摘要

“埃森哲的前CEO皮埃爾（Pierre Nanterme）先生講過，如果持續地推進數字化轉型，就能夠把產品的設計復雜性這一挑戰，轉變成我們企業和產品的競爭優勢。在當今的數字時代，我們的工業界，包括汽車業界，每家企業都面臨著巨大的數字化轉型壓力，包括數字化研發、數字化制造、數字化管理，還有數字化服務，我相信這是每個管理者必須面臨的轉型課題。

西門子在近十年來，已累計投入超過百億美元，堅持數字化轉型，向業界包括汽車界，尤其是汽車自動駕駛行業，提供全方位的數字化解決方案，確保商業伙伴在數字化浪潮中笑到最后、贏到最后。

近十年來，西門子累計投資超百億美元，通過持續的產品研發以及對全球各領域頭部企業的收購，形成了從自動駕駛芯片和原型控制器設計、自動駕駛系統開發、車輛性能設計、電子電器架構設計和軟件工程、測試與驗證方案、城市智慧交通層面的設備和設計技術，提供了最為完整和領先的自動駕駛開發測試驗證的數字化解決方案。

黃漢知先生是西門子數字化工業軟件自動駕駛產品線大中華區的總監，他在ADAS和自動駕駛系統的數字化仿真開發和測試、碰撞安全性能的仿真開發和測試等領域具有豐富的工程和市場經驗。

黃漢知有近20年從業經驗，曾在Delphi、Continental從事汽車駕駛輔助系統和主動安全系統的產品開發和應用；隨后帶領TASS International中國分公司從事駕駛輔助、自動駕駛系統、汽車碰撞安全性能的仿真開發和測試業務；隨著TASS International并入西門子數字化工業軟件，他繼續向業界合作伙伴提供領先的技術和方案。他還擁有多項智能駕駛相關專利。

佐思汽研對黃漢知先生進行了專訪。

Q1PreScan被西門子收購后，主要實現了和哪些西門子仿真工具的打通？PreScan主要增強了哪些功能？

黃漢知：我先簡單介紹一下PreScan的歷史。PreScan是自動駕駛系統仿真的工具，最早是由荷蘭公司TASS International開發和商業化。在中國，PreScan商業化最早從2011年開始，距今已經有10年的歷史。2017年TASS International被西門子收購。

PreScan作為全球最為成熟、商業化最早、技術最為領先的自動駕駛數字孿生工具，PreScan和西門子仿真工具的打通有以下幾個方面：

第一，2017年西門子也實現了對Mentor的收購，Mentor既是EDA領域的全球巨頭，也是軟件生命周期管理ALM的數字化工具的領先者，是我們企業在面臨軟件定義汽車浪潮時，一個重要的數字化工具。

PreScan跟ALM軟件生命周期管理工具的打通，直接把系統功能需求和軟件需求，通過需求管理工具導出測試的用例，在PreScan仿真測試環境當中進行執行，PreScan測試優化改進的結果，也可以直接對應到軟件的版本管理。

第二，車輛動力學的工具，西門子有AMESim系統仿真工具，也是全球最為精細的底盤動力學工具，和PreScan實現了打通。

第三，自動駕駛需要海量的測試工況，西門子也有基于AI的場景創建、搜索、優化工具HEEDS，也和PreScan實現了打通。

第四，西門子有自動駕駛道路數據采集方案—SCAPTOR，可以進行道路數據采集，關鍵場景提取，模型化，然后導入到PreScan中，實現測試場景庫的豐富。

第五，西門子的企業級平臺和數據管理工具Teamcenter，在業界是數一數二的企業級數據管理工具，不管剛才說的海量測試用例，還是需求管理，還是軟件版本優化，都可以和西門子Teamcenter數據管理平臺實現打通。

第六，我們還提供咨詢和配套服務。西門子有自動駕駛的封閉測試場，符合標準認證的試驗場。服務車企方面，我們協助自動駕駛數字化研發流程的建立。

PreScan增強了哪些功能？這里主要涉及五點：

① 顯著改善了場景視覺效果渲染；

② 提升了軟件運行實時性，和全球主要實時硬件平臺的兼容性；

③ 環境感知、傳感器的物理模型，一直是PreScan在自動駕駛領域絕對的優勢；

④ 自動駕駛海量場景的自動創建、搜索和篩選；

⑤ PreScan的云部署，支持云計算。

Q2PreScan合并到西門子工具鏈，對于爭取客戶訂單帶來哪些幫助？

黃漢知：自動駕駛系統和傳統汽車電子系統最大的不同，就是它的產品生命周期不是隨著汽車SOP就結束。隨著OTA技術普及，自動駕駛系統即使交付終端用戶后，也會持續優化-迭代-升級-更新-下發。如果企業在內部保留了一個數字孿生的自動駕駛系統，就可以實現全生命周期的優化迭代。

自動駕駛系統的研發不是某一個研發部門所能完成的，也不是一個單獨的研發體系。就像剛才講到的，西門子PreScan雖然是自動駕駛的系統開發工具，但是跟功能需求的管理，軟件版本的管理，包括海量測試場景的自動創建、搜索，跟自動駕駛道路數據模型化的打通，以及與企業數據管理平臺等一起，構成一個全面解決方案。這樣，客戶就無需選擇不同供應商的數字化工具，節省了開發成本又提升了效率。

我相信一體化解決方案，對于企業客戶是極具吸引力的。

Q3西門子實現了自動駕駛全生命周期閉環的系統開發支持，會不會降低了PreScan的開放性？如果保持了開放性，那么這兩年在開放性方面取得了哪些進展？

黃漢知：PreScan的開放性，這幾年取得了巨大的進展。

首先，PreScan從商業化開始就是一個具有極大開放性的軟件平臺，特別是對PreScan數字仿真工具的合作伙伴和用戶，用PreScan來測試他們的自動駕駛算法，對算法平臺的兼容性一直是非常的開放易用。

其次，我們也注意到最近幾年來，科技公司互聯網公司紛紛進入自動駕駛領域，為了適應這部分客戶的需要，PreScan已經從以前的基于圖形化、界面操作的仿真工具，進化成了基于API接口、代碼化操作的功能。

而且，Prescan對包括OpenX格式在內的場景數據的格式兼容性，也非常好。

PreScan同時在多種云平臺的兼容性上也十分出色。我們可以公開的商業合作案例，比如：跟微軟的Azure、亞馬遜AWS的兼容，以及國內一些云服務商、云平臺的兼容，跟國內工程公司的私有云平臺的兼容。在RT（Real time）實時性領域，也爭取與主流實時計算平臺的兼容，得到了持續優化和增強。

Q4西門子的自動駕駛道路數據采集系統，主要客戶是誰？這些采集的真實場景，能夠很方便的轉化為仿真場景庫嗎？

黃漢知：西門子的自動駕駛道路數據采集系統—SCAPTOR，是2021財年正式發布的一款新產品， 其技術來源主要是在德國，最初主要的客戶是德國從事ADAS和自動駕駛的OEM整車廠和零部件供應商。目前這個系統在國內進行推廣，也取得了很大的進展。SCAPTOR采集的真實場景可以很方便的轉化為仿真場景模型，主要有以下幾個技術點。

第一，進行道路數據采集的時候，通過人工或自動方式，給采集的這一段場景數據打上標記，標記其危險程度等。

第二，采集回來的真實場景，計劃把它做真值的提取。一方面通過西門子內部開放的技術能力做真值的標注和提取，同時也跟外部做真值標注提取的服務公司合作。

第三，有了這些真值數據的標記標注，也會去篩選關鍵的、危險的Corner case，從而最后把這些關鍵場景模型化，轉化為PreScan仿真工具所能夠兼容的仿真場景庫。

Q5PreScan和西門子的數字孿生技術有了很好的融合。客戶對數字孿生的應用需求如何？數字孿生在汽車的發展趨勢和技術挑戰是什么？

黃漢知：目前我們的自動駕駛數字開發工具，在國內的客戶群體可以劃分為這么幾類。一類是少數的頭部OEM，他們順應自主研發還有軟件定義汽車這些潮流，建立了自己的自動駕駛系統，包括算法，軟件，甚至是計算平臺的設計能力。這些公司對仿真工具的應用是比較有特色的，對數字孿生應用的需求涵蓋面廣。比方說：

第一，對不同場景下傳感器環境感知聚類算法的研發。

第二，從原始數據級別開始做感知的融合。

第三，在實現公司自定義的ODD（設計運營區域）時，需要的環境感知傳感器配置的評估，或者能力、組合、數量、可用性的分析。

第四，對控制規劃決策算法的訓練和測試優化。

第五，結合汽車底盤動力學的物理學極限，去設計自動駕駛規劃和控制算法，這是應用最全面的一類客戶。

第二類客戶對數字孿生的應用就有一些局限性，也是比較多的OEM客戶所面臨的情況。他們也意識到數字孿生技術所需要的應用，但是自己的技術積累可能還需要一步一步的推進。目前很多的OEM會用數字孿生的工具做硬件在環測試，我們大多數硬件在環測試，有的只是側重功能驗證上，有的只是側重在狀態機邏輯的確認上。第二類客戶應用的范圍就會稍窄一點。

第三類客戶是傳感器企業。近幾年來，國內涌現出眾多出色的視覺、毫米波雷達和激光雷達科技公司。這些公司就會用到我們非常精細的PreScan的環境感知傳感器的模型，用于做他們傳感器本體設計的優化，目標聚類算法的訓練測試和優化等等。

第四類客戶是一些科技公司。他們也意識到未來是要走全云化的自動駕駛數字孿生方案，所以不管是海量的場景庫，還是系統的仿真數字孿生平臺，以及最終測試性能指標的評價，都要走向全云化。

Q6數字孿生應用的案例

佐思：數字孿生還是比較抽象的。我們看一些自動駕駛公司的一些應用展示中，往往會有多個窗口，其中有一個窗口是車輛攝像頭看到的真實場景，旁邊還會有多個小窗口，其中有一個窗口用于虛擬化展示感知到的行人、車輛。這是您講的數字孿生技術應用嗎？

黃漢知：我也在想象你描述的畫面。按照你說的場景，第一個窗口是車載攝像頭采集的原始圖像，第二個窗口就是它的環境感知算法對周圍交通參與者的識別和特征提取的窗口，我覺得這是一個非常形象的展示。

但是我們要知道，數字孿生技術不單是一個可視化的形象展示。我們自動駕駛的數字孿生包含多個方面的數字孿生，不單是交通的場景，還有環境感知的特性，包括算法的結果，以及底盤動力學的特性。這四個部分都要有一個完整的數字孿生模型。

你提到的這個，我猜測可能是環境感知方面的。數字孿生也要體現環境感知傳感器的一些特性和感知結果的性能，它不單是圖像化展示直觀的表象，表象下面還有更多的細節。

佐思：還有一種應用場景是測試場。比如測試道路上有輛測試車，但參與測試的車輛數量比較少，而真實的交通場景會有很多輛車。在測試場里（由于成本等原因）不能同時運行很多車，所以這時需要虛擬生成很多車輛。通過虛擬和真實的結合，形成一個更加完整的交通系統。這是不是也算一種數字孿生應用？

黃漢知：你這個描述非常好，在我們過去的一些商業實踐和商業項目中，也意識到這個需求。但還是那句話，展示會給我們一個表象的印象，背后有很多的應用模型。

舉個例子，最近我們在V2X領域，特別是在基于V2X的智能駕駛領域，不管是要做車載通訊模塊，終端的壓力測試，互通互聯的測試，協議棧的測試，還是要做上層的基于V2X智能駕駛的應用算法的測試，都面臨一個問題，需要有比較好的5G基礎設施的實驗場，還需要其他交通參與者構成的目標車，這勢必對物理測試的成本提出一個非常大的挑戰。

但是我們可以通過數字孿生的方式大幅降低物理測試成本，提高測試效率。使用的方法就是：被測的主車以及主車的車載模塊，是物理的硬件；其他的交通參與者目標對手車，不管是想設置少數幾輛還是多達幾十輛，甚至上百輛，都可以用數字孿生的方式，把這些車的數字模型建立到數字孿生的環境下，包括車載V2X通訊模塊的性能，也可以通過PreScan數字孿生的方式建立它的模型，或者通過射頻模擬等技術，來做一個虛實結合的測試，通過這些技術手段，就可以提高測試的效率，降低測試的成本。

第二，通過虛實結合的方式還可以仿真一些危險場景，在一些路上只能是偶然遇到，但是實驗場很難出現的場景。

第三，有了一些基礎的場景，但是要進行高覆蓋度的發散式的測試的時候，也可以用數字孿生的方式。在主車的周圍，構建我們想要的任何交通參與者的行為和分布，來提高測試的覆蓋度。

Q7跟同類型的仿真軟件公司相比，西門子的優勢在哪里？

黃漢知：我就談談我的理解。我也注意到，最近市場上有很多公司，進入到自動駕駛數字仿真領域中來。相比于這些“后起之秀”，西門子的PreScan從品牌到技術都相對成熟，也比較系統化，全鏈路打通的自動駕駛的數字孿生平臺，在智能網聯汽車時代可以充分滿足客戶對虛擬仿真、物理測試和驗證手段的需求，目前已經得到了最廣泛的認可和應用。

Q8請問與中國本地場景庫的建立和合作方面，西門子有哪些布局？

黃漢知：不管是在全球還是在國內，都有一些非常出色的項目，正在研究場景庫的定義邏輯、數據標準。舉個例子，比如ASAM組織（西門子和西門子數字化工業軟件也是其中技術委員會的成員）主導了一些國際通用的Open系列場景庫文件數據格式的定義。

我們正在跟國際的、本土的場景庫數據公司做深入和全面的合作。不管是在技術打通層面，還是在商業客戶項目層面，都有非常多的成功范例。

Q9針對中國的交通環境，西門子做了哪些本地化的開發？

黃漢知：我舉兩個小的例子。

第一個，在西門子的交通場景模型庫里邊，體現了非常多中國特色的一些交通參與者，比如說在PreScan正式版本的發布中，有上汽通用五菱非常受歡迎的車型數字模型，也有南京金龍開沃無人駕駛接駁車模型，以及中國特有的土方車、泥頭車等模型。

第二個，我們場景中除了有以上元素外，還要構建不同的行為。中國本地的交通參與者，在道路上駕駛行為模式的分布方面，西門子做了非常多的本地化的研發。

Q10傳感器仿真方面，PreScan近期有哪些進展？下一步準備支持哪些功能？對于4D毫米波雷達，對于各種路線激光雷達，是否都有支持？

黃漢知：PreScan在環境感知傳感器這塊，一直處于絕對的技術領先地位。不管是車載的攝像頭，還是毫米波雷達，超聲波，激光雷達，V2X領域，都建立了非常深入的物理學感知特性的模型。

對4D毫米波雷達和各種激光雷達都有支持。關于毫米波雷達，不管是在目標級仿真、目標感知精度、分辨率，以及能量級仿真、原始信號級仿真上，都有非常完備的特性模型。

在激光雷達模型上，決定激光雷達感知性能的紅外波段，波束能量和波束大小、掃描模式、波束在不同媒介中的傳播衰減，還是在不同材質、形狀、顏色、目標的表面特性下的反射率，以及激光雷達的信號接收效率等等特性都有支持。對各種技術路徑的激光雷達都是支持的。

Q11請您展望一下智能網聯汽車仿真領域的未來發展趨勢。

黃漢知：在自動駕駛仿真領域，我覺得我們是當之無愧的領頭羊。

西門子在數字化研發、數字化制造、數字化管理、數字化服務等多個領域，發展都非常的快。在汽車領域，不管是自動駕駛數字仿真、軟件定義汽車、軟件生命周期管理，也都發展迅速。

關于發展趨勢方面，首先智能網聯汽車的仿真，不單是智能網聯研發部門需要仿真開發工具，同時要跟企業的數字化研發平臺和企業的數據管理平臺、企業的軟件生命周期管理平臺打通，這樣才能最大化發揮智能網聯汽車仿真的數字化優勢，這是第一個發展趨勢。

第二個發展趨勢，汽車自動駕駛行業期待的是一個成熟、穩定、功能完善、平臺開放，支持云計算平臺的數字化仿真應用環境，所有的這些都是我們的發展方向。

關于Prescan軟件工具本身，我們有幾個發展趨勢，第一是更加物理化，更加精準的數字孿生的模型；第二是更加靈活、更加高效率的云計算平臺；第三會在滿足功能安全和SOTIF需求的海量場景的創建、搜索以及關鍵場景的提取上重點開發；最終，構建企業開發平臺級別的數字化研發工具鏈，提高企業研發效率，降低研發成本，實現最優的自動駕駛系統性能，賦能自動駕駛企業直面數字化挑戰，成為數字化浪潮下的成功企業。
編輯：lyn