作者 | 德新

編輯 | 王博

1. 全球無人駕駛大洗牌，Robotaxi越發向頭部聚集

全球無人駕駛落地正呈現兩幅面孔。隨著資本熱潮褪去，一部分公司在資金和研發上已經難以為繼，Robotaxi落地的資源和希望，正無限向頭部公司聚集。

10月，Argo宣告關閉，員工將分流至福特和大眾，并轉向量產自動駕駛的研發；

9月，Aurora Innovation尋求出售，目前市值已跌至15億美元，不足其鼎盛期的1/10；

ZOOX賣身亞馬遜之后，一部分研發轉向無人配送，而今年又有消息傳出，亞馬遜關閉了部分無人配送項目。

假如把L4無人駕駛比喻成一座山峰，過去五六年間涌現的那些技術公司們，正在進入更難更險的路段。

觀察頭部公司們的表現，實現「無人化」的突破是一個關鍵的分水嶺。那些跨過「無人化」的公司仍在快速挺進，與行業中的裁員、關停呈現完全不同的一番景象。

Waymo近期獲得加州CPUC批準在舊金山、灣區部分城市等區域向公眾提供無人駕駛網約車服務；并且宣布了和極氪合作的新進展，基于概念車ZEEKER M-Vision打造量產車，車型將在2024年具備量產條件。

繼今年早些發布量產車Apollo RT6之后，百度也在本周舉行Apollo Day，第一次完整系統地向外界闡述了Robotaxi無人化落地新階段的思考。多位技術大牛，分享了大量百度在過去十年中的珍貴經驗和獨到的技術判斷。

百度也宣布，2023年將擴大業務規模，在更多區域開展全無人自動駕駛運營，著力打造全球最大的全無人自動駕駛運營服務區。

浪潮滾滾向前，頭部公司們吹響了Robotaxi大規模落地的沖鋒號。

2. Robotaxi 2.0時代：百度Apollo的技術判斷

本屆百度Apollo Day的一大看點，是百度Apollo以及百度研發體系的多位大牛集體登場。

更精彩的部分是基于百度的AI、計算機視覺、地圖等的技術體系，Apollo的思考和技術判斷。

非官方的說法是，這是一場「價值百萬」的技術分享。以百度十年千億級的研發投入來說，這場分享價值百萬毫不為過。

我們先從陳競凱的分享講起，他首先綱領性地拋出了Apollo的幾個技術選擇：

• 工程化的技術體系

打造能大規模落地的Robotaxi，核心是搭建安全、可規模化、智能高效的自動駕駛系統。從系統設計上有兩種思路：一種是偏向學術派的，統一建模、端到端的解決方案；另一種是工程導向的，做系統拆分，逐個突破。

端到端的解決方案存在很大的不確定性，雖然技術發展迅速，但到底在未來兩年還是十年能取得突破仍是未知的。目前百度Apollo的技術搭建仍然沿著工程化的思路，將車載體系大致分為：地圖、感知、預測決策、規劃控制四個大塊。

• 高精地圖不是阻礙，而是助力

行業今年提出了「重感知、輕地圖」的思路，原因是地圖資質難、成本高、難獲取。而百度認為高精地圖≠高成本的阻礙，難點在于車輛第一次通過已經變更的現實世界時，如何安全通過，解決方案是實時地圖與離線高精地圖的融合。

• 多模態前融合感知，而非純視覺

以特斯拉為代表，行業今年在傳感器選擇上出現了較大分歧。百度的判斷是，充分發揮各傳感器的優勢，并且在發展過程中將后融合方案轉為前融合方案。

• 學習型PnC是實現全無人的必由之路

百度最初的預測和決策是分立的兩個系統模塊。預測由數據驅動，而決策規劃控制是基于規則的方案。規則系統的問題是隨著系統迭代，策略分叉導致投入產出比越來越低，且面對城市擴張、場景變化時，不僅需要分支節點的調整，而是需要從主干到分支的全面調整，基于規則的PnC是難以規模化的。

因此，百度的思路以漸進的方式，以學習型的系統來吸收規則系統，數據驅動PnC的迭代，同時規則也作為安全的兜底。

• 數據是仿真系統的靈魂

仿真系統的價值不僅是針對單一場景進行模擬，而是對每次迭代帶來的系統表現變化進行完整的評價。

因此仿真系統結合大規模的數據分布來構建是必須的，數據是仿真系統的靈魂。將真實世界事件發生的概率與仿真掛鉤，才能在仿真系統一個相對扭曲的分布中，獲得更準確的對系統能力的度量。

3. 邁向全無人：Apollo的核心技術支柱

隨著百度在重慶、武漢開展全無人的商業運營試點，以及Apollo RT6的量產推進，百度下一階段的目標是：持續擴大業務規模，在更多區域開展全無人運營，打造全球最大的全無人駕駛運營服務區。

Apollo Day上也展示了面向更大范圍的無人化，百度Apollo當前幾個關鍵的技術支柱。

3.1  輕成本、重體驗的地圖，是L4系統達到99.99%的關鍵

當下「重感知、輕地圖」的趨勢，是一種從成本出發的技術主張。而百度Apollo堅定認為只有用上了高精地圖，L4自動駕駛才能達到99.99%的成功率。比如當道路標識出現遮擋、污損、新舊重疊時，單靠實時感知無法應對。

Apollo的勇氣來自于，百度是行業內唯一一家既懂地圖又深耕自動駕駛的公司。

高精地圖要大規模應用，首先要降本。從百度的經驗看，2020 - 2022年Robotaxi高精地圖單公里生產成本逐年明顯下降。目前，百度高精地圖構建自動化率達到96%。

大規模地圖生產的難點是自動化的數據融合，關鍵是融合的絕對/相對精度要達到厘米級。在數據融合上，百度做了3方面的技術創新：多層級的圖優化；場景化關聯和匹配；以及基于學習的匹配算法。

其次是提升體驗。

百度地圖本身有超過1200萬公里的路網覆蓋，日均20億公里的軌跡數據，通過向數億的司機學習，形成全路網級的駕駛知識圖譜。這個圖譜包括：行駛速度、變道時機、變道軌跡等等。這一層輸入，是自動駕駛由笨拙變得順滑的關鍵。

第三是通過百度地圖和智能交通技術，提高通行效率。

3.2 文心大模型，2.0時代的多模融合感知體系

「大模型，已經成為自動駕駛能力提升的核心驅動力。」這是王井東的觀點。

百度Apollo自動駕駛感知1.0，是以激光雷達為主，加入環視、毫米波的后融合感知方案，后融合是以規則驅動的，因此泛化能力不夠。

感知2.0是多模態、前融合、端到端的方案為主；除此之外，補充以遠距離的視覺感知以及近距離的魚眼感知。大模型在其中發揮的作用，包括數據挖掘、數據標注等等。

自動駕駛有幾類典型難題：

· 遠距離物體感知；

· 激光雷達升級點云變化，引發的數據重標注挑戰；

· 長尾數據挖掘，比如異形車、行人、低矮物體等；

文心大模型的應用，主要是用大模型提升車載小模型的感知能力；并且可以利用弱監督預訓練的方式挖掘長尾數據。

自動駕駛數據集中，2D數據容易獲取，3D數據獲取相對困難。可以利用2D標注數據和3D標注數據，迭代自訓練的方法得到一個效果不錯的感知大模型，再利用大模型對數據進行3D的偽標注，同時使用模型蒸餾的方法，獲得感知效果比較好的小模型。

3.3 高提純、高消化的數據閉環是如何設計的？

無人車跑得越遠，會遇到各種意想不到的場景，比如羊群過馬路。解決罕見、長尾場景，是數據閉環的價值。與感知、規控、決策的技術棧相比，大規模數據閉環的建設是行業里的嶄新命題。

數據閉環的前半是大量數據帶來的存儲和標注的壓力，后半是大規模數據用于訓練的計算量需求暴增。百度Apollo設計的數據閉環，核心是解決「高提純、高消化」的問題。

在數據提純上，百度的方案是利用車端小模型+云端大模型，做高效的挖掘和自動化標注；數據消化架構，實現自動化訓練，具備聯合優化和數據分布理解的能力，利用高純度的數據進一步提升自動駕駛系統的整體智能水平。除此之外，訓練、推理以及數據分布在數據消化過程中，形成有效的反饋機制，進一步提升數據消化的整體效率和效果。

3.4 L4與L2+共生，百度的獨家秘技

百度是行業內第一家同時具有L4 Robotaxi技術和量產L2+輔助駕駛方案的公司。

其內部的判斷是：2023年具備城市道路輔助駕駛能力的產品上市后，會帶動C端用戶需求，并在2025年引發消費者對高階輔助駕駛/自動駕駛的需求爆發。

百度的L2+ 領航輔助駕駛產品ANP 3.0 將在2023年夏天在首家客戶的車型上量產上市，支持復雜城市道路場景，并且銜接融通高速和泊車場景。

ANP 3.0的硬件是雙Orin-X芯片，部分配置800萬像素攝像頭，搭載半固態激光雷達。從技術特點來講，ANP 3.0的視覺感知和激光雷達感知，是兩套獨立運行、低耦合的系統。

背靠百度Robotaxi的數據積累，ANP 3.0在BEV的數據供給上有先天優勢，融合LiDAR信息的L4感知結果可以作為BEV模型的標注數據，直接用于模型預訓練。目前，百度Robotaxi的累計里程超4000萬公里。

其次ANP使用了一套為智駕規模化輕地圖方案，提升安全，也降低制圖成本。

百度內部認為實現無人駕駛商業化的最佳路徑是：

前期在限定區域實現技術積累，通過技術降維和L4數據，為L2+產品做熱啟動；

更長期看，利用L2的規模優勢，提前收集L4泛化所需要儲備的長尾問題。

內部預期未來3 - 5年內，百度領航輔助駕駛產品搭載量有望突破百萬，百萬級的車輛營造的數據壁壘也將有效成為L4的技術護城河。

3.5 One more thing：自研昆侖芯片

目前，百度自研的昆侖芯片已經量產了兩代，實現數萬片的商業化部署。第三、第四代產品都在研發中，三代芯片預計明年量產，四代芯片后年量產。

作為一款云端通用人工智能計算處理器，昆侖芯CEO歐陽劍介紹，昆侖芯主要是幾大優勢：是業界為數不多大規模部署的AI芯片，具備完善的生態，靈活易用。

自動駕駛的業務和模型算法復雜度不亞于數據中心，而昆侖在數據中心積累的優勢可以很好地移植到自動駕駛上。

目前昆侖芯二代已經在百度的Robotaxi系統上進行了完整的適配，并開始道路測試。

4. 什么樣的公司有望無人駕駛落地的勝利？

今年無論是特斯拉的AI Day，還是百度的Apollo Day，眾多科技公司的開放日都變得極其技術化。

一方面，面對自動駕駛、機器人這些尖端前沿的話題，行業公司嘗試開放一部分的思考加速整個行業的技術推進；另一方面，公眾對無人駕駛的商業應用、技術實現和使用體驗也逐漸顯露出了濃厚的興趣。

無人駕駛/自動駕駛/高階輔助駕駛的落地，是安全、成本、體驗的極致平衡。與無人駕駛相比，輔助駕駛更重成本和體驗；而無人駕駛首重安全和成本。

一位業內人士評價：L2與L4之爭，好比是飛機和火箭。L2進階，飛機越飛越快、越飛越遠，但仍然難以到達月球，這是本質上架構設計的不同。頭部的L4公司已經淌過了近10年的坑，在無人駕駛落地上將持續領先。

目前L4 Robotaxi已經可以在國內的部分城市在特定區域，可以開展無人化的商業運營，下一階段的難點是：成本下降和規模部署。

好消息是：

成本下降，已經點連成線。依托輔助駕駛的大規模量產，在關鍵零部件上激光雷達、大算力芯片的成本已經大幅下降。以百度為例，第六代量產無人車Apollo RT6成本僅為25萬元，相當于一輛普通新能源汽車的價格。

法律法規也逐漸開放。重慶、武漢落地無人化試點，北京在本月開放了前排無人，深圳試點L3立法，廣深發放首批城市高精地圖許可。

什么樣的公司能迎來無人駕駛落地的勝利？要有雄厚的資金資源實力持續投入；體系化的AI能力積累；工程能力與對汽車安全的深入理解。

過去一年，百度蘿卜快跑的運營范圍遍及北京、上海、重慶、武漢等10多個城市，超過了Waymo等廠商，成為全球最大的自動駕駛出行服務提供商。

蘿卜快跑累計訂單量達到140萬單，上個季度公眾累計乘車47.4萬次；在部分地區，單車每日完成15次以上出行服務，已經與傳統網約車服務相當接近。

無人駕駛在技術研發上遇到的問題越來越難，頭部公司也越發看到勝利的曙光。

返回第一電動網首頁 >