利好政策接连发布，自动驾驶受热议。但在实际运用中，自动驾驶的落地依旧面临着许多问题，测试验证难是其中一大痛点。而模拟仿真技术被业界当做这一难题的解决办法，应用日渐广泛。

腾讯作为国内自动驾驶领域的头部玩家之一，从2017年开始研发模拟仿真平台的三维场景及传感器仿真、数据驱动交通流模拟丰富的测试场景、场景型云仿真及虚拟城市型云仿真并行等核心能力，使腾讯自动驾驶模拟仿真平台处于国内领先地位。近日，腾讯自动驾驶模拟仿真平台负责人孙驰天分享了其对市场痛点及应用趋势的分析。

自动驾驶测试两大难点：数据成本和路测里程要求

自动驾驶测试目前主要面临两个难题，一个是高昂的数据采集和标注成本，另一个是实际路测难以企及的测试里程要求。

首先，自动驾驶作为人工智能技术的“皇冠”，其感知算法的训练需要采集大量的数据，这些数据集需要涵盖不同的天气、路况等交通条件，但是训练数据采集和标注的成本非常高昂，每年全球的自动驾驶开发者仅在第三方数据服务这一领域的资金投入就超过十亿美元。

另外，数据的采集和标注存在很明显的“重复造轮子”现象。每个公司都有自己的自动驾驶数据集，虽然已经有部分对外开放，但是比例很少，而且开放数据集只能满足通用的训练数据，国外数据集也很难完全满足国内的感知算法训练需要。

其次，在算法的测试验证上，行业普遍认为一套自动驾驶算法需要至少110亿英里的测试，才能达到量产应用的条件，这个距离相当于在太阳和地球之间往返50余次。而且110亿英里测试距离是针对特定一个版本的自动驾驶算法来说的，一旦算法升级，还需要重新测试，任何公司都无法承受这个成本。”