4月22日，阿里達摩院對外發布自動駕駛“混合式仿真測試平臺”，可以實時模擬前后車輛加速、急轉彎、緊急停車等場景，加大自動駕駛車輛的避障練習難度，模擬一次極端場景只需30秒，每日虛擬測試里程可超過800萬公里，大幅提升自動駕駛AI模型練習效率。

據介紹，針對極端場景數據不足的問題，阿里這款仿真平臺可以在30秒內即完成雨雪天氣、夜間照明不良條件等尤其場景的構建和測試，每日可支持的場景構建數量達百萬級。

目前，國內的自動駕駛仿真市場可以說是玩家云集。百度、騰訊都已經推出了自動駕駛仿真平臺，百度更將其仿真平臺列為阿波羅主要變現途徑。華為也從自動駕駛的數據服務入手，繼而延伸到練習服務和仿真服務的領域，推出了自動駕駛云服務Octopus（八爪魚）。

另一隊列，像AutoX、Pony.ai等自動駕駛創業公司也在自主研發模擬仿真環境。此外，還有如51VR這樣仿真市場的垂直公司，51VR發布的無人駕駛仿真平臺51Sim-One主要聚焦L3-L4仿真領域。

自動駕駛在研發中需要大量的測試數據喂養。美國蘭德智庫有一項估算，一套自動駕駛系統至少需要經過110億英里（約170-180億公里）的驗證才能達到量產條件。舉例來說，組建一支100輛測試車構成的自動駕駛車隊，以25英里（40公里）的平均時速全天24小時不停歇的測試，也要花費大約500年的時間。

隨著越來越多的公司將自動駕駛汽車量產提上日程，實地路測的需求旺盛，測試園區供不應求，這些都使得仿真測試成為行業的剛需。尤其是在2021年，Uber無人車就曾撞死一位忽然出現在路中心的行人，這使得各國車輛技術監管機構開始警惕在公共道路上進行的自動駕駛道路測試。

仿真測試相對于實車測試更簡單，可以使用軟件設置復雜的交通場景，同時可以重復測試，更簡單發現和定位問題。一般來說，無人駕駛高效的測試流程是，先在電腦軟件上通過仿真技術測試來升級算法，確保它在虛擬環境中可以運行，再進行封閉場地測試，很后再進行道路測試。

根據《中國自動駕駛仿真技術研究報告（2021）》的猜測，未來5年仿真軟件與測試的國際市場總規模約在百億美元左右。（文／AI財經社唐煜編／趙艷秋）