百度今年捷报频传。年初，与吉利杜畿汽车的合资项目进展迅速。只是百度Apollo项目，今年也接连取得突破。
今年6月，百度Apollo正式发布了第五代Robotaxi阿波罗月球。这款无人车最大的亮点就是将成本降到了48万元。成本低意味着更容易实现商业化运营。上月26日，百度Apollo宣布获得自驾车出行服务商业化试点牌照，这标志着百度Robotaxi正式进入商业试运营阶段。
在无人车领域，百度Apollo有绝对优势。无论是真实路测里程，还是车辆迭代，百度始终走在行业前列。
不过Robotaxi更专注于公共无人出行领域。对于用户来说，大家更关心的是百度的自动驾驶系统什么时候可以用在量产车上，这就不得不提百度的另一条纯视觉自动驾驶技术路线——Apollo Lite。
Apollo Lite产品化的优势和挑战
目前行业内自动驾驶的发展方向两极分化。
以特斯拉为首的视觉派坚信视觉是最好的感知。马斯克还公开说过：“他们都会抛弃激光雷达，记住我的话。”
另一派是一群新的车企，他们义无反顾地选择拥抱多传感器融合路线，连车辆搭载的激光雷达数量都可以“卷起来”。
在百度看来，不同的技术路线没有对错。视觉路线可以以更低的成本大规模生产，而多传感器融合解决方案可以提供更结构化的数据。这也是阿波罗Lite诞生的原因。
值得一提的是，Apollo Lite是国内唯一的纯视觉技术解决方案。
2019年Apollo Lite诞生的时候，百度对它的希望是降低对激光雷达的强烈依赖，然后以相对较低的成本实现L4级自动驾驶。据介绍，阿波罗Lite可以依靠12个摄像头进行360度环境感知，稳定探测距离为240米。
发布当年，百度在北京稻香湖进行了实地自动驾驶验证测试。由此，百度Apollo成为继Mobileye之后，全球第二家仅依靠视觉进行实地自动驾驶测试的科技公司。
另外，纯视觉虽然更便宜，更容易传播，但也有明显的缺点。
首先，摄像头虽然可以获取图像信息，但是无法直接感知物体的距离信息(可以通过特殊的算法处理来实现)；毫米波雷达的探测覆盖区域有限，需要一种算法过滤掉大量无关信息。
其次，Apollo Lite 10相机(2019年未新增两个鱼眼相机)产生的数据超过1G，百度Apollo参与计算的深度学习模型超过30个，全部压缩在一个GPU计算平台上。
即使我们克服了很多困难，但要想把它做成产品，交付到汽车上，仍然面临四大挑战。
首先是交通工具的变化。百度Apollo Lite在研发阶段采用了林肯MK-Z，但显然这种安装硬件的方式无法量产。但预组装量产对冗余设计、线控调整、散热方案、传感器集成都是全新的挑战。
前装也意味着车辆的可靠性、一致性和稳定性必须通过考验。由Apollo Lite演化而来的智能驾驶辅助驾驶产品ANP率先在威马W6上进行预装配量产测试。从这个测试车身可以看出，智能驾驶硬件很好地融入了车身设计。
第二点是计算硬件的问题，计算平台要适应车辆法规。前期研发阶段，百度用的是和Robotaxi一样的硬件。虽然百度限制了它的计算能力，但几乎没有量产车会使用服务器级GPU。因此，百度将其自主开发的计算平台转变为可量产的低功耗计算单元。
第三点是架构从X86变成ARM，计算能力直接减半。AI计算能力的大幅下降，意味着Apollo Lite必须改进视觉感知模型，在兼顾模型精度的同时，减少计算量和延迟。在规划和控制方面，大部分程序都不是AI驱动的，因此团队对软件系统进行了大刀阔斧的重构。
最后一点是高精地图的应用。在研发阶段，系统完全可以依赖Robotaxi的高精地图。因为规划、控制、决策没有变化，所以地图的标注非常精细。
但是，在量产车上继续使用“笨重”的高精地图是不现实的。因为用户可能在任何地方都开着这辆车，所以他们在任何地方都需要地图。
为了提高高精地图的覆盖面，降低制作成本，ANP降低了对高精地图元素的需求，在精度和新鲜感不变的情况下，使其更加轻便。所以在量产车型上，Apollo Lite适度放宽了对高精度地图的要求。
百度将高精地图元素缩减到原来的50%，单位距离的地图大小只有原来的10%。同时，Apollo Lite工程师开发了适应轻量级地图的感知、定位和决策规划算法，通过车端算法的升级，弥补了地图信息的不足。
ANP带来的可能性
自动驾驶，最重要的是产品的量产。
得益于Apollo Lite三年来的研发和优化，以及百度在Robotaxi行业的深厚积累和迭代。终于在今年百度交卷了，答卷足够丰富。从停车领域AVP到驾驶领域ANP，百度可以完成全场景覆盖。
目前，AVP自主泊车功能已在威马W6、广汽爱安V Plus和长城WEY摩卡安装，并推送给用户。城市驾驶员辅助驾驶系统ANP也将率先在杜畿的首款新车上量产。
这里有一个关键点值得关注。虽然很多车企和科技公司都在努力研究开放道路的驾驶员辅助驾驶，但真正向外界展示产品性能的却寥寥无几。除了代表小鹏的新势力车企NGP，以及科技巨头华为的ADS系统，只有百度ANP，而且两者都配备了两台以上的lidar。
相比之下，百度ANP不依赖昂贵的激光雷达，因为它是由Apollo Lite的纯视觉技术支持感知自动驾驶技术。
所以三者中，百度的方案成本最低，扩展性最强。说白了，小鹏作为一家新兴的车企，NGP在该市的渗透率目前只能依靠P5车型的销量。
华为和百度一样，扮演的是供应商的角色，但是华为的ADS方案成本太高，机型需要配备激光雷达。仅仅是几百顶的MDC计算平台就很贵。
而ANP则可以像一套“模板”一样根据不同型号“粘贴”，下至普通实惠型号，没有上限。更重要的是，这套系统并不是lidar的专属，车企也可以在ANP纯视觉的基础上增加lidar。
另外，城市驾驶员辅助驾驶的功能需要大量真实的路测经验作为基础，否则安全性无法保证。这恰好是百度的优势。ANP和Robotaxi是同源的，前者来自于后者对配置和维度的缩减，而百度Robotaxi的实车测试里程已经超过1800万公里，可以保证ANP在交付之初以及未来很长一段时间内保持实车测试体验数据的领先地位。
然而，ANP产品并非无懈可击。虽然Apollo Lite的技术方案给我们带来了无限的想象空间，威马W6也交付了一段时间，但是ANP软件还没有推。百度隆重推出的杜畿汽车还在路上，它在真实场景中的体验如何，是我们都很期待的。
百度的纯视觉解决方案Apollo Lite，经过三年的休眠，结合Robotaxi多年的路测迭代，终于在今年交付了L4级自动驾驶量产解决方案。这其中的意义恐怕不能简单用一句“全国唯一一、，世界第二”来定义。
写在最后
挖掘视觉潜力，百度不是一个人在战斗。说到自动驾驶，我们绕不开特斯拉和Mobileye。作为整车厂商，前者的软件能力是保持竞争力的核心。虽然特斯拉FSD在华北有所突破，但现阶段并未给美国市场带来显著价值。
此外，特斯拉在中国无法使用高精度地图，这大大降低了其跟随导航辅助驾驶系统NoA的能力。虽然特斯拉在基础辅助驾驶能力上有着深厚的功力，但是在更高级别的导航辅助面前，定位能力却成了它的桎梏。
Mobileye和百度Apollo更相似，甚至两者都有多传感器融合方案和纯视觉方案。但和特斯拉类似，Mobileye也要遵守游戏规则。
作为供应商，目前只能为车企提供L2级辅助驾驶的基础感知能力，而REM(道路体验管理)在其纯视觉方案监管中非常重要。
虽然Mobileye选择与SAIC和紫光集团合作获得地图测绘资质，但短期内不可能。所以Mobileye很难在与国内车企的合作中寻求角色的突破。
相比之下，百度作为国内市场占有率最高的地图经销商，积累了自己的资质、成熟的地图生产线和大规模的地图采集车队。同时，百度还与国内大部分车企建立了合作关系，为后者提供经过量产验证的高精地图。
在这样一个时间节点，百度率先将技术产品化，相比其他供应商绝对领先。但是，量变可以导致质变。如何以更低的成本让更多的客户搭载先进的产品，让更多的用户使用高水平的辅助驾驶，还在百度身上，百度要做的就是让质变发生。
