在自動駕駛與智能駕駛技術蓬勃發展的當下，仿真測試成為了推動其進步的關鍵環節。自動駕駛仿真平臺能夠在虛擬環境中模擬各種真實場景，對自動駕駛系統進行全面測試，從而大幅降低實際道路測試的成本與風險。

51Sim 由 51WORLD 于 2017 年孵化，是國內領先的 AI 合成數據及仿真平臺公司，在智能駕駛仿真和數據閉環領域有著卓越的產品競爭力和商業化能力。現核心產品包括智能駕駛與機器人仿真平臺 SimOne、數據閉環與合成數據平臺 DataOne、交通信息模型平臺 TIM。

SimOne 是 51Sim 于 2017 年研發推出的具有自主知識產權的智能駕駛與機器人仿真平臺，集靜態和動態數據導入、測試場景編輯、傳感器仿真、動力學仿真、回放仿真、虛擬數據集生成、在環測試等于一體，具備全鏈閉環仿真能力。

來自行業的 KPI

目前，自動駕駛仿真軟件測試遵循一系列行業標準。

功能測試需遵循 ISO 26262 中自動駕駛功能安全要求，仿真軟件要精準模擬攝像頭圖像采集、雷達距離探測等各類傳感器數據，以此驗證自動駕駛算法在不同場景下的功能完整性。依據 SAE J3016 對自動駕駛等級的劃分，仿真軟件還應覆蓋 L0 到 L5 各等級所需場景，像城市道路復雜路況、高速自動駕駛場景以及極端天氣特殊場景等。

性能測試方面，幀率穩定性、數據輸出準確性和延遲時間等指標要求嚴格。在實時性上，常見自動駕駛場景模擬中幀率通常需穩定在一定數值以上（如 30FPS），確保模擬連貫真實。數據輸出精度要滿足自動駕駛系統環境感知需求，保證傳感器數據模擬誤差處于可接受范圍。

求真之旅無法繞行的高山

物理級精確的仿真場景

為了提升仿真置信度，51Sim 需要保證 SimOne 平臺虛擬場景渲染的精確度，能夠精確模擬真實的自動駕駛場景。同時，還需要模擬物理規律、車輛與周圍環境物體之間的交互以及準確模擬空間位置關系，確保各個物體在虛擬場景中的位置和姿態符合實際情況，也是渲染過程中的關鍵難點。

多傳感器的仿真

對于向高階智駕（L2+）發展的自動駕駛仿真系統來說，傳感器的數量和種類也在顯著增加。除了基本的虛擬場景渲染，SimOne 平臺還需要支持多路不同攝像機的仿真，這進一步增加了系統的復雜性和 GPU 渲染性能要求。特別是對于性能要求更高的魚眼鏡頭，其超廣角的視野和特殊的成像特性對渲染系統提出了更高的挑戰，帶來了更大的數據量和更復雜的圖像處理需求，如何在保證圖像質量的同時，又不降低系統的運行效率，是需要解決的關鍵問題。

仿真數據的同步性

同一場景內不同攝像機之間的協同工作、數據同步等問題都需要被妥善解決。為了確保測試結果的準確性和可靠性，不同攝像機渲染出的數據必須保持高度的同步性。任何一絲的同步誤差都可能導致測試結果的偏差，因此對同步性的要求極為嚴格。

合成數據數量與穩定性

訓練自動駕駛算法需要海量的數據，才能讓 AI 模型充分學習到各種場景下正確決策方式。然而，真實路采的數據大多都是無效數據，對于特定的場景訓練則需要海量的合成數據。對于仿真使用的合成數據，數量和數據生成的穩定性都有著極高的要求。在長時間、高強度的合成數據生成過程中，系統的穩定性和可靠性至關重要，GPU 和驅動的故障以及溫度失控都會導致性能下降，將嚴重影響整個開發進度。

加速端到端仿真系統的實踐落地

賦能實時多傳感器仿真

在自動駕駛領域，硬件在環（HIL）測試是自動駕駛方案的關鍵環節。HIL 測試的一大特點就是對仿真有實時性要求，它通過實時模擬真實駕駛環境中的各種場景和條件，對自動駕駛系統的硬件和軟件進行測試和驗證。攝像頭仿真產生的圖像序列，既可以直接軟件的方式接入自動駕駛感知系統，也可以通過視頻注入的方式，或者是黑箱的方式進行 HIL 測試。

▲ SimOne HIL 攝像頭在環黑箱檢測評價系統的架構示意圖

2025 51Sim

此圖片由 51Sim 提供，如果您有任何疑問或需要使用此圖片，請聯系 51Sim（下同）

SimOne 攝像頭在環黑箱檢測評價系統中，黑箱內的專業顯示屏受 SimOne 仿真控制器控制，主要負責運行 SimOne 仿真駕駛場景。在多路攝像的 HIL 測試中，借助由麗臺科技提供的基于 NVIDIA RTX 5880 Ada 多 GPU 仿真方案，SimOne 仿真控制器可以對多路攝像頭視頻進行實時渲染，每個 GPU 渲染其負載能力范圍內一定數量的攝像頭，以保證能夠輸出穩定幀率的視頻信號。

RTX 5880 Ada 具備 48GB GDDR6 顯存以及 14,080 個 CUDA 核心，通過將復雜的圖形計算任務分配到多個計算核心上并行處理，大大提高了數據處理速度。針對自動駕駛場景中的動態物體渲染，GPU 能夠快速計算物體的運動軌跡和光影變化，確保在高負載情況下也能保持較高的幀率。在 51Sim 的 SimOne HIL 方案中，對于三車道路口、無其他車輛的仿真場景（如下圖所示），單卡 RTX 5880 Ada GPU 可以支持虛擬場景 3 路 4K 或者 1 路魚眼攝像頭穩定的 30FPS 輸出。

同時，借助 NVIDIA Quadro SyncⅡ 同步卡可以保障幀同步輸入，從而保持多路信號的渲染場景的一致性。這種方案不僅能夠滿足多路攝像機和魚眼鏡頭的支持需求，還能確保渲染數據的同步性，為 HIL 測試提供了可靠的保障。

具體來說，在 51Sim 的 SimOne HIL 方案中，多工作站集群下使用 6-8 張 RTX 5880 Ada 顯卡可以支持多達 11 路攝像頭（當前中高端車型的主流配置）注入，基本能覆蓋現有的仿真需求，大大提升了系統的擴展性和靈活性，能夠根據不同的測試需求進行配置。

加速多傳感器數據合成

基礎的模型訓練需要大量的合成數據，生產合成數據的一種方式是仿真場景的渲染。RTX 5880 Ada GPU 憑借其大顯存的優勢，虛擬場景中能夠在增加 4K 渲染路數的同時，顯著提升視頻渲染生成的效率，保證渲染質量。

在如上圖所示的綜合城區、有稀疏交通流的仿真場景下，合成輸出 60 秒、幀率為 30FPS、碼率為 32768 的視頻，單張 RTX 5880 Ada 進行 3 路 4K 的渲染輸出時，能調用 33.7GB GPU 內存，最終渲染效率為 14.28（渲染效率 = 攝像頭數量 × 視頻幀率 × 視頻時長 / 渲染時間）。而 4 路 4K 渲染輸出可以調用 42.3GB GPU 內存，效率則提升至 15.13。RTX 5880 Ada GPU 顯存為 48GB，因此可以同時支持更多的攝像頭高效渲染。

RTX 5880 Ada GPU 在處理大量渲染任務時，不僅能夠支持更多的合成數據并行渲染，還能在長時間、高強度的工作狀態下，提供出色的可靠性和穩定性，確保了合成數據的質量和數量，為 SimOne 自動駕駛算法的訓練提供了堅實的基礎。

為了提高數據的有效性，提高場景生成的效率，51Sim 也在探索 AI 生成合成數據的方案，即使用視頻生成模型，輸入動靜態結構化場景，輸出多視角一致的攝像頭合成數據。不同的攝像頭或傳感器配置會產生不同分辨率和幀率的視頻數據，數據量巨大。也同樣需要 RTX 5880 Ada 強大算力以及穩定性的支持。

鮑世強51Sim CEO表示，“當然這個合成數據的集群是要全自動化全天候運行的，所以對顯卡的負載是非常大的。顯卡在這上面 24 小時在運行數據，所以這塊我們也采用了專業卡的方案。隨著合成數據需求的增加，這個故事可能剛開始。”