機器人時代的工業軟體自主化，中國不能再錯過

編者按：本文來自微信公眾號 遠川科技評論 （ID：kechuangych），作者：劉少山，創業邦經授權釋出。

最近幾年，科技卡脖子的問題經常被提起，這也是目前我國科技界、經濟界、投資圈的討論熱點之一。卡脖子技術的重災區是半導體行業，首當其衝者是晶片設計上游的工業軟體（EDA軟體）。雖然國內許多公司具備晶片設計能力，但是IC設計的高階軟體EDA工具仍然基本由外國公司壟斷。EDA受制於人，足見工業軟體對一個科技時代的重要性。

隨著科技行業進入機器人時代，我國有著天然的先發優勢。以新能源智慧汽車為例，目前中國是最大的生產國，也是最大的消費國，但是我國的自動駕駛技術卻沒有走在最前頭，特別是在技術研發正規化上仍然採用手工作坊模式。為了在機器人時代免於被卡脖子，我們必須大力投入到自動駕駛以及機器人的工業軟體自主化中，以形成生產、技術快速迭代、消費的閉環。特別是，自動駕駛是機器人技術的高地，應用於新能源智慧汽車的自動駕駛技術及其供應鏈經過量產的洗禮後，很容易降維到不同的機器人行業，孵化出無數的細分機器人產業。

形成生產、技術快速迭代和消費的閉環的關鍵在於工業軟體，正如晶片行業強依賴EDA軟體，機器人行業技術研發的效率也強依賴機器人的工業軟體。本文將介紹什麼是機器人的工業軟體，以及筆者使用工業軟體提升研發效率的經驗。

01 機器人時代的來臨

隨著越來越多的機器人以及無人車出現在我們的日常生活，機器人時代已經來臨。在深入研究機器人時代之前，讓我們首先回顧一下資訊科技的演變。資訊科技騰飛於20世紀60年代，當時快捷半導體公司和英特爾公司透過生產微處理器奠定了資訊時代的基礎，隨之而來的是矽谷的爆炸式發展。儘管微處理器技術極大地提高了工業生產力，但普羅大眾接觸它的機會非常有限。

情況在20世紀80年代發生了變化，隨著個人電腦的出現，以及後來的蘋果Macintosh和微軟Windows的圖形介面（GUI）使得個人計算快速普及，規模經濟效應使得個人計算的價格大幅降低。最終，計算機在全球範圍內普及的願景，在2000年左右實現了。

21世紀初，在每個人都擁有個人電腦的基礎上，雅虎和谷歌透過搜尋引擎連線了人與資訊，衍生出了網際網路行業。從2004年的Facebook開始，社交網路在網際網路的基礎上讓人與人便利地連線起來，將整個人類社會從線下轉移到了線上。隨著網際網路社會的人口增長，諸如Airbnb（2008年）、Uber（2009年）等應用開始在網際網路社會提供商業服務，形成了一個網際網路的商業社會，我國在網際網路的商業社會獨步全球，各種基於網際網路的APP將使用者體驗做到了極致，但是實現網際網路應用的基礎設施依然基本依賴於美國提供的技術。

技術時代的視窗再一次敞開，眼下已經進入了機器人時代，服務機器人、無人機、送貨機器人、智慧車將為人類提供服務，特別在我國老齡化日益嚴重的背景下可以提供充裕的生產力。因此，在機器人時代我國不能再被卡脖子，必須要成為世界上機器人技術研發效率最高的國家。而研發效率取決於研發工具，特別是機器人研發工業軟體可以把機器人技術的研發從勞動密集型昇華為智慧密集型，使得研發的技術更容易規模化落地。

02 機器人研發的手工作坊時代

目前隨著新能源車行業在我國的快速崛起，自動駕駛變成了行業的香餑餑，各大車廠也就自動駕駛技術人才展開了激烈的競爭。但在該領域，我國的人才儲備與美國差距懸殊。我們做過一個估算，中國目前在無人駕駛領域的人才儲備不足500人，而美國的這一數字可以達到4000到5000人。我們將這裡的“人才”定義為對整個自動駕駛技術棧有系統性理解並且能夠深入挖掘至少一個細分領域的工程師。

比人才儲備差距問題更嚴重的是研發正規化問題，據筆者瞭解，國內大多數廠商還停留在手工作坊時代。除錯一個演算法，然後演算法整合到一個系統，到附近的幾個道路跑路測，跑出問題了再找出問題，根據問題修復，修復的程式碼可能又帶來新的問題。很多技術點都是透過手工的打磨，在一個地區測試出來的成果放在一個新的環境可能又會失效。這種研發方法效率低、成本高、難以規模化生產。比如許多公司會維護一個測試車隊，等待合適的天氣環境進行不同的無人駕駛測試，這樣的測試覆蓋率不可能高。而且一個在上海測試的車即使在上海表現很好，換了一個城市，比如廣州，就可能出現問題，如果換了一個國家，比如巴黎，可能就更加難以適應當地環境了。

在這種手工作坊的研發正規化下，機器人技術研發還停留在勞動密集型階段，研發成果難以規模化落地，每一個新的市場與場景都需要一個新的團隊來覆蓋。特別在我國的人才儲備已經落後的情況下，勞動密集型的研發正規化很難確保中國在這個新興產業築建壁壘。

因此，筆者認為應該加大在自動駕駛以及機器人的工業軟體中的投入，比如模擬引擎，然後讓引擎自動迭代演算法，如此可以做到真正的高效率研發，研發出的技術也可以更輕鬆覆蓋多個市場，實現規模化發展。

03 機器人時代的工業軟體

機器人時代的工業軟體的一個例子是自動駕駛研發中的模擬引擎。透過在數字孿生環境中的模擬與資料積累，自動駕駛演算法研發的效率可以得到極大地提升，實現成本最小化，從而以最優的價格推出最佳的自動駕駛產品，快速實現規模經濟，最終達不可逾越的高技術與商業門檻。與手工作坊的正規化相比，工業軟體可以把自動駕駛的研發從勞動密集型昇華為智慧密集型，降低投入的同時提高產出。例如，目前的手工作坊正規化為了測試汽車如何處理大雪環境，測試團隊可能需要等待幾個月，直到大雪來臨，然後在路上收集物理測試資料。使用了模擬軟體作為研發測試引擎後，我們可以輕易地在數字孿生環境中建造一條道路併產生一個大雪場景，然後根據需要產生各種高質量的測試資料。

模擬對汽車行業來說其實並不陌生，例如，車輛動態模擬器已經被廣泛用於開發過程中，如轉向系統的開發。在自動駕駛軟體研發中，模擬器已被用於測試和驗證決策模組和路徑規劃模組。但目前的模擬環境缺乏對世界的高保真重現。最近，基於遊戲引擎的高保真模擬器已經被開發出來，比如Carla和LGLVS使用計算機圖形模型、渲染演算法和物理模型來嘗試產生一個高保真環境。但是目前虛擬環境與現實之間的差距還是過大：首先，這些模擬器只提供虛擬城市的地圖，其中的地理和物理環境特徵與真實世界的道路測試並不相同。其次，移動物體的行為，如車輛和行人，都是寫死的，很難模模擬正的交通參與物的行為（例如，巴黎行人的行為可能與新德里行人的行為不同）。最後，這些模擬引擎不能很好地對感測器資料進行高保真模擬，因此很難產生精準的感知資料。礙於上述技術限制，中國的自動駕駛研發基本仍停滯於手工作坊的正規化，追求短平快地在市場上推出產品。這樣的做法在短期內讓人感覺進展很快，但是在技術發展的長跑中很容易暴露出效率問題，後繼乏力。

我們認為基於模擬引擎的研發是一個先進的工業化研發正規化，而不僅僅是一組技術的堆砌。如圖2所示，根據實際部署經驗，我們總結了基於模擬引擎的自動駕駛研發正規化的幾大原則：

原則1：結構模擬。數字孿生體應該包括精確的環境三維模型，它呈現出與物理環境相同的地理和幾何特性。基於結構孿生體，自動駕駛的周邊環境可以得到很好地模擬。例如，利用目標環境的幾何資訊，可以合成真實的鐳射雷達點雲和攝像機影象，從而進行很好的感知模擬。

原則2：物理模擬。物體運動、碰撞和感應的物理過程應該在模擬器中得到真實體現。例如，一個車輛動力學模型需要一組引數來精確地模擬物體的運動。又例如，地理的資訊也應該被真實地體現，比如把高精地圖資料匯入到模擬系統中。

原則3：邏輯模擬。模擬的交通參與者（如車輛和行人）在與自動駕駛車和其他物體互動時，應該有類似於他們的物理環境的行為。這一原則對於測試自動駕駛汽車的規劃和決策模組至關重要，特別是在交通繁忙的場景中。

04 效率的提升

在實現了很真實的結構模擬（感測器），物理模擬（車體模型），以及邏輯模擬（行為模擬）後，我們對比了物理測試的成本以及模擬測試的成本。物理測試無人駕駛演算法的成本約為180美元/小時，而基於模擬引擎的測試僅為2美元/小時。在同樣的預算下，較之於手工作坊的研發正規化，工業軟體驅動的研發正規化可以把效率提升兩個數量級。目前業界還有許多聲音認為模擬引擎不可靠，手工作坊才是正途。但是效率的提升不會騙人，引用更先進的研發方法的團隊最終可以達致更高的效率，從而淘汰低效率的方法。在美國，許多領先的自動駕駛公司，比如Tesla以及Waymo，在模擬上的投入已經越來越高了，最終這些自動駕駛模擬軟體上的投入會溢位到各個機器人的應用中，快速培育這些垂直應用的發展。

特別是Tesla，在每年的技術釋出會上都會詳細介紹自身的技術棧，大家都會被Tesla的晶片、深度學習、機器人產品等耀眼的技術所吸引，而媒體也會鋪天蓋地地宣傳這些耀眼的新興技術點。而筆者認為，支撐Tesla研發迭代最核心的引擎就是他們的模擬引擎，而模擬引擎的介紹在Tesla的技術釋出會上往往被一筆帶過，不容易被注意到。但是透過對比Tesla的研發正規化與我國新能源車公司的研發正規化，我們很容易發現雙方在技術研發上的顯著代差，如同冷兵器之於火器。

05 總結

機器人時代是中國科技與經濟的極大機遇，中國已經佔據了明顯的先發優勢，目前中國是新能源智慧汽車的最大生產國以及消費國，但中國公司的研發正規化還停留在手工作坊時代，很難高效地透過先進技術將生產與消費相連線形成閉環。而海外領先廠商已經進化到以工業軟體為核心的研發正規化。筆者與團隊自身研發的經驗也確認了以工業軟體為核心研發正規化相對手工作坊正規化有兩個數量級的效率提升。領先的機器人工業軟體可以極大地提升研發效率，把生產端與消費端相連線形成閉環。這個閉環將確保我國在機器人時代擁有技術以及商業上的絕對優勢，因此，機器人時代的工業軟體自主化，中國不能再錯過！

本文為專欄作者授權創業邦發表，版權歸原作者所有。文章系作者個人觀點，不代表創業邦立場，轉載請聯絡原作者。如有任何疑問，請聯絡