隨著汽車行業的不斷髮展，“軟體定義汽車”的趨勢已然明顯。汽車電子電器架構（EEA）由分散式轉向域控，再朝著中央集中式等穩步邁進。汽車，已經從吉利董事長李書福所描述的“汽車相當於兩張沙發、四個輪子加上一個車殼“，演變成地平線創始人餘凱口中的
“汽車相當於四個輪子上的超級計算機“。
各主機廠透過打造個性化的智慧座艙、越來越高等級的自動駕駛能力，提升使用者體驗，吸引廣大消費者，這其中，自動駕駛無疑是汽車工業皇冠上的明珠。無論是從L2級別的輔助駕駛入局，還是著眼於L4、L5級別的完全自動駕駛，甚至是遊離於該分級體系之外的特斯拉FSD系統，各個主機廠和科技公司紛紛大力投入，佈局自動駕駛領域。
自動駕駛級別示意圖
自動駕駛領域離不開車輛的“感知“、”決策“和”控制“，這三個方面環環相扣。其中，汽車對道路等環境的“感知”是基礎，這一過程中產生的大量資料，是各個主機廠所迫切需要的“資料原油”，特斯拉透過 “AutoPilot”，已經積累了約百億英里的行駛資料；蔚來、小鵬等車企也紛紛效仿，採集相關行駛資料。
行業共識，資料獲取是每個主機廠實現自動駕駛的必經之路，
誰擁有了“資料原油”，誰就有可能最先提煉出來用於各個場景能力落地的資料價值。資料，已經成為主機廠和科技企業的必爭之地！
自動駕駛資料採集應用現狀
自動駕駛的資料來源來自於車身各種感測器的資料，包括車載攝像頭、鐳射雷達、毫米波雷達、超聲波雷達等感知資料；同時，車輛本身所產生的匯流排訊號資料等結構化資料，也有助於自動駕駛中的決策與控制。總體來說，
我們可以將自動駕駛程序中的資料分為兩部分，結構化資料和非結構化資料。
針對這兩種型別的資料，我們採集和使用的方式有所不同，但都是必不可少的。
非結構化資料多種資料來源對比
針對結構化資料的獲取，我們一般
用數採裝置等硬體方式採集，或者透過車聯網採集。
這兩種方式各有優劣，數採盒子採集的資料質量精度很高，但裝置昂貴不方便，只能在路測階段使用，無法用於量產車；車聯網方式雖然可以進行量產車資料採集，但囿於網路、頻寬、儲存等限制，採集的資料價值精度質量低而無法真正發揮其價值。這兩種方式的成本都非常高昂。
傳統結構化資料獲取方式
而針對於非結構化資料的採集，目前市面上其他家未見有成熟的方案，自動駕駛領域碰到的
“Corner Cases”等各種長尾場景
，又因為沒有足夠多的相關資料，而陷入難以推進的困難局面，這大大提高了自動駕駛開發者的資料獲取成本、功能開發成本、時間成本等，降低了研發落地的效率。
Corner Cases場景解決痛點
針對以上行業獲取資料的痛點，智協慧同提供了車雲全棧的產品矩陣
，用於解決自動駕駛領域車端資料獲取的問題。
智協慧同提供針對資料獲取的車雲全棧產品
我們的產品包括拖拉拽式的開發工具vStudio、車雲同構的模型執行平臺vAnalyze（雲端）和vCompute（車端），原創時序車載資料庫vData，以及雲端資料儲存處理平臺vCloud。我們具備以下能力：
提供低程式碼開發平臺vStudio，快速進行模型搭建；
輕量化模型一鍵下發至車端；
車端高質量資料獲取；
車端高質量資料上傳；
雲端模型模擬迭代；
量產車級產品部署模型搭建經驗。
智協慧同助力主機廠自動駕駛領域場景能力落地
影子模式
影子模式”首先由特斯拉提出並應用到車端，進行相關決策的對比和觸發資料上傳。在有人駕駛狀態下，系統包括感測器仍然執行但並不參與車輛控制，只是對決策演算法進行驗證——系統的演算法在“影子模式”下做持續模擬決策，並且把決策與駕駛員的行為進行對比，一旦兩者不一致，該場景便被判定為“極端工況”，進而觸發資料回傳。
智協慧同助力主機廠實現影子模式AB模型的一鍵下發至車端執行，車端模型實時和駕駛員決策資訊進行比較，車端計算引擎vCompute會根據比較結果確定是否觸發資料採集，車端資料庫vData會將相關資料壓縮上傳至雲端，從而實現影子模式觸發的資料採集至雲端進行分析。
影子模式概念圖
Corner Cases
自動駕駛落地的一大阻礙項即是無窮無盡的Corner Cases，這些Corner Cases所帶來的安全隱患一直限制著自動駕駛的真正上車。人眼可以對正常車道上出現的意外物體做出反應，但汽車由於演算法模型等的限制，可能無法正確做出判斷識別。
想要解決這些問題，必須擁有足夠多的資料樣本以及便捷的車端驗證方式。傳統方式中，蒐集相關場景的資料是一大難題，模型在雲端開發完成後，車端適配驗證又是一大難題。針對這些難題，智協慧同依靠自己的車雲同構產品體系，方便快捷的模型搭建工具，靈活多樣的數採觸發規則設定，可以實現在車端採集相關場景的資料，上傳到雲端進行模型訓練和場景模擬。
這些靈活多變的觸發trigger可以透過多種規則模型的設定，實現在車端相關極限場景下的資料蒐集和上傳，助力主機廠高效解決Corner Cases，
從而推動自動駕駛的前進。
智協慧同方案已獲得多家主機廠認可，即將量產落地
在自動駕駛資料閉環這一賽道上，智協慧同已和多家主機廠合作，實現車輛自動駕駛域的資料閉環。
客戶A需求項：
需要實現整車測試階段的影象資料和結構化資料的採集、壓縮和上傳；
客戶的多輛測試車現有硬碟複製模式效率較低，無法滿足演算法快速迭代的要求；
客戶需要將影子模式在智駕控制器上進行同步的虛擬感知（障礙物識別等）測試和驗證；
客戶需要定製化車端的資料採集觸發機制和車端邊緣技術的運算元庫，來實現更多場景的精準資料採集。
客戶B需求項：
實現多個觸發場景的資料採集，包括結構化和非結構化資料採集需求；
實現雲端模型下發和車端模型執行；
實現場景觸發數採到雲端的視覺化展示。
根據客戶的需求，智協慧同針對性的提出解決方案，並和客戶一道打造基於OrinX的自動駕駛域資料閉環方案。
智協慧同銷售VP牛國浩提到：”我們有信心有能力為主機廠提供高效低價的自動駕駛資料採集方案，打破行業目前缺乏輕量化方案、價格高昂的現狀。“
未來，擁有自動駕駛（輔助）功能的車輛將會迎來大幅度增長；自動駕駛產業鏈市場廣闊，而智慧化自動駕駛汽車是AI（人工智慧）技術落地的最大應用場景之一；智慧化汽車可能成為未來萬物互聯的終端，成為繼智慧手機之後，深刻改變社會形態的產品。
在這一關鍵的歷史程序中，智協慧同投身於自動駕駛資料閉環的賽道，伴隨著著中國汽車行業的崛起，攜手各個主機廠和科技企業，共創智慧汽車新未來！
