2019年10月22日世界智能網聯汽車大會上，華為輪值董事長徐直軍發表主題演講，全面闡述華為智能汽車業務戰略：華為不造車，聚焦ICT技術，成為面向智能網聯汽車的增量部件供應商，幫助車企「造好」車，造「好車」。
大會現場，我們用金字塔圖描繪了智能汽車解決方案的五大業務板塊：智能網聯、智能駕駛、智能座艙、智能電動、雲服務。而自動駕駛雲服務Octopus（八爪魚）就位於這張金字塔圖的塔尖，今天，小編今天就帶大家深度探索這隻"八爪魚"的前世今生。
Octopus指的是華為自動駕駛雲服務，對應的中文意思是「八爪魚」，它與智能駕駛計算平臺MDC、智能駕駛OS一起，發揮華為雲+AI優勢，共同組成車雲協同的MDC智能駕駛平臺，開放合作，促進智能駕駛快速發展。
2020年1月9日，華為自動駕駛雲服務首次在湘江新區落地：
「湖南智能網聯汽車產業雲是華為自動駕駛雲服務在全球的首次落地。它被外界形象地稱為『八爪魚』，能牢牢抓住行業痛點，通過強大的數據服務、訓練服務、仿真服務能力，為從事自動駕駛、智能駕駛研發企業提供一站式全流程的服務。」
它的上線，將有效降低自動駕駛領域研發企業的門檻，促進更多企業、機構、學校積極投入自動駕駛、智能網聯潮流，帶動這一前瞻產業的蓬勃發展，助力打造全國乃至全球意義上的智能網聯企業產業生態聚集高地。
華為自動駕駛雲服務為何取名「八爪魚」，相較之現在業內的OTT自動駕駛雲服務及傳統工具，又有什麼特點呢？
我們知道，"八爪魚"依靠豐富的觸角伸展探索環境和獲取食物，身體柔軟有彈性，同時它有一個聰明的大腦，學習能力強，進化程度高。
而這也與自動駕駛開發落地所需能力非常相似：更多的傳感器帶來海量數據，需要一個「聰明」的「大」腦去處理，而訓練及仿真對AI算法及超強算力有著強烈訴求，同時，人工智慧及機器學習也將加速自動駕駛的核心能力及價值構建。
華為在汽車領域的戰略是幫助車企"造好"車、造"好車"，相較OTT雲服務及傳統工具，華為利用自身在雲計算、車聯網、人工智慧等ICT技術的多年積累，通過構建一個統一的、面向自動駕駛全生命周期的全棧雲平臺，提供3大服務，5個能力，及一站式體驗，降低自動駕駛開發門檻，讓自動駕駛開發變得更高效、更智能、更便捷，從而助力車企及開發者快速上市自動駕駛，將更多的精力，投入到核心能力的構建中去。
眾所周知，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，這其中，車企或開發者將面臨幾大挑戰：
1. 需要處理的數據量大，成本高，一輛測試車1小時產生8TB數據，一天按8小時計算，64TB/天的數據。一個月按22天工作日，則單車將產生約1.3PB /月的數據，其中有效數據僅為0.05%，同時還有80萬張/車/天圖片待人工標識，如何快速的獲取數據和高效的處理數據？
2. 從訓練和仿真來看，單車預計需累積裡程100+億公裡，300GPU/2天模型訓練，仿真測試則每天需處理100萬公裡。快速上市對訓練及仿真所需要的AI算法和超強算力有強烈訴求。
3.仿真是確保自動駕駛持續提升安全性的關鍵，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。
4.現有的工具多為煙囪式孤島，分散，不利於大數據的統一、AI能力的統一構建，及高效運營管理。
「八爪魚」是一個按需獲取的全棧雲平臺，服務覆蓋自動駕駛數據、模型、訓練、仿真、標註等全生命周期業務，向車企及開發者，提供了包括數據服務、訓練服務、仿真服務在內的3大服務。
「八爪魚"3大服務
1.數據服務：處理車載硬體平臺上輸出的傳感器數據，回放雷達、攝像頭等不同格式的數據；支持PB級海量存儲、交互式大數據查詢和海量數據治理。
2.訓練服務：管理和訓練自動駕駛模型，不斷在新的數據集和測試集上提升模型的準確度，持續提升自動駕駛安全係數。平臺提供軟硬體加速，能大幅縮短訓練時間，提升訓練效率。
3.仿真服務：提供仿真、場景庫管理、場景片段、評測系統等應用工具，確保自動駕駛模型合規、安全、可度量、質量達標，快速集成到版本中。
"八爪魚"同時具備如下5大能力：
1.海量數據處理，自動化挖掘及標註，節省70%以上的人力成本：路測車預計每天產生TB級數據，平臺可支持PB級數據量存儲和億級數據秒級檢索。為提高算法迭代效率，數據服務模塊提供了自動數據挖掘功能，開發人員將專注於有意義的場景，如接管，前車插入和數據丟幀。
同時，路測車的感知算法模塊需要百萬級的高質量標註數據進行訓練和微調，為此我們開發的自動化標註功能，在公開數據集上達到領先準確度，並利用雲上的海量運算資源標識將標註時間大大縮短，可節省超過70%的標註人力成本。
2. 軟硬體加速，提升AI訓練及仿真效率，讓開發變得更智能：自動駕駛系統的算法中越來越多的運用到深度學習算法，其模型訓練和調試需要使用大量GPU資源。平臺提供華為自研昇騰910 AI晶片和MindSpore AI框架能大幅提升訓練效率：在典型的ResNet50 網絡的訓練中，與現有友商的目前行業主流訓練GPU相比，顯示出接近2倍的訓練速度提升。同時我們也支持業界主流的深度學習框架如TensorFlow和PyTorch。
在超強算力加持下，自動數據挖掘功能結合預置豐富場景生成規則，還將為仿真提供更多有意義的場景，如接管，前車插入和數據丟幀。
3. 豐富的仿真場景，高並發實例處理能力，加速虛擬仿真：我們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，在智能駕駛、主動安全、危險場景等六大場景覆蓋大部分駕駛路況。通過集成業界主流仿真軟體，我們的系統可並行處理海量仿真任務，每日虛擬測試裡程可超過500萬公裡，同時並發3000個實例進行仿真測試，極大提高用戶測試效率。
4. 一站式服務體驗，自動駕駛全生命周期管理，讓用戶聚焦核心價值：全託管，開箱即用，全生命周期管理，用戶無需從零搭建一套複雜的自動駕駛系統，從而能聚焦於核心價值（算法和數據標註），快速開展自動駕駛業務。
5. 雲管端芯協同，車雲無縫對接：Octopus天然支持無縫對接MDC（移動數據中心）等車端硬體平臺和ADAS系統，實現車雲協同。
華為自動駕駛雲服務Octopus自2019年4月份正式發布以來，已逐步得到車企和開發者的廣泛認同，目前已在湖南長沙湘江智能網聯示範區等項目中商業落地，面向區域內的生態企業提供服務，幫助車企和開發者快速開發自動駕駛應用，也正與國內外眾多車企和合作夥伴展開合作。
未來，我們還將把高精地圖、5G及V2X技術、更多的AI算法、仿真場景等能力集成到「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，共同邁向智能網聯汽車新時代。