有别于传统的自动驾驶仿真环境都根据游戏引擎或高保真计算机图形创建的方式，AADS系统是一种以数据驱动的端到端自动驾驶仿真方法，通过模拟交通流来增强现实世界图像，进而创建逼真的、媲美现实世界渲染的仿真场景。
其次，Apollo平台去年7月迎来5.0版升级的时候，新增了车辆动力学模型。
传统的建模方式在模型的复杂度、模型的精准度、模型的可迁移性、可扩展性等维度上都具有很多局限性。Apollo5.0将传统的车辆动力学建模方式升级到基于机器学习的Apollo动力学模型，这一技术一下将传统方式建模结果在误差上减少了80%。
可以看出，百度在模拟仿真市场的打法强调技术的“独占性”，即人无我有，人有我强，技术具有非常鲜明的“百度”特色。
看似性感的模拟仿真也有难题
抛开陈腐的技术和标准之争，回到现实的商业层面，仿真平台的最终客户是谁？
单凭大大小小的自动驾驶研发公司显然无法支撑起一个百亿美元级的市场，且当自动驾驶技术与汽车量产结合，事情又回到了原点，如何获得主机厂的信任，突破主机厂的壁垒？在“智能相对论”看来，模拟仿真遇到了和车联网一样的问题。
1、既要懂“仿真”，也要懂汽车
从自动驾驶技术的研发来看，当前的模拟仿真平台似乎都能满足需求，但如果从自动驾驶汽车的研发需求来看，国内这些IT巨头的仿真平台就有那么些“不够看”了。
首先，IT巨头们的优势能力集中在云、数据处理、软件等层面，在底盘、芯片、以及汽车核心零部件等硬件方面缺乏足够的数据和技术积累，直白的说，就是不“懂”汽车。
其次，汽车仿真是一项跨学科的综合技术，其中包括了计算机图形、多媒体、传感器、光学和显示、材料、电子半导体、动力学等多项技术，但大多数IT企业只熟悉少数门类，这也造成现在的仿真平台大多体现真实世界的“还原”能力，即IT企业的技术长项上来。
2、平地起高楼，没有地基难生根
如果将自动驾驶汽车视为传统汽车的升级，那么自动驾驶的仿真亦是传统汽车仿真的升级。这也意味着只需在传统汽车仿真的基础上进行延展即可进化成自动驾驶仿真。
然而目前的现实是，就像平地起高楼一般，之前的地基是传统汽车仿真打的，自动驾驶仿真若要站的更高，要么自己从头做起，要么受制于人，借用传统汽车仿真地基。其中可能是一段强强联手的佳话，也可能是兄弟闫墙的故事。
3、车企传统体系惯性大，难突破
在车企的研发体系中，本来就有固定的仿真测试平台，IT巨头们所面临的问题是标的少（汽车厂商就那么多），壁垒高（传统车企的体系固化，很难轻易更换仿真技术体系），届时和车联网的竞争一样，IT巨头除了激烈的内部竞争之外，还不可避免的要与Tier1们迎头撞上。
此内容为[智能相对论]原创，仅代表个人观点，未经授权，任何人不得以任何方式使用，包括转载、摘编、复制或建立镜像。
部分图片来自网络，且未核实版权归属，不作为商业用途，如有侵犯，请作者与我们联系。
[完]
智能相对论（微信ID:aixdlun）：
•AI新媒体;
•今日头条青云计划获奖者TOP10;
•澎湃新闻科技榜单月度top5;
•文章长期“霸占”钛媒体热门文章排行榜TOP10;
•著有《人工智能 十万个为什么》
•[重点关注领域]智能驾驶、AI+医疗、机器人、AI+硬件（含无人机、智能手机、电视）、物联网、AI+金融、AI+教育、AR/VR、云计算、开发者以及背后的芯片、算法等。
