车东西(公众号:chedongxi)
作者 | 迩言
编辑 | Juice
自动驾驶利好政策密集出台,落地近在眼前了?
可能并没有那么快,虽然在智能驾驶布局更早的先发企业都在疯狂推进城市NOA进程,但真正实现L3还需要些时间。
原因在于,城市NOA也需要大量数据的积累才能最终将完全的无人驾驶带到现实中来,但实地采集数据时效慢、成本高、安全性难以保障、场景覆盖度有限,因此大约90%以上的数据都要靠仿真来实现。
面临着海量场景的Corner case,当下仿真市场会出现数据不全面、失真、同质化、成本高等问题,导致自动驾驶的规控、决策很难完全实现类人,这些没有解决,对于权责划分更明显的L3自然落地受阻。
现阶段,新锐智驾Tier2玩家昇启科技提出了新的解题思路,即打造多智能体交互建模能力,通过海量里程压力测试,确保生成数据不重复性,并收获了传统国企、自动驾驶头部Tier1、新势力企业等多类客户。
那么昇启科技到底是怎样一家公司,为何能够获得这些客户的青睐,又是如何塑造自身竞争优势的呢?
就在最近,车东西奔赴昇启科技北京总部,与其CEO孙琪进行了一次深入的交流,还原出了这家公司的成长脉络和未来发展规划。
一、智驾仿真亟需国产化替代 高阶智驾技术需求扩大
最近一个周五的下午,车东西来到了位于北京中关村的昇启科技的总部见到了孙琪。
他早年曾在法国中央理工大学求学,获得通用工程师和博士学位,并获得了清华大学博士后履历,亲自操刀清华大学科研成果转化项目,并于2022年创立北京昇启科技有限公司。
在创业之初,昇启科技选择了智能驾驶工业软件研发赛道。孙琪向车东西阐述了原因:“我国的汽车工业面临缺芯少魂的问题,芯是芯片,魂指的就是工业软件,这一赛道几乎全部是国外供应商。”
此前,汽车工业软件一度面临着“卡脖子”难题。
智驾仿真市场参与者呈现多元化,包括传统仿真公司、初创仿真公司、互联网科技公司、自动驾驶厂商和高校、科研机构这五类主要玩家。
其中,传统仿真玩家以美国、德国企业为主,初创仿真公司以美国、中国为主,而微软、腾讯、华为、百度统一属于大型科技公司,Waymo、Cruise、AutoX等自动驾驶厂商和一些国外高校、科研机构也布局一些仿真业务。
不同国家参与者都会呈现不同的特性,具体到仿真公司而言,美德传统仿真企业的优势一般体现在传统车辆动力学、交通流仿真方面,侧重于ADAS功能开发。而初创公司的优势更多表现在场景搭建、对高阶智驾的支持能力等方面。
从产业结构上看,自动驾驶仿真大多以美国、德国老牌工业软件公司为主,而这同国内自动驾驶发展需求产生了偏离。
一方面,工业软件高度依赖进口,且成本高昂,行业内对国产化替代的诉求越发凸显。另一方面,随着高阶智驾的深入发展,仿真需求迎来大爆发,但业内产品满足多样化需求的能力有限,自动驾驶仿真市场依然有很大增量空间。
正因如此,智驾市场也迎来更多新锐Tier2玩家入局。
二、布局四个仿真软件平台 已获得多家主机厂青睐
昇启科技于2022年8月份成立,短短不到一年半的时间,昇启科技的落地节奏正在有序推进。
基于客户多样化需求,昇启科技推出了自动驾驶仿真和智能控制开发工具链,目前正在四个软件平台上进行布局。
首先在仿真层面,昇启科技推出了千行自动驾驶仿真平台,提供地图构建、智能交通流、感决控模型、车辆动力学、V2X通信、二次开发接口、性能评估等全栈功能,打造真实、高效的自动驾驶测试虚拟环境,提供端到端模型的研发路径。
▲千行自动驾驶仿真平台
同时,地图数据也是模拟现实世界的地理信息的关键工具。
因此,昇启科技打造了便捷易用的地图编辑平台——千行RoadEditor,可以直观进行道路绘制,同时具备丰富的路网功能组件,灵活的交通流和信控配置方案,并具有多格式兼容和跨平台的优势,大大简化了地图编辑工作流程,提高了地图编辑效率。该平台预计在今年年底上线。
▲使用千行RoadEditor生成自动驾驶仿真场景
此外,自动驾驶仿真需要庞大的数据库,涵盖场景库、地图库、车辆库、传感器库、交通参与者行为模型库等,这就需要一个支持场景库编辑的平台,保证可靠性、准确性。而昇启科技的场景库编辑平台,也将于明年一季度发布。
▲人车混杂场景仿真
最后,预计明年上半年AI训练平台也会对外开放,帮助合作企业以轻代码量的方式迭代算法模型。
三、智能体交互建模解决同质化 轻量化小模型实现端到端
在聊完产品规划和执行节奏后,孙琪也向车东西介绍了商业合作情况和技术优势。
当下,昇启科技作为一家初创企业,已经有多家主机厂、政府、高校抛来了橄榄枝,特别是传统主机厂的合作意向尤为强烈。
昇启科技是如何赢得众多意向客户的青睐?
从源头上看,这家公司的背景十分特别。此前,中国自动驾驶仿真创企相较国外巨头来说,工业软件能力或存在些许差距。但这家初创公司在成立之处就注入了清华底蕴,其核心成员和技术源于清华大学车辆与运载学院,积累了优秀的突破创新能力和工程化经验深刻理解行业需求,具备一流的战略视野和行业洞察力。
与国外大型工业软件公司相比,初创企业在技术成熟度、资金储备方面的确存在差距,但对于客户需求的满足、降本增效的能力依然是合作企业的首要考量。
孙琪表示:“客户选择有两个决定性要素,第一是功能满不满足客户需求,第二降本增效到底能给客户带来多大价值。”
当下,智驾相关政策逐渐完善,但何时实现无人驾驶公开上路仍未可知。
孙琪指出,虽然行业内不断释放积极信号,但高阶智驾准入仍存在巨大法规空白,短期内也不能实现大规模的公开道路测试,绝大多数的测试将会在仿真环境中完成。
面向ADAS开发的仿真软件大多采用人工搭建的场景,存在场景同质化、覆盖度低的问题,很难为高阶智驾提供准确可靠的仿真验证。
对此,昇启科技的千行仿真平台结合类脑学习、对抗学习技术赋能交通微观行为建模,以实车路采和AIGC数据融合驱动Transformer模型训练,突破了传统交通行为模型呆板、固化、单一的局限性,具有高实时、高保真、强交互、多样化的特点,并可根据持续性的交互数据实现差异化驾驶风格的自主进化。
▲机动车驾驶员驾驶风格参数设计
孙琪用了“压力测试”的概念,即以无限场景中不同智能体的交互行为为支撑,实现大里程测试中的场景不重复,确保仿真场景真实、有效。
他举了一个AlphaGo下围棋的例子,AlphaGo的逻辑背后就是用机器不断的交互迭代,最后打败人类世界冠军,这和昇启科技仿真的底层逻辑十分相似。
▲同AlphaGo的人机对抗
孙琪表示:“我们通过AI算法赋能,打造出一套足够轻量化并且足够智能的交通参与者行为模型,随机性的部署仿真环境中,作为智驾交互基础支撑驱动训练。”
和AlphaGo下围棋一样,每盘训练棋局都是不重复的,而昇启科技的训练场景也可以保证不重复的压力测试,这就保证了仿真数据的覆盖度和利用率。
值得注意的是,这里的交通参与者行为模型并没有采用传统的模块化规则,而是通过交互数据训练得到的端到端模型,即人工神经元取代几十万条专家规则。目前,这种智驾垂直领域的小模型,不仅大规模地部署在仿真平台,还与多家OEM联合研发实现了封闭道路和公开道路的应用验证。
▲AI交通流模型的自进化框架
四、人均产值百万 才能实现智驾行业盈亏平衡
在了解完公司主营业务情况后,车东西也了解到该公司的未来规划。
提到公司下阶段的业务扩张,孙琪也表示,昇启科技短期产品研发还是会以乘用车为主,打造坚实技术优势,此后可能会涉及商用车、低速物流车、机器人、无人机等领域。
对于盈利预期,孙琪给出了一个较为具体的答案。他表示,人均产值达到100万才能盈亏平衡,这大概需要3年时间,明年争取做到2000万的订单。
回顾这段创业经历,孙琪不吝分享了他吸取到的经验教训。
在商业合作方面,要把握好目标客户的需求。孙琪总结到,“在中国,跟甲方沟通一定要尊重游戏规则,不要想着去制定规则。不能想当然,要了解怎么才能进入一个大客户的体系。进行项目沟通的时候,一定要站在对方的角度,先挖掘清楚诉求,做好功课再去,面向需求来做产品,而不是先自己拍脑门就做产品。”
团队建设方面,目前昇启科技的人员规模在30人左右,员工90、00后居多,明年预计在40人-50人,始终会坚持研发为主的人员扩张策略。
谈到人员的时候,车东西发现了一个非常有意思的点,在采访进行到下午六点左右的时候,整个办公环境内少有员工,过了七点更是空无一人,而在此期间,只有活动室里传来了员工的欢闹声。
孙琪笑着对车东西表示,他们公司的团队氛围非常好,员工留存率非常高。周五晚上会有员工自发聚团建,在活动室打德州扑克,年底还计划了滑雪团建。平常员工上下班也没有打卡制度,“我们不卡上班时间,但是严格把控研发进度”。
孙琪也提到,团队建设上,公司年轻人很多,关注每一个员工的职业能力发展,允许失败,但要做好复盘和快速调整方向。他打趣到,“创业路上不可避免要交学费,但听听别人话,能少交一点是一点。”
结语:昇启科技已做好加快落地的准备
孙琪指出,做自动驾驶供应商最重要的就是满足合作伙伴的需求。目前自动驾驶仿真产业还是个增量市场,最重要的事把产品做出来、宣传出去,提高知名度和行业影响力。
目前,昇启科技除了已经推出的千行自动驾驶仿真平台外,还根据不同客户的要求,提供了地图编辑、场景库编辑、AI优化等服务平台。
在此基础上,昇启科技还拥有一套在智能体交互建模方面的模型,通过对驾驶员行为进行多维度的建模、以及对环境车辆特定交互事件的灵活定制,动态生成连续、可交互、多场景的智能交通流,为自动驾驶算法模型的研发与测试提供真实的仿真测试环境,打造出技术壁垒。
而这些,也正是昇启科技短期内拥有大量意向客户,并且逐步加快落地进展的核心所在。