【太平洋汽車 新車頻道】近期，百度舉辦了Apollo Day技術開放日上，百度自動駕駛技術專家全景化展示Apollo技術實力及前沿技術理念，發(fā)布新一代Apollo自動駕駛地圖，并在業(yè)內(nèi)首發(fā)文心大模型落地應用于自動駕駛的技術。近年來百度重點發(fā)力人工智能領域，在相關產(chǎn)業(yè)各個領域都進行了大幅的投入，我們驚喜的看到Apollo將百度在不同行業(yè)的布局引入到自動駕駛領域進行應用，并取得了成績。拍攝最常用的地圖這一的百度地圖正在幫助教自動駕駛開車；而最近流行的AI作畫，其底層模型也正在成為自動駕駛訓練的有力助手......

　　近段時間以來，多位車企高管發(fā)出了自動駕駛應該擺脫高精度地圖的觀點，引發(fā)了人們對這一話題的討論。對于業(yè)界提"重感知，輕地圖"這一主張，百度自動駕駛技術專家黃際洲表示：“提出‘輕高精地圖’的主張，其實主要的原因是因為很難翻越高精地圖面臨的"三座大山"，那么這三座大山分別是資質(zhì)壁壘、自研壁壘和供給稀缺。”

　　隨著自動駕駛相關技術的快速發(fā)展，國家在地圖資質(zhì)層面也進行了大力的推動，有權采集高精度地圖的甲級資質(zhì)圖商迅速從數(shù)家發(fā)展到了數(shù)十家。但作為涉及國家安全的重要數(shù)據(jù)資源，這樣的規(guī)模相比整個行業(yè)規(guī)模依然是稀缺資源，有著很高的門檻。同時地圖是一個周期長、門檻高，同時回報率并不高的行業(yè)，資質(zhì)并不是高精度地圖唯一的壁壘。黃際洲表示：“可以說國內(nèi)除我們之外，沒有第二家既精通地圖、又深耕自動駕駛的公司。”

　　由于種種現(xiàn)實的限制，截止目前高精度地圖的覆蓋率還不是很高，在高階輔助駕駛快速發(fā)展的當下，高精度地圖的覆蓋率大幅限制了強依賴高精度地圖的自動輔助駕駛的可用范圍，這也是業(yè)界提出"重感知，輕地圖"的現(xiàn)實背景。但對于高度自動駕駛，尤其是L4級以上自動駕駛而言，要達到99.99%以上的成功率，高精度地圖是不可或缺的底層能力之一。

　　高精度地圖或許不是自動駕駛的唯一解，但一定是最有用的工具之一。作為圖商的百度，提供更好用的高精度地圖就是其當下最迫切的工作之一，而同時又是自動駕駛技術深度參與者的百度Apollo能夠為百度地圖帶來最高效的溝通與實際反饋，這也是百度的優(yōu)勢。在本屆Apollo Day技術開放日活動上，百度對外分享了其在高精度地圖方面的最新成果。

　　為了更安全、更舒適、更高效的自動駕駛體驗，百度提出了Apollo自動駕駛地圖。不同于外賣常用的導航地圖，甚至不同于外賣常規(guī)對地圖的理解，Apollo自動駕駛地圖主要分為四層：

　　第一層是靜態(tài)層，也就是傳統(tǒng)的厘米級高精地圖的內(nèi)容，包括了車道級的數(shù)據(jù)，然后拓撲數(shù)據(jù)以及輔助車輛定位的定位數(shù)據(jù)；

　　第二層是動態(tài)層，這一層基于百度地圖海量的時空數(shù)據(jù)以及車路協(xié)同等實時的交通的事件、實時的交通的態(tài)勢以及實時的環(huán)境的變化等；

　　第三層是知識層，這一層包含了百度首創(chuàng)的駕駛知識圖譜，以及與自動駕駛體驗強相關的安全駕駛，還有舒適駕駛行為與知識等等；

　　第四層是駕駛層，通過知識與駕駛策略的融合實現(xiàn)了深度融合地圖和感知、決策，還有控制應用，而數(shù)據(jù)實時感知的融合，數(shù)據(jù)閉環(huán)還有實時更新，就實現(xiàn)了高鮮度的地圖的數(shù)據(jù)。

　　如今我們已經(jīng)習慣了使用導航地圖，并不會覺得導航地圖在精度方面有太大的問題。其實，我們常用的導航地圖主要由粒度較粗的道路拓撲信息構(gòu)成，精度僅在15米左右，而高精度地圖要做到厘米級精度。對于人類駕駛員而言，其實是將更多的感知與運算由人腦來實現(xiàn)的，地圖的精度要求不高，而是需要提供與駕駛員更好的交互。理論上，媲美甚至超越人腦的單車智能是可以不依賴地圖等數(shù)據(jù)實現(xiàn)全路況自動駕駛，但現(xiàn)實是目前人工智能并沒有達到這樣的高度。同時不得不考慮的一點是，機器智能的強項不在于人類的感性認知，而在于人類相對弱勢的理性認知方面更占優(yōu)勢。能夠提供更密集、精確信息的自動駕駛專用地圖就有了其存在的合理性與必要性。

　　而Apollo自動駕駛地圖更有趣的一點是百度首創(chuàng)的駕駛知識圖譜。也就是“知識層”。簡單來說就是百度將通過百度地圖大數(shù)據(jù)搜集的人類駕駛員行為教給自動駕駛，讓自動駕駛陌生路段也能做到更擬人的操作。舉個簡單的例子，單車智能能夠通過識別路邊的限速標識來規(guī)范行進速度，但在限速120km/h的高速駛出到匝道時，路邊會突然出現(xiàn)60km/h，甚至30km/h的限速標識，在數(shù)百米的識別范圍內(nèi)猛然如此劇烈的減速無論是舒適性還是安全性都得不到保障。而知識層就能夠根據(jù)大數(shù)據(jù)提前將更合適的駕駛行為提前告知車輛，讓自動駕駛更擬人、安全的駕駛。當然這是一個我們能想到的簡單例子，也很容易解決。但自動駕駛最大的難點就在于“長尾效應”，不是說遇到的場景有多難，而是總會遇到開發(fā)過程中無法提前預想到的問題，駕駛知識圖譜對于解決此類問題有很大的幫助，并且能夠做到更擬人的解決問題。

　　Apollo自動駕駛地圖基于百度地圖超過1200萬公里的路網(wǎng)覆蓋、日均20億公里的軌跡里程的獨有的數(shù)據(jù)資源，向數(shù)億的司機進行學習。通過百度領先的人工智能的技術，構(gòu)建了全路網(wǎng)級別的駕駛知識圖譜。

　　隨著自動駕駛的規(guī)?；涞?，數(shù)據(jù)規(guī)模將出現(xiàn)爆發(fā)式增長。如何尋找更有價值的數(shù)據(jù)，如何高效地利用數(shù)據(jù)提升駕駛能力，成為自動駕駛持續(xù)學習和實現(xiàn)規(guī)?；年P鍵。百度自動駕駛技術專家李昂提出了“高提純、高消化”的數(shù)據(jù)閉環(huán)設計理念，全面強化自動駕駛的數(shù)據(jù)煉金術。官方介紹，該方案的數(shù)據(jù)提純路徑利用車端小模型和云端大模型，實現(xiàn)高效率數(shù)據(jù)挖掘和自動化標注；數(shù)據(jù)消化架構(gòu)實現(xiàn)自動化訓練，具備聯(lián)合優(yōu)化和數(shù)據(jù)分布理解的能力，有效地利用高純度數(shù)據(jù)進一步提升自動駕駛系統(tǒng)的整體智能水平。

　　汽車智能化時代，百度也積極將自動駕駛技術落地高級輔助駕駛產(chǎn)品，探索L4/L2+技術共生路線。百度自動駕駛技術專家王亮認為，百度賦能汽車智能化的信心和底氣源于十年自動駕駛技術沉淀。目前，技術棧層面已實現(xiàn)L4與L2+智駕產(chǎn)品視覺感知方案統(tǒng)一、技術架構(gòu)統(tǒng)一、地圖統(tǒng)一、數(shù)據(jù)打通及基礎設施共享。L4將持續(xù)為L2+智駕產(chǎn)品提供先進的技術遷移，L2數(shù)據(jù)反哺也將助力L4泛化能力提升。同時，王亮也強調(diào)高精地圖是保障L2+城市級智駕產(chǎn)品高安全、體驗好的必需必要條件。

　　提起最近一段時間最潮、最火的事情，AI作畫絕對是能上榜的話題之一。只需要輸入文本和參考就能夠得到一幅全新的繪畫作品，新奇的玩法和清奇的腦洞吸引了人們廣泛的參與。其中一款AI作畫工具——文心 ERNIE-ViLG 2.0便是基于百度文心大模型打造的AI作畫工具。而在本屆pollo Day技術開放日上，我們也見到了文心大模型。百度在此次活動上發(fā)布了文心大模型-圖文弱監(jiān)督預訓練模型。

　　文心大模型是一款基于大規(guī)模自監(jiān)督學習的多模態(tài)人工智能算法，能夠通過自監(jiān)督學習完成更大規(guī)模的深度學習訓練，只2019年發(fā)布以來，基于文心大模型開發(fā)的工具已經(jīng)在航天、電網(wǎng)、金融、生物、寫作、繪畫等等領域得到了應用。

　　在自動駕駛領域，需要標注大量的數(shù)據(jù)，往往相對而言容易獲得千萬量級的2D的標注數(shù)據(jù)，但對3D的標注數(shù)據(jù)來講相對比較困難。也就是通過標注海量的圖像對自動駕駛系統(tǒng)進行攝像頭感知的訓練，但給激光雷達采集的3D信息進行標注就困難了很多。并且感知技術一直在迭代，不同代際的激光雷達、4D毫米波雷達等采集的信息用于訓練，并非完全通用。文心大模型-圖文弱監(jiān)督預訓練模型就是解決這一問題。

　　百度在在既有2D又有3D的訓練數(shù)據(jù)上面，去訓練一個感知大模型出來，然后給那些沒有3D標注的數(shù)據(jù)打上3D偽標注。然后再繼續(xù)訓練一個感知大模型出來，如此迭代，逐步的把感知大模型的效果提升，同時也使得3D的尾標注的效果越來越好。

　　大模型技術是自動駕駛行業(yè)近年的熱議趨勢，但能否落地應用、能否用好是關鍵難題。百度自動駕駛依托文心大模型特色優(yōu)勢，率先實現(xiàn)技術應用突破。百度自動駕駛技術專家王井東表示：文心大模型-圖文弱監(jiān)督預訓練模型，背靠文心圖文大模型數(shù)千種物體識別能力，大幅擴充自動駕駛語義識別數(shù)據(jù)，比如消防車、救護車等需要避讓的特殊車輛識別，還有塑料袋等不易分辨的小物件的辨識等等，自動駕駛長尾問題解決效率指數(shù)級提升；此外，得益于文心大模型-自動駕駛感知模型10億以上參數(shù)規(guī)模，通過大模型訓練小模型，自動駕駛感知泛化能力顯著增強。

　　除了軟件、算法，硬件也是自動駕駛的核心，尤其是備受關注的芯片。Apollo Day技術開放日上，昆侖芯科技CEO歐陽劍透露，百度自研AI芯片昆侖芯2代已完成無人駕駛場景端到端性能適配。

　　昆侖芯科技是百度2011年投資成立的AI芯片企業(yè)，目前已成功推出兩代通用AI計算處理器產(chǎn)品:昆侖芯1代AI芯片、昆侖芯2代AI芯片及多款基于自研芯片的AI加速卡。昆侖芯2代采用7nm制成工藝，基于XPU-R架構(gòu)，算力從128T到256T，是業(yè)界第一顆采用GDDR6內(nèi)存技術的AI芯片。

　　歐陽劍表示，未來還會考慮面向高階自動駕駛系統(tǒng)定制我們的車規(guī)高性能的SOC，把過去10余年所有的積累、所有的創(chuàng)新都會用在車上。

　　百度Q3財報數(shù)據(jù)顯示，2022年第三季度蘿卜快跑訂單量超過47.4萬，同比增幅高達311%，環(huán)比增幅高達65%。其中，武漢重慶兩地的全無人自動駕駛訂單量增長迅速；此外，在北上廣三個一線城市，平均單車日訂單量15次以上，逼近傳統(tǒng)網(wǎng)約車服務的日均訂單量。從覆蓋范圍、訂單量、用戶粘性等多個維度來看，蘿卜快跑均已形成“連點成線、積線成面“之勢。

　　高級別自動駕駛研發(fā)成本高、周期長。在新一輪行業(yè)洗牌中，前期投入帶來的滾雪球式技術積累效應開始顯現(xiàn)。全球自動駕駛行業(yè)正在加速呈現(xiàn)兩極分化的局面，其中關鍵分水嶺在于能否實現(xiàn)“無人化”突破。具體來看，實現(xiàn)全無人落地、穩(wěn)步擴區(qū)推進規(guī)模商業(yè)化演進的實力玩家將迎來發(fā)展新機遇；反之，潮水退去，技術積累不足無法跨越無人化落地的公司或?qū)⒚媾R掉隊局面。

　　當前，百度、Waymo等公司均跨過全無人自動駕駛運營落地的門檻，密集推進規(guī)模商業(yè)化進程。例如，Waymo近日獲得加州CPUC批準在舊金山、灣區(qū)部分城市等區(qū)域向公眾提供無人駕駛網(wǎng)約車服務；與此同時，百度繼重慶、武漢雙城開展全無人自動駕駛商業(yè)運營后，在北京繼續(xù)擴大無人測試。Apollo Day技術開放日活動上，百度也宣布，2023年將擴大業(yè)務規(guī)模，在更多區(qū)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(qū)。

　　自動駕駛行業(yè)沒有彎道超車，多年技術積累才能實現(xiàn)全無人落地的臨門一腳。百度自動駕駛技術專家陳競凱介紹，百度Apollo依托堅實的AI技術底座，打造安全、智能、高效的自動駕駛技術體系，實現(xiàn)從全無人運營到規(guī)模商業(yè)化運營。目前，自動駕駛技術泛化能力進步速度超預期，落地新城市技術交付時間僅需20天。

　　當前，汽車產(chǎn)業(yè)已經(jīng)從電動化競爭轉(zhuǎn)向智能化競爭，Apollo依托百度在人工智能領域的全方面投入，從軟件到硬件方面都取得了不俗的成績。開放的Apollo能夠?qū)⒆陨頁碛械娜轿荒芰x能給更多行業(yè)伙伴，加速國內(nèi)自動駕駛領域的更快發(fā)展。而蘿卜快跑作為Apollo落地的項目之一，正在悄然取得相當可觀的訂單成績，而他面向的，是未來共享出行的服務競爭。（文：太平洋汽車 郭睿）