随着科技行业进入机器人时代，中国拥有天然的先发优势。以新能源智能汽车为例，目前中国是最大的生产国和消费国，但中国的自动驾驶技术并不领先，特别是在技术研发范式上，仍然采用手动车间模式。为了避免陷入机器人时代，我们必须大力投资机器人的自动驾驶和工业软件自主性，以形成生产的闭环、技术和消费的快速迭代。特别是，自动驾驶是机器人技术的高地。经过大规模生产的洗礼，应用于新能源智能汽车的自动驾驶技术及其供应链可以很容易地简化为不同的机器人产业，孵化出无数细分的机器人产业
形成生产、快速技术迭代和消费闭环的关键在于工业软件。正如芯片行业强烈依赖EDA软件一样，机器人行业的技术研发效率也强烈依赖于机器人的工业软件。本文将介绍什么是机器人的工业软件，以及作者使用工业软件提高研发效率的经验
01机器人时代的到来
随着越来越多的机器人和无人驾驶车辆出现在我们的日常生活中，机器人时代已经到来。在深入研究机器人时代之前，让我们先回顾一下信息技术的发展。信息技术在20世纪60年代开始发展，当时飞兆半导体（Fairchild Semiconductor）和英特尔（Intel）通过微处理器的生产奠定了信息时代的基础，随之而来的是硅谷的爆炸性发展。虽然微处理器技术极大地提高了工业生产力，但普通公众获得它的机会非常有限。20世纪80年代，情况发生了变化。随着个人电脑的出现，以及Apple Macintosh和Microsoft Windows的图形界面（GUI）的出现，个人电脑迅速流行起来，规模经济效应大大降低了个人电脑的价格。最后，计算机在全球普及的愿景在2000年左右实现了
在21世纪初，在每个人都有个人电脑的基础上，雅虎和谷歌通过搜索引擎连接人和信息，并衍生出互联网产业。自2004年Facebook以来，社交网络已经在互联网上方便地将人们联系起来，将整个人类社会从离线转移到在线。随着互联网社会人口的增长，airbnb（2008）和Uber（2009）等应用开始在互联网社会中提供商业服务，形成了互联网商业社会。在互联网商业社会中，中国是独一无二的。各种基于互联网的应用已经实现了最终的用户体验，但实现互联网应用的基础设施基本上仍然依赖于美国提供的技术
技术时代的窗口再次打开。现在它已经进入了机器人时代。服务机器人、无人机、送货机器人和智能车辆将为人类提供服务，特别是在中国日益严重的老龄化背景下。因此，在机器人时代，中国不能再束手无策，必须成为世界上机器人技术研发效率最高的国家。研发的效率取决于研发工具，尤其是机器人研发的工业软件，它可以将机器人技术的研发从劳动密集型升华为智能密集型，使研发技术更容易大规模落地。目前，随着中国新能源汽车产业的迅速崛起，自动驾驶已成为行业的热门话题，各大汽车制造商也展开了对自动驾驶技术人才的激烈竞争。然而，在这一领域，中国的人才储备与美国存在巨大差距。我们估计，中国目前在无人驾驶领域的人才不足500人，而美国的人才数量可以达到4000至5000人。在这里，我们将“人才”定义为对整个自动驾驶技术体系有系统了解的工程师，他们能够深入探索至少一个细分领域
比人才储备缺口更严重的是研发范式问题。作者认为，大多数国内制造商仍然停留在手工作坊时代。调试算法，然后将算法集成到一个系统中，在附近的几条道路上进行路试，发现问题时找出问题，并根据问题修复问题。修复后的代码可能会带来新问题。许多技术要点都是手工打磨的，在一个地区测试的结果在新环境中可能会失败。这种研发方法效率低，成本高，难以规模化生产。例如，许多公司将维持一个测试车队，并在适当的天气环境中等待不同的无人驾驶测试。这样的测试覆盖率不可能很高。此外，即使在上海测试的汽车在上海表现良好，在广州等其他城市也可能存在问题。如果一个国家，比如巴黎，发生变化，可能更难适应当地环境
在这个手工作坊的研发范式下，机器人技术的研发仍处于劳动密集型阶段，研发成果难以大规模实施。每一个新的市场和场景都需要一个新的团队来覆盖。特别是在中国人才储备落后的情况下，劳动密集型的研发模式很难保证中国在这个新兴行业建立壁垒
因此，作者认为应该增加对自动驾驶和机器人工业软件的投资，如模拟引擎，然后让引擎自动迭代算法，从而实现真正的高效研发，所开发的技术更容易覆盖多个市场，实现大规模开发
03机器人时代的工业软件???? 机器人时代工业软件的一个例子是自动驾驶仪研发中的模拟引擎。通过数字孪生环境下的仿真和数据积累，可以大大提高自动驾驶算法研发的效率，将成本降到最低，从而以最好的价格推出最好的自动驾驶产品，快速实现规模经济，最终达到不可逾越的高科技和商业门槛。与手动车间的模式相比，工业软件可以将自动驾驶的研发从劳动密集型升华为智能密集型，同时减少投资，提高产量。例如，在当前的手动车间范例中，为了测试汽车如何应对大雪环境，测试团队可能需要等待几个月，直到大雪来临，然后在道路上收集物理测试数据。使用仿真软件作为研发测试引擎后，我们可以轻松地在数字孪生环境中构建道路，生成大雪场景，然后根据需要生成各种高质量的测试数据
04效率提升
在实现非常真实的结构模拟（传感器）、物理模拟（车身模型）和逻辑模拟（行为模拟）后，我们比较了物理测试和模拟测试的成本。对无人驾驶算法进行物理测试的成本约为180美元/小时，而基于模拟引擎的测试成本仅为2美元/小时。在两种产业研发范式下，通过比较手工研发范式和手工研发范式，可以提高研发效率。目前，许多业内人士认为模拟引擎不可靠，手动车间是正确的方式。然而，效率的提高不会欺骗人们。使用更先进研发方法的团队最终可以实现更高的效率，并消除低效的方法。在美国，许多领先的自动驾驶仪公司，如特斯拉（Tesla）和waymo，在模拟方面的投资越来越多。最后，对自动驾驶仪模拟软件的投资将溢出到各种机器人的应用程序中，并迅速培养这些垂直应用程序的开发
特别是，特斯拉将在年度技术会议上详细介绍自己的技术堆栈。每个人都会被特斯拉令人眼花缭乱的技术所吸引，比如芯片、深度学习和机器人产品，媒体也会宣传这些令人眼花缭乱的新兴技术点。笔者认为，支持特斯拉研发迭代的核心引擎是他们的模拟引擎，而在特斯拉的技术会议上，模拟引擎的引入往往一蹴而就，不容易引起注意。然而，通过比较特斯拉的研发模式与中国新能源汽车公司的研发模式，我们很容易发现双方在技术研发方面的显著代沟，就像冷兵器与火器一样???? 05总结
机器人时代对中国的科技和经济来说是一个巨大的机遇。中国占据了明显的先发优势。目前，中国是新能源智能汽车最大的生产国和消费国，但中国企业的研发范式仍停留在手工作坊时代，难以通过先进技术将生产和消费有效连接起来，形成闭环。领先的海外制造商已经发展到以工业软件为核心的研发模式。作者和团队自身的研发经验也证实，以工业软件为核心的研发范式有两个数量级的效率提升