L4自動駕駛，今年走到了「大洗牌」、「大變局」的時刻。
一半是寒冬。平台型自動駕駛明星Aurora、背靠福特和大眾的Argo……今年都先後傳出裁員或破產的消息，還有不少之前專注Robotaxi的企業，轉軌做起了乘用車輔助駕駛。
資本對於L4的故事，變得無比謹慎。於是人們說：L4寒冬已至。
另一半，卻是火焰。
王冠上的明珠遙遙在望，龍頭公司已經窺見了決賽曙光，拿到入場券。
百度Apollo、GoogleWaymo、通用Cruise高歌猛進，進展不斷。
例如，Waymo、Cruise在舊金山、鳳凰城的商業營運範圍、時長不斷取得突破；而國內百度Apollo的蘿蔔快跑也接連落地十餘個城市，完全無人駕駛在北京、武漢、重慶實現里程碑式落地，商業里程、運單數快速成長。
怎麼解釋？
其實很簡單：自動駕駛產業洗牌浪潮中，只有真「無人」，才能最早看到曙光。
百度Apollo、Waymo、Cruise這三個在L4商業化落地進展最快的玩家，都展現出相同的特質。
背靠巨人只是其一，更本質的，是他們的落地項目以「全無人」為前提。
例如在湖北武漢，你可以透過蘿蔔快跑App叫到全車無人的自動駕駛汽車，而這背後的技術就來自百度 Apollo。
為什麼「全無人」是L4級以上自動駕駛技術落地的關鍵？
首先是從商業層面，「全無人」是Robotaxi商業模式初步跑通的必要前提。
對Robotaxi來說，商業化最大的挑戰就是成本問題。首先是車輛改裝成本。早期在沒有與主機廠達成前裝量產合作的條件下，一輛Robotaxi動輒上百萬是很常見的事。
投入營運階段，最大的成本則是車上的安全員。
一輛普通的人類駕駛駕駛的叫車，一年最低的人工成本也在12萬左右，安全員比駕駛員只高不低。
之前的Robotaxi在全營運生命週期內，很難平衡自身的成本
在技術上實現“全無人”，則意味著首先省下了人工費用。
其次，全無人的自動駕駛技術棧，必然是在前裝量產的車型上實現的，所以在車輛本身層面面，也代表著和普通網約車進入相同成本區間。
另外，「全無人」也代表技術提供者已經能夠滿足自動駕駛出行的高可靠性和安全性。
政策也更傾向於向這樣的技術提供者開放營運許可。
所以“全無人”對於自動駕駛的落地，最關鍵直接的一點是“降低成本”，背後更重要的深刻影響因素是技術的成熟帶來安全可靠性的提升。
百度Apollo給出的數據，是已經累計超過4000萬公里測試里程。 Robotaxi成功送達率已經超過99.99%。
這背後，既有Apollo講L2、L4打通的自動駕駛數據閉環，也有百度在AI領域的其他累積打下的基礎。
例如依靠文心大模型的數千種物體辨識能力，大幅擴充自動駕駛語意辨識數據，尤其是應用在特殊車輛（消防車、救護車）、塑膠袋等異形物辨識上，大幅提高長尾場景的覆蓋率，提升自動駕駛的可靠性。
此外， Apollo自動駕駛高精地圖，建構自動化率已達96%，基於百度地圖1200萬公里的領先路網覆蓋範圍級海量時空數據，再結合數億司機的駕駛知識沉澱，建置全路網層級的駕駛知識圖譜，提升自動駕駛決策舒適度。
目前，蘿蔔快跑的全無人自動駕駛車隊商業運作和測試不斷擴區、提量、增時。已經落地北京、重慶、武漢三城。
以武漢經開區為例，覆蓋總面積超130平方公里，覆蓋居民超過100萬。自動駕駛車隊的營運場景包含城市高架、普通道路，營運時段覆蓋白天黑夜，過程稿中遇到的長尾場景、複雜挑戰，已經和普通叫車私家車無異。
而透過真實場景的資料累積磨煉，能夠直接加速Apollo的技術迭代效率，從而發掘更多長尾場景，形成資料閉環的「飛輪」效應。
全無人技術成熟，帶來商業模式初步跑通，開啟部分城市規模化運作。
而在這個過程中，有實力的玩家會進一步驗證、完善Robotaxi商業模型，並進一步擴大落地範圍，由此形成領先優勢。
這正是當前百度Apollo、Waymo等玩家正在走的路，也是寒冬之中讓人們依然相信科技、相信自動駕駛的「火把」。
要做到全無人落地，背後的技術，需得是實打實的夠硬。
而百度作為此次產業大洗牌、兩極化裡穩步發展的那一個，且在國內常年佔據自動駕駛頭雁的地位，其技術的發展可以說是具備一定借鑒的意義。
因此，我們不妨從百度自動駕駛的技術發展路徑，來看這個問題。
不同於其它玩家的打法，百度自動駕駛一個非常旗幟鮮明的特點，便是與文心大模型的深度結合。
而且縱觀整個業界，大模型在自動駕駛感知上應用落地，百度還是頭一個。
具體而言，在解決自動駕駛長尾資料探勘問題上，百度所採用的是文心大模型-圖文弱監督預訓練模型。
幾個較為典型的長尾資料探勘問題包括：
• 少見的車款：例如消防車、救護車等，由於它們在路面上的「出鏡率」較低，且形態、形狀不規則，對感知和理解上帶來了一定挑戰。 • 各種姿態的行人：在行駛道路上往往並不是一個人出現在路面，這不僅對識別帶來挑戰，而且對後續的預測跟踪也帶來了一定難度。 • 低矮物體以及交通、施工的元素：低矮物體（例如道路中的護欄等）一直是感知裡面非常有挑戰的問題。
面對上述固有的問題，借助文心大模型對數千種物體的辨識能力，便可大幅擴充百度自動駕駛的語意辨識數據，在效率上達到指數級提升。
除此之外，得益於文心大模型-自動駕駛感知模型10億以上參數規模，透過大模型訓練小模型，自動駕駛感知泛化能力也得到了顯著增強。
對此，百度自動駕駛技術專家王井東表示：
大模型，已成為自動駕駛能力提升的核心驅動力。
而促使百度自動駕駛能夠快速實現全無人落地的“第二大法寶”，便是百度Apollo自動駕駛地圖。
不同於我們平常使用的導航地圖，高精度地圖可以說是實現智慧駕駛必不可少的那一個。
整體而言，高精度地圖需得滿足三大特點。
首先便是公分級的高精度。
人類在使用普通導航地圖時，只需要精確到5-10米，加上駕駛者本身的判斷。
但智慧汽車是不具備人類這種判斷能力，因此1-2公尺的誤差便有可能導致壓線等問題的出現，這也就是為什麼要將精度保持在厘米級的範圍內了。
其次是涵蓋的大量道路資訊。
高精度地圖需要給智慧車提供的信息，可不止於普通導航地圖包含的道路選擇、擁堵情況、行駛時長等基礎資訊。它還需要包含大量駕駛輔助資訊，例如車道寬度變化offset點、導流區、圓形標誌、高速出口等等。
最重要的是道路網的精確三維表徵，以及有幾條車道、邊界線在哪裡、護欄、路燈，甚至是馬路牙子的大小方圓在內的100多種道路特徵。
第三是高精地圖會出現繞路的情況。
這是因為高精地圖面向的是智慧汽車而非人類，它所提供的資訊是用於智慧車的定位系統、感知系統和決策系統。
因此在面對諸如隧道等情況，高精地圖就有可能會出現「繞路」的情況，因為在它眼裡，這條路就是不存在的。
由此可見，要實現全無人落地，高精度地圖是必不可少的存在，而且實現起來並非易事。
但作為已經「上崗」的百度Apollo自動駕駛地圖，它必然已經hold住上述困難的那種。
據了解，百度高精度建置自動化率已經達到了96%，這也意味著可以較大程度解決應用成本高的問題。
同時，它也具備即時產生線上地圖的能力，可以融合扯斷感知數據與多源地圖，在自動駕駛安全性上保駕護航。
在決策方面，基於百度地圖1200萬公里的領先路網覆蓋範圍級海量時空數據，以及數億司機駕駛知識數據，百度還構建了全路網級別的駕駛知識圖譜，以此來提升自動駕駛決策舒適度。
而除了演算法、軟體層面之外，百度實現全無人落地也沒落到硬體上的發力。
據了解，百度自研AI晶片崑崙芯2代已完成無人駕駛場景端到端性能適配，以此來夯實百度在自動駕駛軟硬一體的優勢。
當然，百度自動駕駛能夠在全無人落地上實現領先，並非是一蹴而就的事情，實則是「台下十年功」不斷技術沉澱的結果。
一組公開資料便可一目了然：
目前百度Apollo已成長為全球最活躍的自動駕駛開放平台，擁有全球生態合作夥伴超過210家，匯聚全球開發者80000 名，開源代碼數70萬行；測試總里程超過4000萬公里；自動駕駛專利族3477件，連續四年全球第一。
以上就是率先實現全無人落地玩家背後所具備的技術實力了。
正如我們最開始提到的，今年全球自動駕駛行業正在上演「大洗牌」。
從陸續被曝出倒閉、申請破產、大幅裁員的自動駕駛公司來看，它們身上似乎是存在著一個共通點——未能實現全無人落地。
畢竟自動駕駛這件事，不只是一場技術實力上的大比拼，更是時間與耐力上的較量。
好比只有在潮水退去之時，才能看到是誰在裸泳一樣，站在2022年歲末的當下，加速全無人落地成為了“上岸”玩家發力的必然節點。
不只是國內自動駕駛頭雁的百度在這麼做，國際領頭玩家也是。
例如Waymo、Cruise為等自動駕駛公司，均在加速推進無人駕駛規模商業化進程。
據了解，目前美國舊金山已開放了全市區7×24小時的無人駕駛出行服務。同時，鳳凰城的無人駕駛營運區域也不斷向核心城區擴充。
此外，從鳳凰城天港國際機場到市中心，也落地全球首個全無人自動駕駛叫車服務，進行7×24小時全天候運作。
而百度也是在近期發布了一個新的信號：
2023年，百度Apollo將持續擴大業務規模，計劃在全國範圍內陸續增加投放200台全無駕駛營運車輛，努力打造全球最大無人駕駛營運服務區。
據了解，百度今年量產的第六代無人車Apollo RT6（成本僅25萬元），也即將於明年率先在蘿蔔快跑上投入使用。
整體而言，百度在全無人落地這事上是做到了成本的降低、安全和品質有保證，同時還在不斷加速擴大規模。
究其原因，百度目前要保證的便是在低成本下（毛利為正）各個城市能夠跑通商業模式；但若是目光放置長遠，其運營規模的指數增長是可以預見的。
由此可見，「全無人落地」已經成了玩家進入自動駕駛決賽圈的關鍵。
那麼在自動駕駛如此下半場的局面之下，誰能笑到最後？
百度，毋庸置疑是其中之一。
以上是2022年L4自動駕駛年度答案卷，真「無人」笑到最後的詳細內容。更多資訊請關注PHP中文網其他相關文章！
