爭奪汽車智能化的第一高點。
又是一年上海車展。
相比上一屆，今年的上海車展會多出一個新的品類，暫時無法定義這些企業，可以稱作是針對智能汽車的技術服務商。毫無疑問，他們瞄向的是未來，現在在努力奔跑當中。諸如百度、華為、大疆等企業都已經入局其中。
之所以把它們歸為新品類，是因為在智能汽車越來越被定義的當下，諸如智能網聯、自動駕駛這樣的核心技術層面上，這些企業或許已經找好了自己的位置，也在過去積累了相應的技術儲備。
其中，百度是最早入局，也最早開始為車企提供服務的公司。從今年的百度 Apollo 的智能駕駛體驗升級來看，如果現在做一輛智能汽車，在核心技術上的配套設施，不再是一件困難的事。
真實體驗中的 ANP
同樣是一輛印有 Apollo 字樣的林肯 MKZ 車型，第一眼看上去，似乎和平常的百度 Apollo 自動駕駛汽車長得不太一樣：頂部和車身周圍都沒有了激光雷達。
但坐上車，不但內部設施沒有絲毫變化，車子啟動之后，熟悉的感覺又回來了。和此前乘坐的 L4 級別的 Robotaxi 沒什么差別，在搭載百度 Apollo 最新技術 ANP（Apollo Navigation Pilot）領航輔助駕駛系統的車輛里，你同樣可以把手腳放輕松，不用頻繁地接管車輛。
ANP 是百度在 2020 年底推出的一項自動駕駛技術，相比此前 L4 級別的自動駕駛汽車目前無法在量產車上落地，ANP 倒是用自己的方法解決了這個問題。
盡管不算是「無人駕駛」，但從體驗上能看出來，系統識別達到了比較高的水準。拿體驗過程中遇到的施工區域來說，馬路中間停著一臺維修機器，由于這屬于自動駕駛當中能遇到的比較少的情況，機器長得也多種多樣，系統不一定都能識別出來。但 ANP 系統成功繞開施工區域，躲避開了這臺機器，過程中并未有任何停留，乘坐一直很順暢。事后理性分析的話，ANP 也許識別出了機器的底座，把它當做障礙物；也許把地上的交通錐識別出來，「看懂」了這是一片施工區域；或者，它看到前面幾輛車全都繞開，自己開啟了跟隨前車，也不是沒有這個可能。
另外，在一些自動駕駛行業公認比較難的場景，ANP 也能獨立完成。比如路口左轉禮讓行人，在一個城市道路的開放路口進行左轉，對于自動駕駛來說不算簡單。地面上幾乎沒有什么標識，轉彎后還需要馬上進入車道線內，更何況左轉時還遇到行人正在橫穿馬路，加大了對于系統識別的難度。
但搭載 ANP 的車輛很好地完成了這一點，依靠紅綠燈識別、路面行人、汽車的識別，和高精地圖的輔助，車輛把視線范圍內可以識別的東西全部識別出來，在橫穿馬路的行人面前停下了車。其他諸如環島駕駛、行人從視線盲區突然躥出等復雜場景，在實際體驗中 ANP 全部遇到并解決。
要知道，ANP 有一點比較特殊，它是目前所有領航輔助駕駛產品當中唯一一款支持在城市道路上使用的，而存在行人、自行車、電動車等交通工具的城市道路，比高速道路和環線要復雜得多。
為什么 Apollo 可以做到體驗上的高水準？在百度看來，ANP 屬于自動駕駛的「降維打擊」, 即把同源的技術壓縮到一個比較合理的成本，同時高體驗地放進量產車內。
「降維打擊」
降維打擊絕不意味著這項功能實現起來很簡單。相反，要把同等體驗放在量產車中，技術上是個極大的挑戰。
和百度的 Robotaxi 相比，ANP 最大的區別就是沒有了激光雷達，后者是自動駕駛當中最核心的傳感器之一。百度集團資深副總裁、智能駕駛事業群組總經理李震宇在接受包括極客公園（ID：geekpark）在內的媒體采訪時表示，激光雷達同時也有挑戰，車規和成本兩方面是現在邁不過去的檻。而 ANP 主打的純視覺技術方案，成本上更加自由，面向車企的普及速度也更快。
1000 萬公里的自動駕駛測試數據也是百度的寶貴資產 | 百度 Apollo眾所周知，激光雷達在自動駕駛汽車上的最大優勢在于其強大的三維測距能力，通過飛行時間（Time-of-Flight）原理能夠在 100 毫秒內完成對其周邊 360°環境的實時建模，測距精度達厘米級。精準的三維信息為物體檢測、跟蹤、分類等任務帶來了便利，大幅度簡化了感知算法的設計實現。
而攝像頭成像是「被動」式的，感光元件僅接收物體表面反射的環境光，三維世界經投影變換（Projective transformation）被「壓縮」到二維相平面上，成像過程中場景「深度」（景深）信息丟失了。
于是，用 2D 圖片恢復 3D 信息，是使用攝像頭代替激光雷達為無人駕駛提供感知結果所面臨的核心技術挑戰。對于百度 Apollo 來說，就需要用大量算法上的修正，以及 AI 技術的訓練來解決「看見」和「看準」的基礎能力，包括后續對各個場景的理解。
將自動駕駛做到量產車上，沒有想象那么容易 | 百度 Apollo結果也可以體現在量產車型上。與百度 Apollo 深度合作 ANP 的量產車型威馬 W6，可以在城市道路當中使用領航輔助駕駛，并針對中國路況做出最貼合的改進。
智能駕駛背后的開放系列
在 ANP 背后，百度 Apollo 實際上已經做到了軟硬結合，將軟件與硬件都保持在了穩定的水準。例如與德州儀器共同研發的計算平臺 ACU，就把處理器容納進 Apollo 軟硬一體的自動駕駛產品設計。
可以看出，ANP 不僅僅是百度在某一條技術路線上的能力釋放，而是多項產品的集成，最終得出的商業成果。
比如在百度 Apollo 看來，單車智能的路線不再是主流，而是要依靠車路協同，車外的基礎設施力量來輔助自動駕駛。再比如自動駕駛未來必然會配備的高精地圖，百度也在持續布局。
2021 年，百度地圖汽車版就升級了核心能力，包括融合定位、多屏車道級導航、電動車出行服務化、場景出行服務化等功能。在與 ANP 結合的智能領航系統里，一方面，智能導航系統通過獨有的算路引擎，提前感知可輔助駕駛路段，幫助用戶提前決策，覆蓋行前、行中、行后的自動駕駛全場景；在行駛過程中，智能領航系統可以結合車身傳感器數據，引導車道自動進出匝道、車道保持、超車等自動駕駛功能，在到達目的后自動推薦周邊停車服務，緩解了用戶停車焦慮。另一方面，智能領航系統可以實現全行程的規劃和安全引導，解決在算路策略中的自動駕駛比例，讓用戶體驗到更多的自動駕駛區域。
可以說，自動駕駛的智能，一部分是與高精地圖息息相關的。為什么說高精地圖一定會是自動駕駛的「左膀右臂」？我們作一個假設，如果未來自動駕駛普及，人類不需開車的話，誰來代替人眼的作用，以「眼觀六路」？攝像頭和高精地圖，就是代替人眼的最重要的部分。并且高精地圖比攝像頭更加智能的是，它可以提前知曉位置信息，精確規劃行駛路線，也可以在攝像頭看不清或者雷達檢測不到的地方，及時反饋數據。
在自動駕駛最重要的安全方面，高精地圖可以作為輔助，精確識別交通標志、標線等上百種目標，提前做出準確判斷和決策。
不止這些，在自動駕駛、智能網聯相關的產品當中，百度已經把自家所有技術分門別類，變成清晰的模塊化產品。面向汽車智能化趨勢，百度 Apollo 有 ANP 為代表的智駕，小度車載 OS 為代表的智艙，高精地圖為主的智圖，以及汽車云解決方案的智云。
Apollo 汽車智能化成績公布，智艙是其中重要組成部分 | 百度 Apollo從整體上來看，四大系列產品屬于可獨立應用在車企上，用百度 Apollo 的話說，就是樂高式的智能化解決方案。但其內核卻是相輔相成，互相融合的，在過去 8 年時間，百度 Apollo 研發的技術積累，通過樂高式的四大解決方案一并釋放，可以看作是一次集中「爆發」。
回到文章開頭說到的，怎樣用最簡單的方式、最快的方法搭出一輛智能汽車？這個真問題，是這些新品類的技術服務商們當前最應該去實現的目標。
本文由極客公園 GeekPark 原創發布，轉載請添加極客君微信 geekparker。
