百度今年捷报频传，年初与吉利合资的集度汽车进展神速不说，仅仅是百度 Apollo 项目，在今年也接连取得突破。
今年6 月，百度 Apollo 正式发布第五代 Robotaxi Apollo Moon，这款无人车最大的亮点就是将成本降至 48 万元，低成本才意味着更易实现商业化运营。而就在上月 26 日，百度 Apollo 宣布获得自动驾驶出行服务商业化试点许可，这标志着百度 Robotaxi 正式进入商业化试运营阶段。
在无人车领域，百度Apollo 有着绝对的优势，不管是真实路测里程，还是车辆的迭代，百度始终都在行业前沿。
但是Robotaxi 更多还是聚焦于公共无人出行领域，对于用户来说，大家都更关心什么时候才能在量产车上用上百度自动驾驶系统，这就不得不提到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
目前行业对于自动驾驶的发展方向呈现两极分化状。以特斯拉为首的视觉派，坚定的认为视觉就是最好的感知。并且马斯克还公开地表示：「They're all gonna dump Lidar, mark my words.」
另一派则是一众新势力车企，他们义无反顾地选择拥抱多传感器融合路线，甚至车辆搭载的激光雷达数量都能「卷」起来。
在百度看来，不同的技术路线并无对错之分，视觉路线能够以更低的成本量产上车，多传感器融合方案则能提供更结构化的数据。这就是 Apollo lite 诞生的原因。
值得一提的是，Apollo Lite 是目前国内唯一的纯视觉技术方案。
2019 年 Apollo Lite 诞生时，百度对它寄予的希望是降低对激光雷达的强依赖，进而以相对较低的成本实现 L4 级自动驾驶。据介绍，Apollo lite 能够依靠 12 路摄像头进行 360 度环境感知，稳定检测距离达到了 240 米。
在发布的当年，百度就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，全球第二家能够仅依靠视觉进行实地自动驾驶测试的科技企业。
此外，纯视觉虽然成本更低且更易铺量，但是它也有显著的短板。
首先，摄像头虽能获得图像信息，但是无法直接感知物体距离信息（通过特殊算法处理可实现）；毫米波雷达的探测覆盖面积较为有限，需要算法过滤大量无关信息。其次，Apollo Lite 10 路摄像头（ 2019 年尚未增添两颗鱼眼摄像头）产生的数据量超过了 1G，百度 Apollo 参与计算的深度学习模型超过了 30 个，将所有的数据压缩在一块 GPU 计算平台上完成。
即便已经克服了重重困难，想要将它做成产品并交付上车，仍然面临四大重大挑战。
首先是车辆的变化。在研发阶段，百度 Apollo Lite 采用的是林肯 MK-Z，但是很显然这种后装硬件的方式无法量产。但是，前装量产对冗余设计、线控调校、散热方案和传感器集成等都是全新的挑战。
前装也意味着车辆的可靠性、一致性和稳定性都要通过考验。基于 Apollo Lite 进化而来的智能领航辅助驾驶产品 ANP率先在威马 W6 上搭载进行前装量产测试，从这款测试车身上，我们能够看出智能驾驶硬件很好地融入了车身设计。
第二点是计算硬件问题，计算平台要适应车规级。在早期研发阶段，百度使用的硬件与 Robotaxi 相同，尽管百度对它限制了算力，几乎没有量产车会使用服务器级的 GPU。所以百度将自研计算平台转向可量产、低功耗的计算单元。
第三点则是架构从 X86 转向 ARM，算力直接减半。AI 算力的大幅下降意味着 Apollo Lite 必须精进视觉感知模型，在降低计算量、降低时延的同时还要兼顾模型精度。而在规划与控制方面，大部分程序还不是 AI 驱动，所以团队又对软件系统进行了大刀阔斧的重构改造。
最后一点则是对于高精度地图的应用，在研发阶段，系统完全可以依赖 Robotaxi 的高精度地图。因为规划、控制和决策都没有变动，地图的标注非常精细。
但是在量产车上，继续沿用「厚重的」高精地图是不现实的。因为用户可能会将这款车开到任意地方，所到之处需要地图。为了提升高精地图的覆盖和降低生产成本，ANP 减少了对高精地图要素的需求，在精度和鲜度不变的情况下更加轻量化。所以，量产版车型上，Apollo Lite适度放宽了对高精地图的要求。
百度将高精地图元素减少到了原来的 50%，，单位距离地图大小仅为原来的 10%，同时 Apollo Lite 工程师研发了与轻量级地图相适配的感知、定位和决策规划算法，通过车端算法的升级弥补地图信息缺失。
ANP 带来的可能
自动驾驶，最重要的就是产品量产落地。
得益于 Apollo Lite 三年来的研发和优化，加之百度在 Robotaxi 产业深厚的积累和迭代。终于在今年，百度交卷了，且答卷内容足够丰富。从泊车域 AVP，到行车域 ANP，百度能够完成全场景覆盖。
目前，AVP 自主泊车功能已经上车威马 W6、广汽埃安 V Plus、长城 WEY 摩卡，并推送给了用户。而城市领航辅助驾驶系统 ANP 也会在集度首发新车上率先量产。
这里有一个重点值得关注，虽然很多车企以及科技公司都在苦苦钻研开放道路的领航辅助驾驶，但是真正向外界展示产品表现的可没几家。除了新势力车企代表小鹏的城市 NGP 和科技巨头华为 ADS 系统之外，只有百度 ANP，而前两者均搭载了两颗及以上激光雷达。相比之下百度ANP由于获得了 Apollo Lite 纯视觉技术感知自动驾驶技术的支撑，并不依赖昂贵的激光雷达。
所以在这三者中，百度的方案成本最低，且最具拓展性。说得再直白点，小鹏作为新势力车企，城市 NGP 的渗透率目前来看只能靠 P5 车型销量。
华为与百度相同，在这其中扮演的是供应商的角色，但是华为 ADS 方案成本太高，车型需要前装激光雷达不说，光是动辄几百 TOPS 的 MDC 算力平台，这价格就不菲了。
而 ANP，则是能够像一套「模版」一样，根据不同的车型做「粘贴」，下至普通平价车型，上则不设上限。更重要的是，这套系统与激光雷达是不具排他性的，车企也可在 ANP 纯视觉的基础上增加激光雷达。
另外，城市领航辅助驾驶这样的功能需要大量的真实路测经验作为基础，否则安全性无法保障。而这恰好也是百度的优势所在，ANP 与 Robotaxi 本是同源，前者由后者削减配置降维而来，而百度 Robotaxi 真实测试里程已经超过 1,800 万公里，这能够确保 ANP 在交付之初以及后续的很长一段时间内，保持真实路测经验数据的领先性。
然而 ANP 产品也并未无懈可击，虽然 Apollo Lite 的技术方案带给了我们无限遐想，但是威马 W6 交付已有些时日，ANP 软件至今还未推送；百度即将隆重推出的集度汽车也还在路上，它在真实场景中体验如何，是我们共同期待的。
百度纯视觉方案 Apollo Lite，历经三年的蛰伏，同时结合 Robotaxi 多年路测、迭代，终于在今年，交付了 L4 级自动驾驶量产方案。这其中的意义所在，恐怕并不能简单的用一个「全国唯一、全球第二」来定义它。
写在最后
挖掘视觉的潜能，百度并不是一个人在战斗。提到自动驾驶，我们始终绕不开特斯拉与 Mobileye。前者作为整车制造企业，软件能力是保持竞争力的核心所在。虽然特斯拉FSD 在北美取得了突破性进展，但是在目前阶段，还未给我们带来显著的价值。
另外，特斯拉在国内无法使用高精度地图，这让它的按导航辅助驾驶系统 NoA 的能力大打折扣。虽然特斯拉在基础辅助驾驶能力上有着很深厚的功力，但是面对较为高阶的领航辅助，本土化能力便成了它的桎梏。
Mobileye 与百度 Apollo 则更加相似，甚至二者都同时布局了多传感器融合方案和纯视觉方案。但是与特斯拉相似的是，Mobileye 也要遵守游戏规则。
作为供应商，它目前只能为车企提供 L2 级别辅助驾驶的基础感知能力，其纯视觉方案 Supervision 中，REM（道路经验管理）至关重要。
尽管 Mobileye 选择和上汽、紫光集团合作，以此获得地图测绘资质，但是在短期内来看，这是不可能实现的。所以，Mobileye 很难在与国内车企的合作中寻求角色上的突破。
相比之下，百度作为目前国内市场份额最高的图商，已经拥有了包括自有资质、自有成熟的地图产线、成规模的地图采集车队等积累。同时，百度还与国内大多数车企建立了合作关系，为后者提供了经过量产验证的高精地图。
在这样的时间节点，百度率先将技术产品化，相比其他供应商绝对具有领先性。但是量变才能引起质变，如何让更多客户以较低的成本搭载先进的产品、以及让更多用户使用上高级别辅助驾驶，这样的重担还在百度身上，而百度要做的，就是让质变发生。
