這種設計與高階的數字孿生技術一樣，將建模、計算、分析、決策融為一體。

　　技術與商業閉環的三大難題：打通數據、高速通信、生態共建

　　隨著汽車產業加速進入智能網聯時代，汽車已經變成一個數據的載體，未來還有望成為人們生活、工作、娛樂的“第三空間”。然而，在傳統車企、造車新勢力、互聯網巨頭、自動駕駛科創公司等缺乏協作互通的局面下，汽車產業的海量數據還沒有爆發出巨大的價值，數據孤島的現象反而在不斷加劇。

　　朱西產教授認為，要實現真正意義上的數字孿生，首要核心是先打破數據孤島。這就需要國家從頂層設計上打通各方，同時也需要各家企業積極響應，建設一個一體化數字孿生生態。

　　除了破解數據孤島問題，支撐數據交互的通信問題，是智能網聯自動駕駛落地的另一個難題。西安建筑科技大學校長，長安大學教授、博導，國家重點研發計劃新能源汽車重點專項“自動駕駛仿真及數字孿生測試評價工具鏈”專項牽頭人趙祥模在會上提到，網聯化自動駕駛的發展涉及到車、路、云、網的全面協同問題，但核心還是首先要解決低延時高可靠的網絡通信問題。現階段的5G無論是成本還是性能都不能完美地支撐自動駕駛發展，尤其是成本消耗會給企業帶來巨大壓力。如果未來支撐自動駕駛的通信技術得以很好解決，自動駕駛產業會迎來井噴式發展。

　　而實時感知、通信、計算、交互，也正是真正意義上數字孿生的典型特征。可以看出，要實現汽車產業的數實融合、萬物互聯，讓數字孿生的“橋梁”價值真正凸顯，行業還需要趟過一段艱難險阻。企業要堅持“能為行業帶來革新的”前瞻性探索，政策層面也應有頂層設計和戰略支撐提供統一引導。

　　然而在企業追求“引領式創新”的過程中，沒有人愿意“在錯誤的道路上狂奔”;競爭對手之間的合作，也不是那么容易。面對這樣的顧慮，長安前瞻技術研究院副總經理、長安智途總經理吳學松指出：要想實現智能汽車的快速發展，一定需要打破數據孤島，需要更多的公司協作，來實現真正發展。過去技術公司為車企提供軟件，這種傳統甲方乙方的模式已經無法滿足智能網聯時代的需要，行業需要摸索出更為開放共贏的合作模式和生態，這也有助于車企自身在發展中更好地完成路線選擇和未來布局，從而更準確高效地占位時代前沿。

　　數字孿生+AIGC，推動自動駕駛高效測試與快速落地

　　對自動駕駛而言，測試是重中之重。而當下市場對自動駕駛測試的理解卻存在一定的局限性。趙祥模教授指出：首先是在測試時，過去行業更多是考慮人和車這個二元結構的安全性，而很少去考慮智能網聯時代下人、車、環境、路況、網絡等要素全耦合下的安全性。

　　朱西產教授也指出，車企在測試自動駕駛技術時側重“里程”而非“場景”，然而對于汽車上路的各種復雜工況，單純的里程測試堆得再怎么多，也并不能確保萬無一失。對于自動駕駛技術的高效測試，車企應該更關注“場景覆蓋”，并且用最短的時間、最小的里程來完成盡量多的場景覆蓋。

　　研討會上，專家們一致認為，要實現這一目標，基于數字孿生的仿真技術是最好的選擇——這也是數字孿生推動自動駕駛落地的價值焦點。首先，自動駕駛安全測試所需的極端案例，如果都要從現實的道路測試采集數據，不僅低效率，也不太現實。而仿真平臺則能夠通過虛擬的孿生體模擬出海量復雜場景，例如能觸發AEB的這類極限危險場景。

　　騰訊地圖副總裁、騰訊數字孿生業務負責人張少宇還介紹了地圖對于數字孿生仿真的價值：自動駕駛仿真測試中，高精地圖與數字孿生的結合會起到重要的作用，可以提供更真實和準確的仿真環境，模擬真實世界中的道路、交通流、交通信號、交通標志等，方便進行更加全面的模擬測試，包括功能、性能、安全性等測試，提升用戶體驗。同時，使用仿真測試來進行高精地圖OTA前的數據檢查，可以降低地圖數據檢查成本和回歸測試時間。

　　對于AIGC與數字孿生的融合，騰訊自動駕駛總經理蘇奎峰表示，采用AIGC技術可以創造出更多的合成數據，尤其是一些敏感或高安全領域的數據和長尾數據，從而填補真實數據中的缺口，提升訓練和測試樣本的樣本的多樣性、完備性和均衡性。同時，利用大語言模型，提升人機協同能力，實現更好的人機交互和人機共駕。隨著數字孿生與AIGC的技術融合不斷深入，擁有自主進化能力的“認知孿生”，除了為自動駕駛提供豐富的測試場景數據庫，還有望打造一個全感知、強計算、會決策、泛觸達和可進化的生命體，讓交通乃至于城市擁有“智慧大腦”。

　　在數字孿生與自動駕駛仿真融合方面，騰訊自動駕駛虛擬仿真系統TAD Sim在行業內率先使用游戲科技+數據驅動的技術方案，作為國內首個服務于自動駕駛汽車研發和測試的產品，TAD Sim可滿足海量場景的高效率測試。在數字孿生技術的加持下，TAD Sim有4大核心能力，包括對交通場景的幾何還原、物理還原、邏輯還原能力以及高并發能力。該平臺深度集成了騰訊云計算、游戲科技及數據驅動的能力，在高效性、真實性、完整性等方面行業領先。

　　例如，在高效性方面，自動駕駛云仿真技術支持一萬個以上的場景并行計算，將10000個場景的運行時間從14天大幅縮減至4分鐘。同時，該平臺利用虛實一體的交通流數據，可構建城市級別的虛擬仿真世界，支持數千輛自動駕駛車輛和數十萬輛交通流車輛同時運行，虛擬城市中車輛之間實時同步，在高效性的同時保證測試的有效性，開辟了全新的純機器測試方法。

　　正如朱西產教授所言，自動駕駛、汽車智能化只是第一步，整個交通、城市的智慧化，才是數字孿生的長遠目標。

　　談及未來，鐘翔平表示，騰訊將繼續堅持數字化助手的定位，持續夯實數字基礎設施，如汽車產業的車云一體化，開放自身在音視頻、地圖等領域的技術能力，以數字孿生為底座，推動自動駕駛仿真與AIGC等技術的融合，助力自動駕駛、智慧交通等的高質量發展。