自動駕駛仿真測試平臺能很好地補足傳統實地路測的不足，成為自動駕駛企業的剛性需求。據推算，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。

　　自動駕駛仿真指通過傳感器仿真、車輛動力學仿真、高級圖形處理、交通流仿真、數字仿真、道路建模等技術模擬路測環境，并添加算法，從而搭建相對真實的駕駛場景來完成自動駕駛汽車路測工作的一種形式。

　　在 2019 年 4 月上海車展上，華為自動駕駛云服務 Octopus 首次展出，仿真測試就屬于其中一項服務能力。2020 年 1 月 9 日，華為自動駕駛云服務首次在長沙湘江新區落地。

　　盡管華為在汽車領域是后來者，但華為認為，自動駕駛的快速開發上市及功能迭代，將是車企在未來智能網聯競爭中率先贏得市場的關鍵，但在這個過程中，自動駕駛的開發者面臨的挑戰也十分明顯。

　　一是如何快速獲取自動駕駛車輛產生的海量數據并且高效處理？一輛自動駕駛測試車 1 小時產生約 8TB 數據，一天 8 小時就會有 64TB 的數據。一個月按 22 天工作日則產生約 1.3PB / 月的數據，但其中有效數據僅為 0.05%，同時還有 80 萬張 / 車 / 天圖片有待人工標識；二是訓練和仿真需要 AI 算法和超強算力的加持。單車預計需累積里程 100+億公里，300GPU/2 天模型訓練，仿真測試則每天需處理 100 萬公里；三是仿真層面不僅需要大量場景支持在線仿真，同時也需要有以實車為主的決策規劃仿真系統。

　　華為的自動駕駛云服務 Octopus 形為八爪魚，服務覆蓋自動駕駛數據、模型、訓練、仿真、標注等全生命周期業務，向開發者提供包括數據服務、訓練服務、仿真服務在內的 3 大服務。

　　在上述的三大服務之下，華為的自動駕駛云服務“八爪魚”能為企業用戶提供以下核心能力：

　　處理海量數據，自動化挖掘及標注，能夠節省 70%以上的人力成本；軟硬件加速，平臺提供華為自研昇騰 910 AI 芯片和 MindSpore AI 框架能大幅提升訓練及仿真效率；豐富的仿真場景，高并發實例處理能力：通過集成場景設計和數據驅動的方法，合計提供超過 1 萬個仿真場景；系統每日虛擬測試里程可超過 500 萬公里，支持 3000 個實例并發測試；云管端芯協同，車云無縫對接：Octopus 天然支持無縫對接 MDC（移動數據中心）等車端硬件平臺和 ADAS 系統，實現車云協同；

　　因此，華為的自動駕駛仿真能力并非單獨出現，而是作為一種服務和能力集成在華為自動駕駛云服務之中。仿真能力只是其數據閉環中的一個節點，這個節點只有與其他環節合作才能發揮出最大的組合優勢。也就是說，華為意在讓自動駕駛云服務與智能駕駛計算平臺 MDC、智能駕駛 OS 一起，發揮華為云+AI 優勢，組成車云協同的 MDC 智能駕駛平臺，開放合作促進智能駕駛快速發展。

　　華為還表示，未來會將高精地圖、5G 及 V2X 技術等能力集成到“八爪魚”中去，攜手更多的車企和開發者加速智能駕駛商用落地。“不造車，聚焦 ICT 技術，成為面向智能網聯汽車的增量部件供應商”，是當初華為進軍汽車領域時的定位。

　　無論是近日獲得 ISO 26262 功能安全管理認證證書的華為 MDC 智能駕駛計算平臺，還是位于智能汽車業務戰略金字塔頂端的自動駕駛云服務，都可見，在智能汽車領域，華為的“醉翁之意”并非是成為自動駕駛開發者，而是開發者手中的那枚利器。