L4级自动驾驶，今年到了“大洗牌”“大变革”的时刻。一半是冬天。平台型自动驾驶明星Aurora，以及福特和大众背书的Argo，今年都传出裁员或破产的消息。许多之前专注于Robotaxi的公司都转向了乘用车辅助驾驶。资本对L4的故事变得格外谨慎。所以人们说：L4冬天来了。另一半是火焰。皇冠上的明珠遥遥无期，领先的公司已经瞥见了决赛的曙光，拿下了入场券。百度Apollo、谷歌Waymo、通用Cruise大步向前，不断进步。比如Waymo和Cruise在旧金山和凤凰城的商业运营范围和时长上不断取得突破；国内百度Apollo的萝卜跑也相继落地十余个城市，完全无人驾驶在北京、武汉、重庆等地实现里程碑，商业里程和运单数量快速增长。如何解释？其实很简单：在自动驾驶行业的洗牌浪潮中，只有真正的“无人”，才能率先看到曙光。为什么“无人在场”如此重要？百度Apollo、Waymo、Cruise这三位在L4商业化进程中进展最快的玩家，都表现出相同的特点。依靠巨头只是其中之一。更为本质的是，他们的落地项目都是建立在“无人”的前提下的。比如在湖北武汉，你可以通过胡萝卜快跑App调用一辆完全无人驾驶的自动驾驶汽车，而这背后的技术就来自于百度Apollo。为什么“完全无人驾驶”是实现L4级以上自动驾驶技术的关键？首先，从商业层面来看，“全无人驾驶”是Robotaxi商业模式初步成功的必要前提。对于Robotaxi来说，商业化最大的挑战就是成本。首先是车辆改装成本。早期，一辆Robotaxi花费数百万却没有与主机厂达成前装量产合作的情况非常普遍。在运营阶段，成本最大的就是车上的安全员。一辆由普通人类司机驾驶的网约车，最低年人工成本在12万元左右，安全员不低于司机。之前的Robotaxi在整个运营生命周期中，很难平衡自身成本，在技术上实现“全无人化”，即先节省人力成本。其次，完全无人驾驶的自动驾驶技术栈必须在预装的量产车型上实现，所以在车辆本身层面，也意味着它已经进入了与普通网约车相同的成本区间。此外，“全无人化”也意味着技术提供商已经能够满足自动驾驶出行的高可靠性和安全性。政策也更倾向于向此类技术提供商开放经营许可。因此，实现“完全无人化”自动驾驶最重要、最直接的一点是“降低成本”，而其背后更重要、更深刻的影响因素是技术成熟带来的安全性和可靠性的提升。根据百度Apollo给出的数据，测试里程累计超过4000万公里。Robotaxi的派送成功率已超过99.99%。这背后，既有Apollo讲的L2、L4的自动驾驶数据闭环，也有百度在AI领域的其他积累打下的基础。例如，依托问信大模型的万物识别能力，大大扩展了自动驾驶的语义识别数据，尤其是应用于特种车辆（消防车、救护车）、塑料袋等特殊车辆的识别时形物体，大大改善了长尾场景。覆盖，提高自动驾驶的可靠性。此外，Apollo自动驾驶高精度地图，构建自动化率达到96%，基于百度地图1200万公里领先的路网覆盖水平海量时空数据，结合数百人的驾驶知识积累百万驾驶员，构建全路网级别的驾驶知识图谱，提高自动驾驶决策的舒适度。目前，萝卜快跑全无人驾驶自动驾驶车队的商业运营和测试不断扩大、增加、增加时间。先后登陆北京、重庆、武汉。以武汉经济技术开发区为例，总面积130多平方公里，覆盖居民超过100万。自动驾驶车队的运营场景包括城市高架路和普通道路，运营时间覆盖白天和黑夜。流程稿中遇到的长尾场景和复杂挑战，与普通网约车私家车无异。而通过数据在真实场景中的积累和锤炼，可以直接加速Apollo的技术迭代效率，从而发现更多的长尾场景，形成闭环数据的“飞轮”效应。全无人驾驶技术成熟，商业模式初见成效，在部分城市开启规模化运营。在此过程中，有能力的玩家将进一步验证和完善Robotaxi商业模式，进一步扩大落地范围，从而形成领先优势。这正是百度Apollo、Waymo等玩家目前正在走的路，也是让人们在寒冬依然相信科技和自动驾驶的“火炬”。需要什么样的技术？要实现无人落地，背后的技术需要足够扎实。而百度作为在这场行业洗牌和两极分化中稳步发展，常年占据国内自动驾驶龙头地位的百度，其技术发展可以说具有一定的借鉴意义。因此，我们不妨从百度自动驾驶的技术发展路径来看这个问题。与其他玩家的玩法不同，百度自动驾驶的一个非常鲜明的特点就是与问心模式的深度融合。而放眼整个行业，在自动驾驶感知的应用上，百度是率先落地大规模模型的。具体来说，在解决自动驾驶的长尾数据挖掘问题上，百度采用了文信大模型-图片-文本弱监督预训练模型。几种典型的长尾数据挖掘问题包括：?稀有车型：如消防车、救护车等，由于其在道路上的“出镜率”低，形状不规则，难以被感知和理解。带来了一定的挑战。?各种姿势的行人：人在路上往往并不孤单，这不仅给识别带来挑战，也给后续的预测和跟踪带来一定的困难。?低位物体与交通、建筑要素：低位物体（如马路护栏等）一直是感知上极具挑战性的问题。面对以上固有问题，借助文心大模型的万物识别能力，百度自动驾驶的语义识别数据可大幅扩容，效率可呈指数级提升。此外，得益于参数规模超过10亿的文心大模型-自动驾驶感知模型，通过大模型训练小模型，自动驾驶感知的泛化能力也得到显着提升。对此，百度自动驾驶技术专家王敬东表示：大车型已经成为提升自动驾驶能力的核心驱动力。让百度自动驾驶能够快速实现无人驾驶落地的“第二法宝”就是百度Apollo自动驾驶地图。不同于我们平时使用的导航地图，高精地图可以说是智能驾驶必不可少的地图。总的来说，一张高精地图需要满足三大特征。首先是厘米级的高精度。人类在使用普通导航地图时，只需要精确到5-10米，再加上司机自己的判断。但智能汽车不具备人的判断能力，1-2米的误差就可能导致压线等问题，这也是为什么精度必须保持在厘米范围内的原因。二是覆盖海量道路信息。高精地图需要提供给智能汽车的信息，并不局限于普通导航地图所包含的道路选择、拥堵、行车时间等基本信息。还需要包含很多辅助驾驶信息，比如车道变宽偏移点、分流区域、环形标志、高速公路出口等，最重要的是路网的精确三维表示，以及超过100种道路特征，包括几条车道、边界线、护栏、路灯，甚至路缘的大小和半径。三是高精地图会走弯路。这是因为高精地图是针对智能汽车而不是人类，它提供的信息是用于智能汽车的定位系统、感知系统和决策系统。因此，面对隧道等情况，高精地图可能会出现“弯路”，因为在它眼里，这条路是不存在的。由此可见，要实现无人降落，高精度地图必不可少，而且实现起来并不容易。但作为已经“上岗”的百度Apollo自驾地图，想必也扛住了上述难关。据了解，百度高精度构建自动化率已达到96%，这意味着可以在很大程度上解决应用成本高的问题。同时，它还具备实时生成在线地图的能力，可以融合感知数据和多源地图，为自动驾驶的安全保驾护航。在决策方面，基于百度地图领先的1200万公里路网覆盖级海量时空数据和数亿驾驶员驾驶知识数据，百度还构建了路网级驾驶知识图谱提高自动驾驶决策的舒适度。花费。除了算法和软件层面，百度做到无人落地，在硬件上的努力也没有落下。据了解，百度自主研发的AI芯片昆仑酷睿2已完成无人驾驶场景的端到端性能适配，从而巩固百度在自动驾驶软硬件一体化方面的优势。当然，百度的自动驾驶汽车可以在无人降落领域走在前列。一组公开数据一目了然：目前，百度Apollo已成长为全球最活跃的自动驾驶开放平台，全球生态合作伙伴超过210家，全球开发者8万名，开源代码70万行；试验总里程超过4000万公里；自动驾驶专利家族3477件，连续四年位居世界第一。以上就是率先实现无人登陆的玩家背后的技术实力。决赛门票已经确定。正如我们开篇所说，今年全球自动驾驶行业正在经历一场“大洗牌”。从被曝破产、申请破产、裁员的自动驾驶企业来看，似乎都有一个共同点——都未能实现无人落地。毕竟，自动驾驶不仅仅是技术实力的比拼，更是时间和耐力的比拼。这就像退潮时才看谁在裸泳。站在2022年底，加速无人登陆成为“上岸”玩家发力的必然节点。不仅国内自动驾驶龙头百度在做，国际龙头也是如此。例如，Waymo、Cruise等自动驾驶公司正在加速无人驾驶的大规模商业化进程。据了解，目前美国旧金山已开通全市区7×24小时无人驾驶出行服务。与此同时，凤凰城的无人驾驶运营区域也在向核心城区拓展。此外，从凤凰城天港国际机场到市中心，全球首条全无人驾驶自动驾驶出租车服务也已开通，7×24小时运营。而百度也在近期释放出新信号：2023年，百度Apollo将继续扩大业务规模，计划在全国逐步增加200辆全无人驾驶车辆的部署，力争打造全球最大的无人驾驶服务区。据了解，今年量产的百度第六代无人车ApolloRT6（售价仅25万元），明年也将在胡萝卜快跑上率先投入使用。总的来说，百度在无人落地这件事情上做到了降本、保安全、保质量，同时也在加速扩大规模。原因是百度目前需要保证的是每个城市都能低成本跑通商业模式（毛利为正）；但如果放眼长远，其经营规模的指数级增长是可以预见的。可见，“无人落地”成为选手进入自动驾驶决赛的关键。那么在自动驾驶的下半场，谁能笑到最后呢？百度无疑是其中之一。
