又到了上海车展。
与上届相比，今年上海车展新增了一个品类。
目前无法定义这些公司。
他们堪称智能汽车的技术服务商。
毫无疑问，他们瞄准了未来，正在努力奔跑。
百度、华为、大疆等公司已经加入了这个游戏。
之所以将它们归为新类别，是因为在智能汽车日益被定义的当下，这些企业或许已经在智能网联、自动驾驶等核心技术上找到了自己的定位。
已经积累了相应的技术储备。
其中，百度最先入局，也最先开始为车企提供服务。
从今年百度Apollo智能驾驶体验的升级来看，打造一辆在核心技术上配套的智能汽车已经不再是难事。
真实体验中的ANP也是林肯MKZ车型，上面印着阿波罗的字样。
乍一看，它似乎与普通的百度Apollo自动驾驶汽车不同：顶部和车身周围没有激光雷达。
但当我坐进车里时，不仅车内设施没有变化，而且车启动后，那种熟悉的感觉又回来了。
和你之前乘坐的L4级Robotaxi没什么区别。
在搭载百度Apollo最新技术ANP（Apollo Navigation Pilot）先导辅助驾驶系统的车辆中，你也可以放松手脚，不需要频繁接管车辆。
ANP是百度去年年底推出的自动驾驶技术。
与此前无法在量产车上实现的L4级自动驾驶汽车相比，ANP用自己的方式解决了这个问题。
虽然还不算“无人驾驶”，但从体验中可以看出，系统识别度已经达到了比较高的水平。
以体验过程中遇到的施工区域为例。
路中间停着一台维修机器。
由于这是自动驾驶中相对罕见的情况，机器的形状各异，系统不一定能全部识别。
出来。
但ANP系统成功绕过施工区域并避开机器，过程中没有任何停顿，行驶保持平稳。
如果事后理性分析，ANP可能已经识别出了机器的底座，并将其视为障碍物；也许它认出了地面上的交通锥并“理解”这是一个建筑区域；或者它已经看到了前面的所有汽车。
避开它并跟随前车并非不可能。
自动驾驶汽车可识别红绿灯并自行驾驶 |百度Apollo此外，ANP还可以独立完成一些自动驾驶行业公认的困难场景。
例如，在路口左转给行人让行以及在城市道路的开放路口左转对于自动驾驶来说并不容易。
地上几乎没有任何标志，转弯后需要立即进入车道。
更何况，当你左转时，会遇到过马路的行人，这就增加了系统识别的难度。
然而，配备 ANP 的车辆已经很好地实现了这一点。
依靠红绿灯识别、道路上行人和汽车的识别以及高精度地图的辅助，车辆可以识别视线范围内所有可以识别的事物。
当行人过马路时，汽车停在我面前。
其他复杂的场景，比如环岛行驶、行人突然从盲点跳出等，都是ANP在实际体验中遇到并解决的。
你应该知道ANP有点特殊。
是目前所有辅助驾驶产品中唯一支持城市道路使用的产品。
有行人、自行车、电动车等交通工具的城市道路比高速公路和环路更难使用。
情况要复杂得多。
ANP也能克服环岛自动驾驶普遍困难的场景 |百度Apollo Apollo为什么能够达到高水平的体验？在百度看来，ANP是针对自动驾驶的“降维攻击”，意味着将同源技术压缩到更合理的成本，投入到高体验的量产汽车中。
“降维打击” 降维打击并不意味着这个功能很容易实现。
相反，将同样的体验应用到量产车上是一个巨大的技术挑战。
与百度的Robotaxi相比，ANP和ANP最大的区别在于它没有激光雷达，而激光雷达是自动驾驶中的核心传感器之一。
百度集团高级副总裁、智能驾驶事业群总经理李振宇在接受极客公园（ID：geekpark）等媒体采访时表示，激光雷达也存在挑战，目前在技术方面还无法克服。
车辆规格和成本。
临界点。
ANP主打的纯视觉技术解决方案性价比更高，以更快的速度受到车企的青睐。
数万公里自动驾驶测试数据也是百度的宝贵财富 |百度Apollo 众所周知，激光雷达在自动驾驶汽车上最大的优势就是其强大的三维测距能力。
通过飞行时间（Time-of-Flight）原理，可以以毫秒为单位测量距离，可以在1分钟内完成对其周围环境的实时建模，测距精度达到厘米级。
准确的三维信息为物体检测、跟踪、分类等任务带来便利，并极大简化了感知算法的设计和实现。
相机成像是“被动”的。
感光元件只接收物体表面反射的环境光。
三维世界通过射影变换被“压缩”到二维相平面上。
在成像过程中，场景的“深度”（景深）信息会丢失。
因此，从2D图像中恢复3D信息是使用摄像头代替激光雷达为自动驾驶提供感知结果所面临的核心技术挑战。
对于百度Apollo来说，需要大量的算法修改和AI技术训练来解决“看”和“瞄准”的基本能力，包括后续对每个场景的理解。
将自动驾驶融入量产汽车并没有想象中那么容易 |百度Apollo的成果也可以体现在量产车型上。
ANP量产车型威马W6与百度Apollo深度合作，可以在城市道路上使用自动驾驶辅助驾驶，并针对中国路况做出最适合的改进。
智能驾驶背后的开放系列 在ANP背后，百度Apollo实际上实现了软件和硬件的结合，使软件和硬件都保持在稳定的水平。
例如，与德州仪器联合开发的计算平台ACU将处理器融入到Apollo软硬件一体化的自动驾驶产品设计中。
可见，ANP不仅仅是百度在某条技术路线上能力的释放，而是多个产品的融合以及最终的商业结果。
例如，根据百度Apollo的说法，智能自行车路线不再是主流，而是依靠车路协同和车外的基础设施力量来辅助自动驾驶。
再比如未来自动驾驶必然配备的高精度地图，百度也在持续布局。
2017年，百度地图汽车版升级了核心能力，包括一体化定位、多屏车道级导航、电动车出行服务、场景出行服务等功能。
在与ANP结合的智能导航系统中，一方面，智能导航系统利用独特的路径计算引擎，提前感知可以辅助驾驶的路段，帮助用户提前做出决策，覆盖所有自动驾驶旅行之前、期间和之后的场景。
;驾驶过程中，智能驾驶系统可结合人体传感器数据引导车道自动进出坡道、车道保持、超车等自动驾驶功能，并在到达目的地后自动推荐周边停车服务，缓解用户停车焦虑。
另一方面，智能驾驶系统可以实现全行程规划和安全引导，解决自动驾驶在道路计算策略中的比重，让用户体验更多自动驾驶区域。
高精度地图在自动驾驶汽车中的应用 |百度Apollo可以说，自动驾驶的智能化部分与高精度地图息息相关。
为什么说高精度地图一定是自动驾驶的“得力助手”？我们做一个假设：如果未来自动驾驶普及，人类不需要开车，谁来代替人眼的角色“见六路”？摄像头和高精度地图是取代人眼最重要的部分。
更重要的是，高清地图比摄像头更智能。
它们可以提前获知位置信息，准确规划行车路线，在摄像头看不清楚或雷达无法探测到的地方也能及时反馈数据。
在自动驾驶最重要的安全方面，高精度地图可以作为辅助，准确识别交通标志、标线等数百个目标，提前做出准确的判断和决策。
不仅如此，在自动驾驶、智能网联相关产品中，百度将其所有技术都归类为清晰的模块化产品。
面对汽车智能化趋势，百度Apollo拥有以ANP为代表的智能驾驶、以小度车载OS为代表的智能座舱、专注于高精度地图的智能地图以及汽车云解决方案智云。
Apollo汽车智能化成果公布，智能座舱是重要组成部分 |百度Apollo总体来看，四大系列产品都可以独立应用于车企。
用百度Apollo的话说，它们是乐高式的智能解决方案。
但其核心是相互补充、相互融合的。
八年来，百度Apollo开发的技术积累通过四大乐高式解决方案得以释放，堪称集中“爆发”。
回到文章开头提到的，如何用最简单、最快的方式打造一辆智能汽车？这个真正的问题是这些新品类的技术服务商目前应该达到的目标。
本文最初由 GeekPark 发表。
转载请添加geekparker微信。