2023年11月17日，工信部等四部门发布了《关于开展智能网联汽车准入和上路通行试点工作的通知》，至今包括比亚迪、宝马、智己、奔驰、深蓝、阿维塔、极狐、问界、极越、广汽埃安等多家车厂相继获得高速或城区L3级自动驾驶测试牌照。目前，以城市NOA为代表的高阶智驾功能正加速落地，而L3及以上的自动驾驶系统“安全责任人”的角色，需要有足够的安全性和鲁棒性，需要应对城区无法穷举的边缘/长尾场景痛点。
L3级智驾系统的商业化落地需十几亿公里的测试里程，实际道路测试成本高，耗时长、用例覆盖率低，而仿真测试能在短时间内、以低成本快速解决这一痛点。以小鹏为例，除了小鹏车主每天供应的路侧数据，小鹏在积极结合模拟仿真在虚拟空间构建极端场景，供智驾系统学习及理解，截止2023年底小鹏的仿真里程已达到了1.22亿公里。
在智能驾驶“三支柱法”测试手段中，仿真测试通过虚拟环境模拟不同的交通场景、道路条件、天气光照和异常情况，评估自动驾驶系统在各种情况下的功能、反应和决策能力。
自动驾驶仿真测试三大组成部分
来源：佐思汽研《2024年自动驾驶仿真产业研究报告》
上图中，自动驾驶仿真平台需支持交通场景仿真（静态场景还原、动态场景仿真）、环境感知传感器仿真（摄像头、激光雷达、毫米波雷达、GPS/IMU等传感器的建模仿真）、车辆动力学仿真等，实现从感知到控制的仿真测试验证。根据被测对象的不同，自动驾驶仿真平台实可分为：模型在环（MIL）、软件在环（SIL）、硬件在环（HIL）、驾驶员在环（DIL）以及车辆在环（VIL）等在环测试。目前，不同仿真测试企业拥有不同的能力组合，见下表。
国内外自动驾驶仿真方案商核心产品对比表（部分）
来源：佐思汽研《2024年自动驾驶仿真产业研究报告》
趋势一 自动驾驶仿真测试进入高逼真度、高还原度的精准仿真阶段
在“感知-预测-决策-规划-控制”等全链路环节中，感知对应各类传感器，负责收集车辆外部环境信息，比如交通流、道路条件、天气光照和异常情况等。主要包括：摄像头仿真、激光雷达仿真、毫米波雷达仿真、定位仿真（GPS、IMU）。
目前，不少企业都在推进仿真细粒度的工程实践，比如高逼真度模拟真实道路环境、动态交通场景和车辆/行人行为，精准还原细致的物理现象和动态传感器性能等，从而快速验证自动驾驶系统性能，并提供全面的测试验证报告。
▪以沛岱汽车为例，基于沛岱PlenRay物理射线技术的全物理级传感器模型能够仿真细致的物理现象，例如电磁波的多路径反射、折射、干涉、多路径反射等，或动态传感器性能，例如探测丢失率、目标分辨率、测量不准度和“鬼影”物理现象等，从而获得传感器模型所需的高保真度。截至目前，仿真还原率逼近95%。
图片来源：PilotD
▪此外，由 NVIDIA Omniverse 提供支持的NVIDIA DRIVE Sim 端到端仿真平台，采用高保真且基于物理属性的仿真技术，能够生成众多真实世界的数字孪生场景，目前禾赛激光雷达和速腾聚创激光雷达模型也已集成至NVIDIA DRIVE Sim，模拟激光雷达在光束控制、自定义扫描模式和分辨率等各方面的表现，并生成合成数据集 。车企或自动驾驶方案商等用户可以通过 DRIVE Sim 仿真平台，直接调用该激光雷达模型进行研发或测试。
▪类似英伟达，dSPACE的AURELION 3D场景及物理传感器的高精度仿真，为雷达、激光雷达和摄像头实时生成高度真实的原始数据，其中AURELION优化材料对雷达回波的影响和多路径光线追踪技术，确保接近现实世界的测量效果(例如鬼点效应) 。针对毫米波雷达，dSPACE还有DARTS解决方案，即雷达传感器回波模拟测试。
▪在车辆感知环境信息中，对车辆与行人的交互行为进行仿真容易受到忽视。举例来看，昇启科技的千行仿真平台加入了丰富逼真的行人模型，支持行人微观轨迹的自定义，行人批量生成等功能，在场景编辑时，用户可以根据需求，模拟现实中的拥挤、稀疏行人分布，也可以构建行人随机穿行、鬼探头、人车让行、路权争端等复杂的长尾场景，以检验自动驾驶系统的综合表现。平台还提供不同的行人行为风格模型，涵盖了人车交互、横穿马路、斜穿路口等场景，实现了智能行人交通流的模拟仿真。此外，该平台多样化的驾驶员行为对三类驾驶风格的驾驶员（保守型驾驶员，常规型驾驶员，激进型驾驶员）进行建模，并通过一定的概率分布对各参数进行细化，使得环境车辆的驾驶行为多样化、随机化。
域控制器在环仿真测试工程实践案例
图片来源：51World
此外，多感知并发仿真测试大大提高感知相关算法的研发及测试效率。工程化实践方面，2023年5月，51Sim、昆易电子合作，成功打通中国自动驾驶在环测试从软件到硬件的域控闭环，实现域控制器在环仿真测试全面国产化。在这套基于征程5打造的国产域控制器在环方案中，昆易电子自主研发的智驾数据回注系统支持同时注入多路高清摄像头、激光雷达、毫米波雷达、超声波雷达、GNSS&IMU等传感器数据，依托自动驾驶仿真测试平台51Sim-One轻松实现对特定场景、环境的复现 , 大大提高感知相关算法的研发及测试效率。
趋势二 自动化生成及场景泛化能力必不可少
目前，如何构建Corner case场景是业内面临的一大挑战。复现实际道路测试难以覆盖的高危险工况、极端天气条件、复杂交通环境、边缘事件等场景正是仿真测试的意义所在，尤其是针对安全关键型场景的大批量测试，更需要基于AI技术的自动化仿真技术来实现更高场景覆盖率。
基于覆盖的质量是一种更为细致和全面的自动驾驶安全测试方法。它关注的是测试覆盖的质量，即系统是否经历了各种可能的情况和场景。通过定义一系列测试用例和测试场景，该方法可以确保自动驾驶系统在各种路况、交通情况和异常情况下进行测试。覆盖的质量可以包括路况变化、交通行为、特殊天气条件、紧急情况等方面。
典型仿真企业的场景覆盖及泛化能力（部分）
来源：佐思汽研《2024年自动驾驶仿真产业研究报告》
与此同时，AI技术及大语言模型开始逐步融入到仿真测试工作当中，在场景自动化生成，自动标注、加速场景库建设，降低仿真测试成本，降低仿真测试技术门槛及缩短车辆开发周期等方面发挥着越来越重要的作用。
以全自然语言交互为例，五一视界的AIGC-Scenario Copilot支持全自然语言交互，无需繁琐的手动编辑，无需代码，只需要简单地输入场景描述，比如“增加动作，先向右变道，然后减速到0”，利用AI大语言模型，即可生成符合OpenSCENARIO标准的自动驾驶仿真测试场景，同时生成未知的危险场景，拓展仿真测试的边界。
此外，华为盘古大模型在自动驾驶场景生成方面，有以下特点：
▪自动驾驶场景理解代替人工打标签分类，万段视频片段分钟级处理完成。
▪自动驾驶场景生成，通过NeRF技术实现车型变换、车道变换、场景组合渲染等应用。
▪自动驾驶预标注，代替人工标注，支持2D、3D、4D自动标注，准确率超过90%。
▪自动驾驶多模态检索支持以文搜图、以图搜图等多维检索能力，实现百万图片分钟级检索。
除了以上分析的仿真平台及场景库泛化能力，自动驾驶测试的仿真评估体系也是实现自动驾驶技术商业化落地必要的一环。仿真评估是指利用仿真测试的方法，对自动驾驶系统的各个方面进行评估和优化，以确保其安全、可靠、高效地在实际道路中运行。仿真评估主要有自动驾驶系统评估和仿真测试系统评估，其中仿真测试系统评估包括对场景覆盖度、场景真实性、场景有效性和仿真效率的评估。
趋势三 场景库数据资产化与共享化，助力高级别自动驾驶训练测试降本增效
仿真测试中，除了基于路采数据的场景自动化生成（如dSPACE的Autera方案、NI数采方案、VI-Grade AutoHawk方案等），打造全场景合成数据仿真素材库可以助力开发人员持续对自动驾驶系统在海量驾驶场景，尤其是针对safety-critical场景下进行训练、测试和验证，提升算法迭代效能、闭环测试效率和深度。
▪以深信科创的OASIS DATA自动驾驶数据平台为例，其全场景合成数据仿真素材库囊括常见的交通参与者、障碍物、道路设施等交通环境要素，并结合物理级的传感器仿真模型，进一步规模化生成多模态、高保真、精准标注的仿真素材；合成数据生成效率方面，生成效率最高可达10万帧/天，可有效节约90%以上数据采集和标注成本。
▪此外，51Sim DataOne拥有强大的数据驱动能力，包括Dataverse和Synthverse。其中，Dataverse是一款数据平台，具备数据清洗、数据计算、数据管理、数据可视化、数据统计等能力，实现了数据驱动的仿真闭环；而Synthverse是合成数据平台，可基于高精地图自动生成3D场景，通过3D重建技术高保真地还原特定场景，并能通过场景编辑泛化工具，对3D重建场景进行动静态元素的泛化。
2023年11月，51Sim联合地平线生态圈的合作伙伴火山引擎、天准、美行推出业内首个全链条数据驱动闭环生态方案，加速自动驾驶量产落地。该套方案提供包括芯片、域控、数采、数据处理、算法训练、回灌测试、仿真软硬件测试一体化方案，旨在解决智能驾驶行业普遍存在的数据利用率低，数据驱动闭环搭建难等问题，推进高阶自动驾驶量产落地。51Sim为数据驱动闭环生态提供全套虚拟仿真测试能力。
业内首个全链条数据驱动闭环生态方案
图片来源：51World
目前，对于自动驾驶系统的训练和测试数据的需求急剧增长，存在大规模、多样化、高质量的长尾场景采集难度大、所需场景筛选难度高等痛点问题。针对此，部分仿真方案提供商开始推进仿真场景库（包括标准法规场景、事故场景、自然驾驶场景、危险/极端场景、重构场景）的数据资产化尝试，比如深信科创、智行众维、51Sim等，同时也积极响应《“数据要素x”三年行动计划（2024-2026年）》，助力智能网联产业数据资产化相关工作的开展，陆续在深圳数据交易所、上海数据交易所、苏州大数据交易所、北方大数据交易中心上线交易。
仿真场景库数据资产化实践举例
来源：佐思汽研《2024年自动驾驶仿真产业研究报告》
在仿真数据共享方面，还需要解决车端与云端的协作问题。比如，传统单机研发环境下，一个团队内部数据孤岛现象严重。如何实现XIL测试工程师、工具链研发工程师、算法训练工程师及算法测试工程师等多团队之间的高效工作模式，这一痛点也已被打破，比如2024年4月，51SimOne协作版“云+端”一体化产品正式发布。通过中心化存储与一体化设计，它将客户端与云端无缝衔接，支持多人协作，数据在团队间得到充分共享，其中客户端支持研发任务本地集成调试，云端支持算法研发阶段性大规模自动化测试，实现了一个平台，满足多种需求，极大地加速了自动驾驶算法的迭代与优化。
SimOne协作版“云+端”架构
图片来源：51World
01 自动驾驶仿真概述
1.1 仿真测试是自动驾驶研发必选项
1.1.1 仿真测试降本案例
1.2 自动驾驶仿真技术分类（一）
1.2.1 交通场景仿真
1.2.2 传感器仿真
1.2.3 车辆动力学仿真
1.3 自动驾驶仿真技术分类（二）
1.3.1 模型在环MiL及方案对比
1.3.2 软件在环SiL及方案对比
1.3.3 硬件在环HiL及方案对比
1.3.4 整车在环ViL及方案对比
1.3.5 驾驶员在环DiL及方案对比
1.4 自动驾驶仿真测试数据平台方案总结（1）
1.5 自动驾驶仿真测试数据平台方案总结（2）
1.6 自动驾驶仿真软件汇总（1）
1.7 自动驾驶仿真软件汇总（2）
1.8 自动驾驶仿真软件汇总（3）
1.9 自动驾驶仿真软件汇总（4）
1.10 国内自动驾驶仿真公司对比与车企客户情况（1）
1.11 国内自动驾驶仿真公司对比与车企客户情况（2）
1.12 国外自动驾驶仿真公司对比与车企客户情况
1.13 自动驾驶仿真产业链
02 自动驾驶仿真测试场景库研究
2.1 自动驾驶仿真标准化国际组织：ASAM
2.2 自动驾驶仿真组织：ISO & 欧盟PEGASUS项目
2.3 ASAM标准的中国化：C-ASAM工作组
2.4 自动驾驶场景仿真标准法规现状
2.5 自动驾驶仿真测试场景库及其特点
2.5.1 场景库分类
2.5.2 场景抽象分级概述
2.5.3 场景要素及自动化生成
2.5.4 场景库数据来源
2.5.5 ASAM OpenX系列标准体系
2.5.6 场景库的搭建流程
2.6 仿真评估
2.6.1 仿真评估案例一
2.6.2 仿真评估案例二
03 仿真相关技术研究
3.1 首个数字孪生国家标准
3.2 数字孪生生态建设实践
3.3 数字孪生有哪些典型应用场景？
3.4 数字孪生应用案例一：汽车制造
3.4.1 数字孪生技术赋能（1）：XXX 车企
3.4.2 数字孪生技术赋能（2）：XXX 车企
3.4.3 数字孪生技术赋能（3）：XXX 车企
3.4.4 数字孪生技术赋能（4）：XXX 车企
3.5 数字孪生应用案例二：电驱开发 - XXX 车企
3.6 数字孪生应用案例三：座舱系统云化 - XXX 车企
3.7 数字孪生应用案例四：智慧高速 - XXX 仿真方案商
3.8 AI 与仿真
3.8.1 AI在仿真平台有哪些应用？
3.8.2 AI仿真应用案例：XXX 车企
3.8.3 AIGC及大模型为AD仿真带来哪些变化？
3.8.4 基于大模型训练的仿真案例：XXX 车企
3.8.5 AIGC自动生成仿真测试场景案例：XXX 仿真方案商
04 国内仿真平台方案商研究
4.1 浙江天行健（PanoSim)
4.1.1 浙江天行健 - 公司简介
4.1.2 浙江天行健 - 发展事件
4.1.3 浙江天行健 - 五大核心产品及特点
4.1.4 浙江天行健 - PanoSim仿真软件工具链
4.1.5 浙江天行健 - PanoSim “车路云一体化” 应用
4.1.6 浙江天行健 - PanoDrive智能汽车驾驶模拟器
4.1.7 浙江天行健 - PanoTwin数字孪生仿真平台
4.1.8 浙江天行健 - PanoPilot仿真实验台
4.1.9 浙江天行健 - PanoHIL底盘硬件在环台架
4.1.10 浙江天行健 - 生态伙伴（1）：车企类
4.1.11 浙江天行健 - 生态伙伴（2）：供应商&研究测试机构
4.1.12 浙江天行健 - 生态伙伴（3）：大学类&其他
4.1.13 浙江天行健 - 生态伙伴合作案例
4.1.14 浙江天行健 - 仿真产品汇总
4.2 沛岱汽车（PilotD）
4.2.1 沛岱汽车 - 简介
4.2.2 沛岱汽车 - 发展历程
4.2.3 沛岱汽车 - 核心技术
4.2.4 沛岱汽车 - 产品体系
4.2.5 沛岱汽车 - PDGaiA 自动驾驶精准在环仿真测试平台
4.2.6 沛岱汽车 - PDRHea® 递归式分层场景生成器
4.2.7 沛岱汽车 - DiL 驾驶员在环解决方案
4.2.8 沛岱汽车 - On Cloud 精准仿真云计算平台
4.2.9 沛岱汽车 - Medusa（美杜莎）全车高置信度仿真平台
4.2.10 沛岱汽车 - Hercules（海格力斯） 高性价比硬件在环仿真平台
4.2.11 沛岱汽车 - 模型库共享平台：重器矩阵
4.2.12 沛岱汽车 - 合作伙伴
4.2.13 沛岱汽车 - 仿真产品汇总
4.3 蔚赫信息
4.3.1 蔚赫信息 - 简介
4.3.2 蔚赫信息 - 发展历程
4.3.3 蔚赫信息 - 主要业务
4.3.4 蔚赫信息 - LABCAR HiL
4.3.5 蔚赫信息 - LABCAR HiL 应用案例
4.3.6 蔚赫信息 - YIES智能试验数据融合云平台（1）
4.3.7 蔚赫信息 - YIES智能试验数据融合云平台（2）
4.3.8 蔚赫信息 - YIES智能试验数据融合云平台（3）
4.3.9 蔚赫信息 - 主要客户及合作伙伴
4.3.10 蔚赫信息 - 仿真产品汇总
4.4 康谋科技
4.4.1 康谋科技 - 简介
4.4.2 康谋科技 - 主营业务
4.4.3 康谋科技 - 主要产品
4.4.4 康谋科技 - 自动驾驶HiL解决方案
4.4.4 康谋科技 - 自动驾驶HiL解决方案: 传感器仿真
4.4.5 康谋科技 - 自动驾驶aiSim模拟仿真SiL解决方案
4.4.6 康谋科技 - aiSim技术架构
4.4.6 康谋科技 - aiSim主要规格
4.4.6 康谋科技 - aiSim GUI界面
4.4.6 康谋科技 - aiSim产品优势
4.4.7 康谋科技 - aiSim5
4.4.8 康谋科技 - aiSim5功能介绍
4.4.9 康谋科技 - 数据采集记录方案
4.4.10 康谋科技 - HEEX智能数据管理平台
4.4.11 康谋科技 - 客户
4.4.12 康谋科技 - 仿真产品汇总
4.5 东方中科
4.5.1 东方中科 - 简介
4.5.2 东方中科 - 新能源汽车测试方案
4.5.3 东方中科 - 智舱及网联测试解决方案
4.5.4 东方中科 - 整车在环解决方案（ViL）
4.5.5 东方中科 - ADAS硬件在环（HiL）
4.5.6 东方中科 - 整车控制器硬件在环（VCU HiL）
4.5.7 东方中科 - 电池管理系统硬件在环测试 （BMS HiL）
4.5.8 东方中科 - 电机控制器硬件在环测试 （MCU HiL）
4.5.9 东方中科 - 三电联调测试系统
4.5.10 东方中科 - C-V2X应用场景HIL仿真测试系统
4.5.11 东方中科 - 智能底盘HiL测试解决方案
4.5.12 东方中科 - 驾驶员模拟器产品系列
4.5.13 东方中科 - DeskSim桌面驾驶模拟器
4.5.14 东方中科 - MDS迷你驾驶模拟器
4.5.15 东方中科 - CDS紧凑型驾驶模拟器
4.5.16 东方中科 - Seat Buck虚拟驾驶舱
4.5.17 东方中科 - 柔性虚拟驾驶舱
4.5.18 东方中科 - FDS整车型驾驶模拟器
4.5.19 东方中科 - ADS高级驾驶模拟器
4.5.20 东方中科 - 合作伙伴与客户
4.5.21 东方中科 - 仿真产品汇总
4.6 赛目科技
4.6.1 赛目科技 - 简介
4.6.2 赛目科技 - 产品和服务
4.6.3 赛目科技 - 仿真测试全栈工具链
4.6.4 赛目科技 - 仿真测试验证评价工具链全景
4.6.5 赛目科技 - 数据采集系统Data Pro
4.6.6 赛目科技 - Sim Pro
4.6.7 赛目科技 - Safety Pro
4.6.8 赛目科技 - 基于场景的仿真测试验证方案
4.6.9 赛目科技 - 基于大模型的场景生成（1）
4.6.10 赛目科技 - 基于大模型的场景生成（2）
4.6.11 赛目科技 - 基于大模型的场景生成（3）
4.6.12 赛目科技 - 云合作伙伴
4.6.13 赛目科技 - 仿真产品汇总
4.7 五一视界（51WORLD）
4.7.1 五一视界 - 简介
4.7.2 五一视界 - 四大品牌
4.7.3 五一视界 - 51Sim 数据仿真平台
4.7.4 51 Sim解决方案（1）：SiL/HiL/DiL
4.7.4 51 Sim解决方案（2）：ViL/V2X HiL
4.7.5 51Sim 产品系列
4.7.6 51 Sim-One 云原生仿真平台
4.7.7 基于Sim-One的国产域控闭环仿真测试
4.7.8 51 SimOne 3.4
4.7.9 51Sim-One 3.3
4.7.10 51Sim 数据闭环与合成数据平台 - DataOne
4.7.11 51TIM交通信息模型平台
4.7.12 51WORLD的AIGC-Scenario Copilot
4.7.13 51Sim生态建设
4.7.14 51Sim合作伙伴
4.7.15 51WORLD合作伙伴
4.7.16 51WORLD 仿真产品汇总
4.8 IAE智行众维®
4.8.1 IAE智行众维® - 简介
4.8.2 IAE智行众维® - 2023发展历程
4.8.3 IAE智行众维® - 产品解决方案
4.8.4 IAE智行众维® - SIL软件在环测试方案
4.8.5 IAE智行众维® - HIL硬件在环测试方案
4.8.6 IAE智行众维® - DIL及自动化软件测试方案
4.8.7 IAE智行众维® - 车辆在环测试方案
4.8.8 IAE智行众维® - 协同式高级整车在环(C-VaHIL)仿真测试系统
4.8.9 IAE智行众维® - 试验场测试服务
4.8.10 IAE智行众维® - 基于场地车辆在环(PGVIL)的C-V2X功能测试
4.8.11 IAE智行众维® - X-in-Loop®自动驾驶仿真测试验证平台
4.8.12 IAE智行众维® - “水木灵境”场景数据工场
4.8.13 IAE智行众维® - 数据资产化
4.8.14 IAE智行众维® - 合作伙伴
4.8.15 IAE智行众维® - 仿真产品汇总
4.9 深信科创
4.9.1 深信科创 - 简介
4.9.2 深信科创 - 发展历程
4.9.3 深信科创 - OASIS系列
4.9.4 深信科创 - OASIS与CARLA
4.9.5 深信科创 - SYNKROTRON® OASIS SIM自动驾驶仿真平台
4.9.6 深信科创 - OASIS DATA自动驾驶数据平台
4.9.7 深信科创 - 低速自驾平台Oasis EVA
4.9.8 与XXX携手推出自动驾驶仿真测试联合解决方案
4.9.9 深信科创 - 合作伙伴
4.10 昇启科技
4.10.1 昇启科技 - 简介
4.10.2 昇启科技 - 千行仿真渲染技术
4.10.3 昇启科技 - 千行自动驾驶仿真平台（1）
4.10.4 昇启科技 - 千行自动驾驶仿真平台（2）
4.10.5 昇启科技 - 千行自动驾驶仿真平台（3）
4.10.6 昇启科技 - 千行自动驾驶仿真平台（4）
4.10.7 昇启科技 - 千行自动驾驶仿真平台创新特点1 -（1）
4.10.8 昇启科技 - 千行自动驾驶仿真平台创新特点1 -（2）
4.10.9 昇启科技 - 千行自动驾驶仿真平台创新特点1 -（3）
4.10.10 昇启科技 - 千行自动驾驶仿真平台创新特点1 -（4）
4.10.11 昇启科技 - 千行自动驾驶仿真平台创新特点2 -（1）
4.10.12 昇启科技 - 千行自动驾驶仿真平台创新特点2 -（2）
4.10.13 昇启科技 - 千行自动驾驶仿真平台创新特点3
4.10.14 昇启科技 - 千行自动驾驶仿真评价体系（1）
4.10.15 昇启科技 - 千行自动驾驶仿真评价体系（2）
4.10.16 昇启科技 - 未来规划
4.10.17 昇启科技 - 合作伙伴
4.11 东信创智
4.11.1 东信创智 - 简介
4.11.2 东信创智 - SimCycle云端数据闭环工具
4.11.2 东信创智 - SimCycle云端数据闭环工具：数采与回灌
4.11.2 东信创智 - SimCycle云端数据闭环工具：数据管理与处理
4.11.2 东信创智 - SimCycle云端数据闭环工具：数据标注
4.11.2 东信创智 - SimCycle云端数据闭环工具：数据仿真与评价
4.11.3 东信创智 - 智能驾驶仿真测试解决方案
4.11.4 东信创智 - 智能电控仿真测试解决方案
4.11.5 东信创智 - 智能座舱仿真测试解决方案
4.11.6 东信创智 - 智能网联仿真测试解决方案
4.11.7 东信创智 - 车企客户
4.12 宾凯腾
4.12.1 宾凯腾 - 简介
4.12.2 宾凯腾 - BMS HIL硬件在环仿真测试（1）
4.12.3 宾凯腾 - BMS HIL硬件在环仿真测试（2）
4.12.4 宾凯腾 - CAN仿真与监测系统（1）
4.12.5 宾凯腾 - CAN仿真与监测系统（2）
4.13 清研精准
4.13.1 清研精准 - 简介
4.13.2 清研精准 - 发展历程
4.13.3 清研精准 - 业务进展
4.13.4 清研精准 - 智能汽车仿真测试系统
4.13.5 清研精准 - 新能源汽车三电综合仿真测试系统
4.13.6 清研精准 - ADAS HIL解决方案
4.13.7 清研精准 - 驾驶模拟器方案
4.13.8 清研精准 - 数据回灌解决方案
4.13.9 清研精准 - 合作伙伴
4.14 理工雷科
4.14.1 理工雷科 - 简介
4.14.2 理工雷科 - 产品列表
4.14.3 理工雷科 - 解决方案（1）：毫米波雷达仿真自动化测试系统方案
4.14.4 理工雷科 - 解决方案（2）：毫米波雷达产线自动化测试系统方案
4.14.5 理工雷科 - 解决方案（3）：整车ADAS在环仿真解决方案
4.14.6 理工雷科 - 解决方案（4）：理工雷科 激光传感器标校测试系统
4.14.7 理工雷科 - 解决方案（5）：视觉传感器目标模拟系统（1）
4.14.8 理工雷科 - 解决方案（5）：视觉传感器目标模拟系统（2）
4.14.9 理工雷科 - 解决方案（6）：真值系统
4.15 经纬恒润
4.15.1 经纬恒润 - 仿真测试方案：智能驾驶HIL
4.15.2 经纬恒润 - 仿真测试方案：智能座舱HIL
4.15.3 经纬恒润 - 仿真测试方案：动力传动系统HIL
4.15.4 经纬恒润 - 仿真测试方案：底盘电控系统HIL
4.15.5 经纬恒润 - 仿真测试方案：车身舒适系统HIL
4.15.6 经纬恒润 - 仿真测试方案：车联网HIL
4.15.7 经纬恒润 - 仿真测试方案：新能源系统HIL
4.15.8 经纬恒润 - 仿真测试方案：新一代虚拟驾驶HIL仿真平台
4.15.9 经纬恒润 - 智能驾驶整车在环实验室SYNO解决方案
4.16 易方智慧
4.16.1 易方智慧 - 简介
4.16.2 易方智慧 - 发展历程
4.16.3 易方智慧 - 业务体系
4.16.4 易方智慧 - 数字交通底座开放平台EVTwins
4.16.5 易方智慧 - EIVDSIM 平台架构
4.16.6 易方智慧 - 三维交通仿真工具平台EIVDSIM 3.1
4.17 芯驿电子
4.17.1 芯译电子 - 简介
4.17.2 芯译电子 - 产品系列
4.17.3 芯译电子 - 16 通道 PCIE 视频注入回灌系统
4.17.4 芯译电子 - 12 通道 HDMI 视频注入系统
4.17.5 芯译电子 - 16通道车载摄像头视频采集处理系统
4.17.6 芯译电子 - 行泊一体 L2 / L2+ECU 老化测试设备
4.17.7 芯译电子 - 自动驾驶数据处理工作站 W100 服务器 HIL 硬件在环仿真
4.17.8 芯译电子 - 自动驾驶 GMSL 视频采集 / 注入设备
4.17.9 芯译电子 - 客户
4.18 昆易电子
4.18.1 昆易电子 - 自动驾驶仿真闭环测试（ AD HIL）
4.18.2 昆易电子 - 电池管理系统仿真测试（ BMS HIL）
4.18.3 昆易电子 - 整车控制器仿真测试 （VCU HIL）
4.18.4 昆易电子 - 电机控制器仿真测试（MCU HIL）
4.18.5 昆易电子 - 新能源车辆多控制器联调测试
4.18.6 昆易电子 - 车载以太网仿真测试（SOME/IP测试）
4.18.7 昆易电子 - 转向HIL
4.18.8 昆易电子 - 制动HIL
4.18.9 昆易电子 - 主动式空气悬架HIL
4.18.10 昆易电子 - HIL测试管理平台
4.18.11 昆易电子 - 客户
4.19 腾讯
4.19.1 腾讯自动驾驶仿真测试平台TAD Sim （1）
4.19.2 腾讯自动驾驶仿真测试平台TAD Sim （2）
4.19.3 腾讯自动驾驶仿真测试平台TAD Sim （3）
4.19.4 腾讯数字孪生全新产品矩阵（1）
4.19.5 腾讯数字孪生全新产品矩阵（2）
4.19.6 腾讯数字孪生全新产品矩阵（3）
4.19.7 腾讯数字孪生全新产品矩阵（4）
4.19.8 腾讯汽车云全面升级（1）
4.19.9 腾讯汽车云全面升级（2）
4.19.10 腾讯云赋能XXX主机厂的AD虚拟仿真平台案例一
4.19.11 腾讯云赋能XXX主机厂的AD虚拟仿真平台案例二
4.20 百度
4.20.1 百度自动驾驶工具链解决方案
4.20.2 Apollo 仿真平台
4.20.3 百度的云仿真平台
4.20.4 百度的云仿真平台架构
4.20.5 仿真场景库建设服务
4.21 华为
4.21.1 华为仿真服务简介
4.21.2 华为自动驾驶云服务（Octopus）（1）
4.21.3 华为自动驾驶云服务（Octopus）（2）
4.21.4 华为云高性能计算集群：汽车仿真业务（1）
4.21.5 华为云高性能计算集群：汽车仿真业务（2）
05 国外仿真平台方案商研究
5.1 Foretellix (弗钛立驶)
5.1.1 Foretellix简介
5.1.2 Foretellix的安全驱动型V&V平台Foretify™（1）
5.1.3 Foretellix的安全驱动型V&V平台Foretify™（2）：2024版本
5.1.4 Foretify覆盖率驱动验证CDV流程
5.1.5 Foretellix “约束-随机”测试生成器（1）
5.1.6 Foretellix “约束-随机”测试生成器（2）
5.1.7 V-Suites™开箱即用的V&V库
5.1.8 Foretellix客户及合作案例（1）
5.1.9 Foretellix客户及合作案例（2）
5.2 dSPACE (德斯拜思)
5.2.1 dSPACE简介
5.2.2 dSPACE产品解决方案一：SIMPHERA
5.2.3 SIMPHERA应用案例：XXX车企
5.2.4 dSPACE产品解决方案二：AURELION
5.2.5 AURELION应用案例：XXX传感器厂商
5.2.6 dSPACE产品解决方案三：AUTERA及应用案例
5.2.7 dSPACE产品解决方案四：DARTS
5.2.8 dSPACE产品解决方案五：VEOS/SIL
5.2.9 dSPACE SiL应用案例：XXX车企
5.2.10 dSPACE产品解决方案六：ADAS/AD HIL
5.2.11 dSPACE产品解决方案七：电驱动HIL
5.2.12 dSPACE合作伙伴
5.2.13 dSPACE汽车客户
5.3 NI (恩艾)
5.3.1 NI 简介
5.3.2 NI 自动驾驶系统XIL测试解决方案
5.3.3 NI 传感器融合HIL测试
5.3.4 NI 自动驾驶数据采集系统
5.3.5 NI PXI DAQ 数据采集软硬件平台
5.3.6 NI 自动驾驶数据回灌和HIL测试系统
5.3.7 NI 域控制器验证测试系统
5.3.8 NI 毫米波雷达测试系统
5.3.9 NI 紧缩场(CATR)测试系统
5.3.10 NI 车联网(V2X)功能测试系统
5.3.11 NI LabVIEW+套件
5.3.12 NI合作案例
5.4 Vector (维克多)
5.4.1 Vector产品体系
5.4.2 Vector ECU测试工具链
5.4.3 Vector ECU测试：vTESTstudio
5.4.4 Vector ECU测试：CANalyzer
5.4.5 Vector ECU测试：VT System
5.4.6 Vector ECU测试：DYNA4
5.4.7 Vector 数据记录与分析：Smart Logger
5.4.8 Vector 数据记录与分析：Fleet Logger/vSignalyzer/vMDM
5.5 MathWorks （迈斯沃克）
5.5.1 MathWorks 简介
5.5.2 MATLAB/Simulink 版本迭代情况
5.5.3 MATLAB 和 Simulink 在汽车领域的应用：自动驾驶
5.5.4 MATLAB 和 Simulink 在汽车领域的应用：软件定义汽车
5.5.5 MATLAB 和 Simulink 在汽车领域的应用：虚拟车辆
5.5.6 MATLAB® 和 Simulink®应用案例一：XXX 车企
5.5.7 MathWorks MATLAB®应用案例二：XXX 车企
5.5.8 MathWorks静态代码工具应用案例三：XXX车企
5.5.9 MathWorks联合开发MBD开发集成工具链案例四：XXX车企
5.6 NVIDIA （英伟达）
5.6.1 NVIDIA DRIVE Sim端到端仿真平台
5.6.2 NVIDIA Drive Sim应用案例一：XXX 传感器厂商
5.6.3 NVIDIA Drive Sim应用案例二：XXX 传感器厂商
5.6.4 NVIDIA Omniverse平台
5.6.5 NVIDIA Omniverse应用案例一：XXX 车企
5.6.6 NVIDIA Omniverse应用案例二：XXX 车企
5.6.7 NVIDIA Omniverse应用案例三：XXX 车企
5.6.8 NVIDIA Omniverse应用案例四：XXX 仿真方案商
5.7 IPG Automotive （亦佩捷）
5.7.1 IPG 简介
5.7.2 IPG 发展历程
5.7.3 IPG产品解决方案
5.7.4 IPG 动力学仿真软件Carmaker
5.7.5 CarMaker 13.0
5.7.6 CarMaker 12.0
5.7.7 Xpack4
5.7.8 IPG HIL测试设备
5.7.9 虚拟车辆开发仿真平台VIRTO（1）
5.7.10 虚拟车辆开发仿真平台VIRTO（2）
5.7.11 虚拟车辆开发仿真平台VIRTO（3）
5.7.12 CarMaker-Apollo 联合仿真
5.7.13 IPG合作伙伴
5.8 Ansys （隶属Synopsys）
5.8.1 Ansys 简介
5.8.2 Ansys 汽车仿真解决方案
5.8.3 Ansys SimAI™ & AnsysGPT
5.8.4 Ansys 2024 R1
5.8.5 Ansys AVxcelerate Autonomy
5.8.6 Ansys AVxcelerate Sensors应用案例：XXX Tier1
5.8.7 Ansys解决方案应用案例一：XXX 车企
5.8.8 Ansys解决方案应用案例二：XXX 零部件供应商
5.8.9 Ansys解决方案应用案例三：XXX 科技巨头
5.8.10 Ansys解决方案应用案例四：XXX Tier1
5.9 VI-Grade
5.9.1 VI-grade公司简介
5.9.2 VI-grade仿真器系列
5.9.3 业界首款紧凑型全频谱模拟器FSS
5.9.4 VI-Grade AutoHawk平台（1）
5.9.5 VI-Grade AutoHawk平台（2）
5.9.6 VI-Grade AutoHawk平台（3）
5.9.7 VI-grade模拟器第三方软件工具/接口
5.9.8 VI-grade客户情况
5.10 Ansible Motion
5.10.1 Ansible Motion 简介
5.10.2 Ansible Motion 驾驶模拟器产品
5.10.3 Delta 系列 S3 DIL模拟器
5.10.4 Sigma 系列 DIL 模拟器
5.10.5 Theta 系列 DIL 模拟器
5.10.6 Ansible Motion DIL模拟器应用
5.10.7 Ansible Motion DIL模拟器 技术合作伙伴
5.11 Applied Intuition
5.11.1 CarSim
5.12 Anyverse
5.12.1 Anyverse数据集
5.12.2 Anyverse传感器模拟（1）
5.12.3 Anyverse传感器模拟（2）
5.12.4 Anyverse集成案例
06 自动驾驶仿真测试趋势
6.1 趋势一：
6.2 趋势二：
6.3 趋势三：
6.4 趋势四：
6.5 趋势五：
6.6 趋势六：
6.7 趋势七：
6.8 趋势八：