软件、场景和数据的优势倒逼硬件发展。
说到滴滴，人们第一个联想到的肯定是一个手机 App，一款软件将打车这件事搬到手机里面，方便人们使用。被称作「互联网公司」的滴滴，毫无疑问，大家看重的是这家公司在软件上的优势。
但是互联网行业已经不能算作过去人们认知中的「线上」，短短两个字无法囊括互联网向各个方向延伸的覆盖面。在这个背景下，「线上」的滴滴推出了一款硬件解决方案。
4 月 19 日，滴滴自动驾驶在上海车展发布全新硬件平台——滴滴双子星。新平台首次搭载的车型是沃尔沃 XC90 冗余车型。沃尔沃也与滴滴出行旗下自动驾驶公司签署战略合作协议，双方将在自动驾驶测试车队上展开合作。
严格意义上的自动驾驶是无人驾驶。目前能看到的很多拿掉安全员的自动驾驶测试不具有普及意义，是因为这些测试车尚未给出安全兜底方案。例如，现在的用户开车上路，大部分车上的安全保护都不需要起作用，无论是安全带还是气囊，还是车上灭火器，但这些是必要的安全兜底。一辆汽车尚且如此，更何况自动驾驶汽车，后者更需要周密的安全保护。
滴滴自动驾驶推出硬件平台，可以推断是为了下一阶段无人化测试，提前做好硬件上的安全准备。
官方介绍，基于合作签署的协议，沃尔沃汽车期望与滴滴自动驾驶建立长期合作伙伴关系，滴滴也将持续扩大其在中美两国的自动驾驶测试车队，推进实现自动驾驶商业化运营。据极客公园了解，这也是沃尔沃合作的首个中国自动驾驶公司，海外市场与 Waymo 合作。
滴滴的自动驾驶硬件平台，怎么样？
时间拨回到 11 天之前，4 月 8 日，滴滴自动驾驶发布了一支自动驾驶汽车连续 5 小时无接管的视频，过程中遭遇许多自动驾驶的复杂场景，包括连续逆光行驶、狭窄路段超车、无保护左转，以及大型路口掉头等，对自动驾驶提出更高要求的场景下，滴滴自动驾驶路测车辆表现稳定，Udacity 创始人兼董事长，谷歌无人驾驶项目创始人 Sebastian Thrun 给出的评价是，视频中的画面展现了全球自动驾驶技术领先水平。
滴滴展示这则视频，无疑秀了一把技术上的「肌肉」。据了解，在视频中自动驾驶技术的开发过程中，滴滴自动驾驶研发团队基于机器学习算法，对大量该区域的人工驾驶车辆数据进行分析和利用，以提升对交通参与者行为的预测准确性，从而改善自动驾驶车在路口避让等交互场景的处理能力。
但是滴滴并未满足于做软件本身，反而低调推出了一款硬件平台。极客公园获悉，滴滴很早就开始进行自动驾驶硬件平台的研发，其中硬件平台指的是包括传感器、计算平台，以及车内交互设备等一整套完整解决方案。双子星硬件平台在滴滴内部算作第三代产品，之所以现在向外官方宣布，是因为这一代产品能把性能做到足够高的同时——几乎是国内 L4 自动驾车顶配，成本也能降低到团队的预期值。
滴滴双子星算得上是滴滴在自动驾驶计算平台上的集大成者。传感器上，数量级和种类都做了升级，比如传感器数量达到了 50 个，并且采用多种测量原理传感器交叉使用。在远距、中距和近距都有相应传感器硬件配置，远距如 300 米外的红绿灯与交通标志可以通过摄像头来捕捉到，近距也有车身周围新增的 4 个鱼眼摄像头，覆盖汽车周围的近距盲区。
不止如此，滴滴在自动驾驶传感器套件中还增加了对红外相机的支持，以精准应对人身安全的识别。换句话说，滴滴自动驾驶为了保证行人的绝对安全，专门加了一道硬件，对行人有了更精确的识别。
而每多一道硬件，背后就需要一部分算力来支持。为了配备数量如此多且复杂的硬件设备，双子星也配备了高算力的自动驾驶计算单元，达到 700+TOPS 算力，40Gb+/s 传感器数据接入，采用车载以太网架构，实现可靠低延迟，符合功能安全要求。
并且，在保证性能翻番的同时，也能控制成本，这是沃尔沃等合作伙伴需要的，也是滴滴自动驾驶最需要的部分。据滴滴官方透露，双子星的上一代硬件平台仅支持 11 个传感器，并且和双子星的价格相差无几。甚至，在达成硬件平台标准化之后，这套硬件平台或许也能够用于其他车型的后装改造。
安全、数据，硬件平台的必然性
为什么滴滴要做一个看起来并不擅长的自动驾驶硬件平台？
从大逻辑上讲，滴滴进入自动驾驶领域与自身的核心业务网约车紧密联结，并不存在领域不互通的情况。滴滴过去几年在网约车领域获得的宝贵经验，完全可以复用在自动驾驶领域。
首先是安全，安全已经植入到滴滴这家企业的血脉当中。对于自动驾驶落地来说，仅通过软件迭代，而硬件系统没有升级，其实是缺少了系统的安全方案。打个比方，运动员只注重技巧而忽视力量训练，是无法得到进一步升级的。
以滴滴双子星与 Volvo XC90 的合作为例，双方实现了一辆车的 4 层冗余：
第一层是 Volvo XC90 车型。这款车做到了专为自动驾驶设计的前装量产冗余，当主执行机构失效时，另一套执行机构仍能提供足够的制动力与转向力，确保安全停车；第二层则是配备了多类型车规级冗余的感知单元，包括激光雷达、摄像头、毫米波雷达等等，每一个零部件都能达到 ASIL B 的等级，具备较高功能安全等级的零部件的异构叠加，实现感知层次的兜底防护。
第三层是替代系统的控制器，采用的是基于嵌入式开发的 MCU 计算单元，能够保障决策控制层出现问题时的防护，相当于备份的大脑；第四层则是滴滴自动驾驶的远程护航中心，能够在云端及时给车辆做远程接管。
其次，在成立自动驾驶公司之后，相当于滴滴在数据与场景的优势实现了闭环。
滴滴出行平台网约车的日均订单有数千万，其中司机的行驶轨迹数据，和安装在交通工具上的桔视设备，全年可以采集近 1000 亿公里的场景数据，能够覆盖绝大多数想象中的长尾场景。如此丰富的场景与数据，对于滴滴自动驾驶来说就是数据「养料」。
有了数据实际上还不够，需要将其中的有效数据提取出来，进行自动驾驶的另一关键步骤：仿真训练。有限的自动驾驶测试车辆和仿真历程并不足以支撑全自动驾驶技术的实现，由于滴滴在数据上有着数量与质量优势，同样是采用仿真系统提升测试里程，滴滴可以将效果提升到更高的地方。据悉，目前滴滴自动驾驶采用仿真系统，仿真能将测试里程提高 5-6 个数量级。
另外，除了路测，滴滴还可以将经营地图、安全地图、技术地图进行整合，在滴滴 8 年累计的经营数据基础上，形成滴滴的自动驾驶战术地图，帮助其在有限的能力和时间范围内，探索出一个更好的商业闭环的模式，例如自动驾驶与滴滴网约车的混和派单模式。
现阶段，自动驾驶试运营的区域和车队都是有限的，滴滴可以给网约车司机和自动驾驶车辆混合派单弥补自动驾驶车辆仅能在特定区域使用的局限性。借助于滴滴大规模的运营网络，在技术和政策逐渐发展的过程中，滴滴将实现依托网约车订单混合派单，根据路况、天气和路径决定派单模式，普通车辆和自动驾驶车辆可以同时为用户提供服务，逐渐让自动驾驶服务更多的人。
把自动驾驶与网约车整体运营相结合，实现「混合派单」，能使自动驾驶「有条件商业化」，即在合适的区域自动调用自动驾驶送乘客，这是一家出行公司在出行场景上的优势。
在积累多年的场景与数据，自动驾驶业务实际上给滴滴开出了一个释放的途径，而在数据不断丰富，自动驾驶与各个出行场景结合越来越深，并且涉及到商业化的情况下，不仅是软件，所有因素都开始倒逼硬件适配升级，滴滴在这时需要一个自己的底层硬件平台，来支撑所有的上层业务。
一位行业人士曾告诉极客公园，自动驾驶的一味「堆料」，追求硬件参数，像智能手机的打法一样用在汽车上，其实并不是最好的解决方案。最重要的是，在「好用」的范围内实现最高的有效算力，把一个硬件效果发挥到极致。
在滴滴身上同理，追求性价比硬件方案的同时，能将最多的有效数据释放，最多的场景适配，双子星硬件平台反而是滴滴自动驾驶在当下最匹配的方案。
