去年11月，工信部等四部委联合发文，提出将遴选具备量产条件的L3及L4级别无人驾驶汽车开展准入试点。随后，仅一个多月国内就有近10家整车厂官宣获得L3路测牌照。
L3新政引发的路测热潮还未褪去，近日工信部、公安部等五部门又提出，将于2024-2026年期间在国内建成一批城市级“车路运一体化”应用试点。
要知道在无人驾驶领域，车路协同一直被认为是迈向高阶自动驾驶的必由之路。这在某种程度上预示着，本次“车路云一体化”应用试点的启动，或将进一步加速高阶智驾的功能迭代，推进智能驾驶真正迈入“iPhone 时刻”。
对于无人驾驶，L3不仅是一个关键的技术拐点，同时也代表着更高的落地门槛。
因为进入L3阶段，表明在一定的ODD下系统将可以执行全部的动态驾驶任务，实现真正的无人驾驶。这无疑对系统提出了更高的安全性以及可靠性要求。
目前一致认为，无人驾驶系统要想实现尽可能高的可靠性，正式上路之前必须开展多种不一样的测试验证，且随着级别越高，应用场景越复杂，对测试的要求会同步提升。
正是洞察这一需求，基于在无人驾驶研发测试领域多年的深耕，虹科于2023年宣布将无人驾驶事业部独立为康谋科技有限公司，专注于为无人驾驶提供一站式的研发及测试解决方案。
具体来看，康谋无人驾驶解决方案涵盖了从数据采集和处理，到仿真模拟，再到集成HiL的全流程需求，可以多维度赋能无人驾驶研发人员快速开展功能验证，加速应用创新和导入。
无人驾驶发展到今天，数据驱动已经是公认的必由之路。尤其高阶自动驾驶的研发，一定要通过在数据采集车上搭载多种不同的传感器，进行多源数据采集，以覆盖尽可能多的场景，包括各种corner case，才能更好地进行算法训练和功能验证，进而驱动系统不断成熟。
针对这一需求，康谋在数据采集记录方案中采用了DATALynxATX4车载服务器作为采集平台，内置AMDEPYCTM7003/2系列处理器，并配备了7个PCle拓展卡槽和大容量BRICKSTORAGE存储，以支持广泛且高效地采集和存储各类不同接口的传感器数据。
考虑到无人驾驶系统中，每个传感器都有自己的时间戳，难以避免会出现因各个传感器采集的数据存在时间偏差，导致感知算法无法准确地将感知数据融合到同一时间坐标系中，影响感知结果的精度和可靠性，该方案还支持相应的XTSS时间同步，包括gPTP和PTP协议，如此一来可以使智驾系统所搭载的传感器、控制器和其他组件更高效地协同。
除了强大的硬件支持，在数据采集环节，康谋还能够给大家提供用于开发驾驶辅助系统的ADTF软件，涵盖一系列的功能和工具，包括数据记录和验证、快速原型设计、仿真和后处理等，帮助研发人员快速评估系统性能和调试算法。
而在仿真测试阶段，康谋的核心解决方案是端到端的无人驾驶仿真工具aiSim，该方案搭载了自研的仿真引擎aiSim AIR Engine，目前已经升级到aiSim 5版本。
据了解，aiSim 5不仅保留了前几代aiSim的所有优势，包括物理级传感器仿真，高精度的天气模拟和光线模拟，道路退化情况模拟等，并能够基于物理传感器模型生成全面的仿真条件实现环境交互，还引入了基于AI的多传感器仿真渲染，能够给大家提供高质量的虚拟传感器数据流，同时具备高并行性、减少内存占用、平衡工作负载和异步数据传输等功能特点。
在此过程中，aiSim可以针对实时性能和硬件在环仿真、精准的视觉感知等差异化仿真需求，提供量身定制的双边技术，并通过添加外部渲染API，支持NeRF、3DGS等混合交通场景模拟。
特别值得一提的是传感器仿真，众所周知，无人驾驶功能的实现，需要依靠大量传感器来感知周围环境，为后续规划控制提供决策依据。因此在仿真测试中，仿真平台也需要能精准地模拟传感器的工作原理和数据输出，才能确保测试结果的高准确性和可靠性，否则高可靠的智驾系统将是空谈。
对此，在aiSim AIR Engine中，康谋不仅内置了多个即时使用的传感器模型，还支持通过Sensor API集成第三方供应商开发的传感器模型，用于快速测试和验证不一样的传感器。
而且除了摄像头、激光雷达、毫米波雷达等常规传感器，虹科原测试测量事业部孵化出来的独立公司德思特，还针对GNSS、P-BOX等推出了一系列的仿真测试解决方案，助力实现高精度的仿真测试。
伴随着新能源汽车变革迈入以智能化为核心的下半场，在相关细分领域相继催生一批风口赛道，对这些新的增量市场，虹科均开展了相关的布局，多维度助力汽车产业全面智能化升级。
比如车载通信方面，伴随着以智能驾驶和智能座舱等为代表的各种新功能快速上车，驱动车载通信数据呈现爆发式增长，由此对车内通信网络的带宽、实时性、可靠性和安全性等方面的要求也慢慢变得高。
目前来看，依靠传统的车载网络技术，如CAN、LIN、FlexRay以及MOST总线等，已经越来越难以满足智能网联汽车的快速发展需求。比较之下，车载以太网由于具备高带宽、低延迟、高可靠性和高扩展性等优点，可以有效解决传统车载网络技术面临的带宽不足和延迟等问题，被一致认为是未来车载网络技术的发展趋势之一。
针对这一趋势，虹科构建了一套用于建立车辆内部网络，实现高速数据传输和实时通讯的车载以太网方案，能支持传感器数据采集、SOME/IP节点仿真测试、MACsec汽车安全验证以及捕获车载网络链路数据等多种场景应用。其中针对传感器数据采集，虹科的以太网方案以Technica交换机、转换器、激光雷达等以太网控制域为主，将TX与T1互转，能轻松实现激光雷达数据的快速交换和处理。
考虑到CAN、LIN、FlexRay等在车载网络中依然兼并存在，甚至在智驾领域，串行链路也是常见的数据传输形式，基于CAN、CAN FD、LIN、TSN等主流车载网络，虹科也能够给大家提供从数据采集、监控和分析，到网络性能仿真和优化，网络配置和一致性测试，再到架构开发和服务等一系列方案，充分满足整车厂的多样化开发需求。
除了车内通信，V2X无线通信同样是虹科布局的重点。相较于单车智能，V2X由于能够最终靠“聪明的车”+“智慧的路”深度协同，促进高级别无人驾驶，乃至更广义的智慧交通发展，很早就被确定为智能网联汽车的“中国方案”，并在过去数年里得到了政策的全力支持，和产业链企业的积极布局，包括虹科。
面向V2X应用，目前虹科旗下德思特已经构建了全方位的V2X/ITS通信产品组合，从软件协议栈管理平台到硬件OBU、RSU，能够给大家提供全流程端到端V2X通信方案。通过采用专有的安全堆栈和协同融合滤波，德思特能够给大家提供强大的V2X集成开发能力与可靠的防篡改加密保障，并支持DSRC、C-V2X等多种接口通信，和轻量级、汽车级、工业级多种型号选择，具有模块化、低延迟、高稳固的特点。
据悉，相关方案目前已经通过了美国OmniAir和欧洲CE认证，可广泛应用于辅助驾驶/无人驾驶、智慧道路边缘计算、智慧城市建设管理等领域。
值得关注的是，除了从研发测试环节为智能网联汽车发展赋能，基于在汽车电子与工业自动化领域多年的深耕，针对整车生产制造以及售后等，虹科也形成了一套完整的解决方案。
针对汽车行业数智化转型，虹科原数字化+AR业务孵化了独立子公司——安宝特，该公司定位为汽车智能制造辅助系统，通过以AR眼镜为核心，配备远程协助、数字化工作流、AI识别、AR知识库等定制化软件平台，可以为汽车制造提供精准的品质检测和流程控制辅助，帮助整车厂加速迈向工业4.0时代。
比如通过佩戴AR眼镜，工作人员可扫码调取数字化标准流程，同时记录作业详情。质检人员还可通过AR标注错误部位，专家远程协助实时处理。
通过AR+AI识别方案，安宝特亦支持通过高精度、小样本的AI学习平台生成定制化的AI识别模型，用于汽车表面瑕疵检测、组装步骤正确性验证、车辆仪表盘数据读取、车牌号识别、人员车辆安全检查等场景，提升一线人员工作效率，并且该AI数据处理中心可部署在本地服务器中，保障信息安全与软件的流程运行。
在制造环节，经由原工业物联网业务孵化出来的独立子公司宏集科技，能够给大家提供包括物联网HMI、工业边缘计算、控制器方案、协作机器人、传感器方案、执行器方案、工业通信方案、预测性维护方案等在内的一站式物联网解决方案，帮助各行业推动数字化转型升级。
比如宏集HiveMQ，作为一个基于MQTT数据传输的通信平台，能支持数据在设备和企业平台之间的实时、双向推送，并提供多种不同的MQTT Broker 产品，以及企业级扩展套件，高效的MQTT客户端和云平台。而通过和AI、AR等的深层次地融合，宏集科技部署方案还支持远程协作、效率优化、智能化生产管理等场景应用，多方位实现用户需求。
在售后环节，通过与英国Pico公司的技术合作，虹科则能够给大家提供包括汽车诊断示波器、NVH振动噪音测试工具以及线上线下培训等在内的一系列产品和服务。
面向新能源汽车EV测试，虹科能支持高压系统安全检测、充电通讯与高压上/下电测试、旋变/位置传感器测试、无钥匙进入系统与倒车雷达测试、通讯网络测试与译码、NVH测试等一系列解决方案。
此外，针对网络安全、网络基础及云科技相关业务，虹科还孵化了独立子公司——艾体宝，专注于提供Adaptivecomputing高性能计算解决方案。通过HPC云按需数据中心和Moab高性能计算套件，艾体宝可以为公司可以提供超强计算能力和HPC工作负载调度编排，帮企业应对大型复杂IT环境带来的挑战，提高效率并降低IT成本。
整体来看，智能电动汽车变革带来的技术风暴，在过去数年里催生了无数崭新的发展机遇。在这场变革中，虹科始终秉持前瞻视野与创新精神，持续纵深地拓宽和完善自身产品矩阵。发展到现在，虹科已形成了从研发测试到生产制造，再到汽车后市场环节的全域产品覆盖，业务涵盖国内95%的主机厂，Tier1及零部件厂家。
接下来，伴随着智能化逐渐迈入以高阶智驾为核心的下半场，凭借着在关键技术领域的持续创新，虹科的表现将更值得期待。
当前位置： 
地址：
邮箱：
传真：