强化地图、升级芯片、扩大车队，百度自动驾驶迎来“百米冲刺”

2022年11月29日，百度在Apollo Day技术开放日上发布了新一代Apollo自动驾驶地图，并在业内首发文心大模型落地应用于自动驾驶的技术。

此外，百度计划在2023年着力打造全球最大全无人自动驾驶运营服务区。

不仅如此，百度还在强化了高精地图在自动驾驶中的作用，并透露其自研的自动驾驶芯片已经完成适配。

自动驾驶行业两极分化

今年以来，股价下跌，裁员、破产等消息持续困扰了自动驾驶公司，行业笼罩着一股阴云。市场对自动驾驶寒冬的讨论此起彼伏。

百度认为，这只是市场自然的周期更替而已。高级别自动驾驶研发成本高、周期长，行业持续性洗牌在所难免。

市场端呈现出的现象显示，前期积累不足的企业在这一轮洗牌中逐渐掉队，而通过持续投入滚雪球式技术积累效应开始显现。

百度认为，全球自动驾驶行业正在加速呈现两极分化的局面。“无人化”突破成了其中的关键分水岭。实现全无人落地、稳步扩区推进规模商业化演进的玩家将迎来发展新机遇；反之则掉队出局。

目前实现第一阶段的公司屈指可数。百度和Waymo分别是中美自动驾驶中的代表。

百度的无人自动驾驶业务已经在重庆、武汉、北京等地全线展开。

2023年，百度计划更进一步，着力打造全球最大的全无人自动驾驶运营服务区。这就意味着商业化落地范围将进一步扩大。

这需要两点支撑，首先是地方政策法规的迅速跟进；另一方面是百度自身的技术能力攀升。

有行业研究员表示，政策法规对自动驾驶产业的倾向性非常明显。面对百年难遇的产业变革，各个地方产业谁都不想错过这个百年大势。

北京颁发自动驾驶牌照；武汉、重庆特批自动驾驶车辆商业化；上海建立智能网联汽车集群；甚至相对不起眼的阳泉等小区域也加入自动驾驶产业的争夺战中。

在自身实力上，要快速推进市场，需要企业拥有成熟且完善的自动驾驶体系。按照百度自动驾驶技术专家陈竞凯的说法，百度Apollo依托坚实的AI技术底座，已经形成了自动驾驶技术体系，实现从全无人运营到规模商业化运营。自动驾驶技术落地新城市技术交付时间仅需20天。

尽管百度在自动驾驶推进速度上雄心勃勃，但也有业内人士担忧，抛开政策和技术的限制，用户教育也需要时间，百度的推进速度仍存在不确定性。

百度对此并不担心，根据其Q3财报数据显示，2022年第三季度萝卜快跑订单量超过47.4万，同比增幅高达311%，环比增幅高达65%。在北上广三个一线城市，平均单车日订单量15次以上，逼近传统网约车服务的日均订单量。

百度认为，从覆盖范围、订单量、用户粘性等多个维度来看，萝卜快跑均已形成“连点成线、积线成面“之势。用户对自动驾驶的接受度也是百度的底气所在。

高精地图构建自动化率达96%

自动驾驶到底该不该依赖高精地图？

支持者认为自动驾驶离不开高精地图，反对者认为高精地图的诸多缺点限制了自动驾驶的发展。

此前，大家都一直是自说自话。这一次，双方终于有了火药味十足的争论。

小鹏汽车CEO何小鹏，华为余承东等业内大佬都在公开场合表达了自动驾驶不应该过分依赖高精地图的说法。

这种观点获得了不少自动驾驶公司的响应。毫末智行，智行者、上海智驾等企业都在纷纷布局“重感知，轻地图”的自动驾驶方案。

而在此次Apollo Day上，百度对此进行公开回怼。百度认为，自动驾驶的发展需要高精地图深度参与，不依赖高精地图的企业本质上是因为自身实力不够，不是不依赖，而是资质壁垒，自研壁垒等各种限制，没法依赖。

Apollo Day上，百度自动驾驶技术专家公布了自动驾驶系统感知、预测决策、规划控制，以及数据闭环、地图、算力等全链条技术方案。并且在业内首发了文心大模型。

百度认为，低成本、重体验、能量产的Apollo自动驾驶地图重新定义了新一代地图发展趋势，更进一步优化自动驾驶体验。

其中的核心在于大模型技术，可以理解成自动驾驶大数据的延伸。但能否落地应用、能否用好也一直是业内热议的重点。

对此，百度有自己的理解。按照百度的说法，文心大模型-图文弱监督预训练模型，背靠文心图文大模型数千种物体识别能力，大幅扩充自动驾驶语义识别数据，如：特殊车辆（消防车、救护车）识别、塑料袋等。

这个对应自动驾驶的长尾问题，它将提升自动驾驶场景的解决数量，解决效率也将呈指数级提升；

此外，得益于文心大模型-自动驾驶感知模型10亿以上参数规模，通过大模型训练小模型，自动驾驶感知泛化能力显著增强。

百度认为，L4级自动驾驶要达到99.99%以上的成功率，地图是不可或缺的底层能力。而百度Apollo自动驾驶地图具有三个优势：自动化率高，安全性高，舒适性高。

百度高精地图构建自动化率已达到96%，能够很好的缓解高精地图应用成本高的问题。

同时，Apollo 自动驾驶地图融合车端感知数据与多源地图，实时生成在线地图，满足自动驾驶过程中实时更新的需求，以确保自动驾驶的安全性。

此外，Apollo自动驾驶地图基于百度地图1200万公里的数据积累，构建全路网级别的驾驶知识图谱。学习人类司机经验，用驾驶知识图谱为自动驾驶搭建进步的阶梯。尽可能让自动驾驶车辆在行驶过程中能有像老司机一样的表现。

在大数据处理层面，百度提出了「高提纯、高消化」的数据闭环设计理念。该方案的数据提纯路径利用车端小模型和云端大模型，实现高效率数据挖掘和自动化标注；数据消化架构实现自动化训练，具备联合优化和数据分布理解的能力，然后通过高纯度数据提升自动驾驶的整体智能水平。

自动驾驶数据的整理需要经过采集，筛选，分类，标注，提纯等一系列加工，让不同类型的数据导入不同的模型训练。其中的一个核心问题就在于数据的处理效率。按照百度的说法，显然，其数据处理能力已经有了极高的自动化水平。

L4与L2+自动驾驶技术将持续共生

此前，业内一直热议的一个问题是，到底是渐进式路线还是直接跨越式到达L4。

今年以来，随着各大自动驾驶公司逐渐发力L2+级辅助驾驶，这样的讨论似乎已经有了答案。

百度认为，L4/L2+技术将会在较长一段时间里处于共生关系。

目前，百度技术栈已实现L4与L2+智驾产品视觉感知方案统一、技术架构统一、地图统一、数据打通及基础设施共享。L4将持续为L2+智驾产品提供先进的技术迁移，L2数据反哺也将助力L4泛化能力提升。

百度在自动驾驶的技术推进路线上，走的是全栈自研，完全闭环的战略思路。

推进Robotaxi自动驾驶技术发展的同时。百度也在整车领域孵化了集度汽车，尝试将L2+技术落地。

百度通过自研高精地图来保障L2+城市级智驾产品拥有高安全的驾驶体验。

在自动驾驶的核心传感器上，百度投资了一径科技来解除激光雷达的后顾之忧。

在决定自动驾驶核心大脑的芯片层面，昆仑芯科技CEO欧阳剑透露，百度自研AI芯片昆仑芯2代已完成无人驾驶场景端到端性能适配，这将加速百度Apollo的软硬一体优势。

有人认为，百度距离大规模商业化落地还相差甚远；也有人认为，百度正在进行自动驾驶大规模商业化落地前的“百米冲刺”。究竟结果如何，拭目以待。

推荐阅读：