無(wú)人駕駛這把火已經(jīng)燒遍了科技圈，火到本年的CES Asia釀成了車展。

兩個(gè)月前的上海車展，百度公布了針對(duì)無(wú)人駕駛技術(shù)的Apollo計(jì)劃，提出將向汽車行業(yè)和相關(guān)領(lǐng)域合作伙伴提供開放平臺(tái)，結(jié)合車輛和軟硬件系統(tǒng)，幫手合作伙伴快速搭建屬于本身的自動(dòng)駕駛系統(tǒng)。

如今兩個(gè)月過(guò)去，Apollo的“車中安卓”建設(shè)的怎么樣了？

首先要看看Apollo已經(jīng)做了些什么。

在這次CES Asia上，，百度在場(chǎng)館外進(jìn)行了自動(dòng)駕駛車輛測(cè)試，智能汽車事業(yè)部總經(jīng)理顧維灝發(fā)布演講，提出了自動(dòng)駕駛模型Road Hackers和自動(dòng)駕駛計(jì)算平臺(tái)BCU（Baidu Computing Unit）。最后，顧維灝提到“阿波羅計(jì)劃是一套開放、完整，安適的生態(tài)系統(tǒng)和架構(gòu)，它包羅了四個(gè)層次：參考汽車層，參考硬件層，軟件平臺(tái)層、云辦事層?！?/p>

雖然，CES Asia上公布的消息和Apollo計(jì)劃相關(guān)的不久不多，不過(guò)我們可以就此進(jìn)行推測(cè)，百度的Apollo計(jì)劃到底能帶給行業(yè)什么？

首先來(lái)看看BCU，BCU由百度和德賽西威、聯(lián)合汽車電子等等汽車零部件廠商聯(lián)合開發(fā)，這兩位合作伙伴前者主營(yíng)車聯(lián)網(wǎng)、車載信息娛樂(lè)和顯示系統(tǒng)，后者則專注混合動(dòng)力、電力驅(qū)動(dòng)控制系統(tǒng)和汽油發(fā)動(dòng)機(jī)辦理系統(tǒng)。這樣看來(lái)，這兩者和BCU在技術(shù)上很難產(chǎn)生交集。

那么BCU具體能做到什么？

目前BCU開發(fā)了了三個(gè)系列的產(chǎn)品——BCU-MLOC（高精定位）、BCU-MLOP（高精定位+環(huán)境感知）、BCU-MLOP2（高精定位+環(huán)境感知+決策規(guī)劃）。這幾項(xiàng)技術(shù)，目的是讓汽車明白自身位置、行駛標(biāo)的目的速度（高精定位）；下一步則是通過(guò)傳感器駕駛環(huán)境進(jìn)行感知、定義和分類（環(huán)境感知）；最終則是需要綜合以上信息做出駕駛決策，告訴無(wú)人車應(yīng)該怎么開（決策規(guī)劃）。同時(shí)BCU還具備信息安適和云端更新兩種基礎(chǔ)能力。

這三項(xiàng)AI技術(shù)說(shuō)白了，都和高精地圖有關(guān)，而百度對(duì)于高精地圖技術(shù)的布局較早，據(jù)稱目前已經(jīng)完成了30萬(wàn)公里的全國(guó)高速公路高精地圖數(shù)據(jù)采集，還能依托多源感知數(shù)據(jù)處理、云辦事中心和數(shù)據(jù)中心等實(shí)現(xiàn)實(shí)時(shí)更新。而在Apollo計(jì)劃中，百度和博世開啟了有關(guān)高精度地圖方面的合作，共同開發(fā)一款適用于中國(guó)路況的精準(zhǔn)定位辦事“博世道路特征”。

面對(duì)這一情況，我們產(chǎn)生的疑問(wèn)是：百度是否會(huì)將BCU和地圖數(shù)據(jù)一同開放？CES Aisa上百度將BCU定義為“實(shí)實(shí)在在的硬件”，高精定位作為BCU硬件的基礎(chǔ)，自然脫不開與高精地圖的關(guān)系。通過(guò)零部件廠商共同“發(fā)售”硬件來(lái)加速自動(dòng)駕駛的量產(chǎn)，是否也是百度加速地圖使用權(quán)售賣的方式？

除去BCU，百度提出的Road Hacker更具看點(diǎn)。

無(wú)人駕駛技術(shù)可以分為兩種，一種是Follow規(guī)則的無(wú)人駕駛，另一種則是端到端的無(wú)人駕駛。

Follow規(guī)則的無(wú)人駕駛是目前大多數(shù)人在做的事，通過(guò)雷達(dá)、激光、攝像頭等等傳感器感知環(huán)境，結(jié)合定位、決策等等規(guī)則，以計(jì)算機(jī)控制代替報(bào)答駕駛。這種無(wú)人駕駛里，AI的含量較少，尤其是目前的L3、L4級(jí)別，對(duì)于傳感器硬件和精度地圖的依賴遠(yuǎn)高于對(duì)深度學(xué)習(xí)的依賴。

端到端的無(wú)人駕駛則差別，抱負(fù)狀態(tài)下，端到端的自動(dòng)駕駛僅僅依靠攝像頭/雷達(dá)等等更簡(jiǎn)單的傳感系統(tǒng)作為輸入，直接通過(guò)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)人的駕駛習(xí)慣從而實(shí)現(xiàn)自動(dòng)駕駛。

兩者比擬，端到端的無(wú)人駕駛是真·人工智能。

在CES Asia上，百度還展示了一輛依據(jù)端到端規(guī)則實(shí)現(xiàn)無(wú)人駕駛的哈弗H7，據(jù)稱這輛哈弗H7有兩個(gè)亮點(diǎn)，一是摒棄了其他無(wú)人駕駛車頂在頭上的好幾個(gè)傳感器，只有一個(gè)隱藏在風(fēng)擋玻璃下的單目攝像頭；二是從車輛的縱向控制（加減速）和橫向控制（標(biāo)的目的盤轉(zhuǎn)彎）上都利用了深度學(xué)習(xí)方法。

就算端到端的無(wú)人駕駛比Follow規(guī)則的無(wú)人駕駛更具技術(shù)含量，那么在應(yīng)用層級(jí)上，端到端的無(wú)人駕駛真的更有優(yōu)勢(shì)嗎？

百度給出的理由是，F(xiàn)ollow規(guī)則的無(wú)人駕駛太過(guò)于依賴傳感器硬件，從而造成過(guò)高的成本，而依靠算法可以解決這一問(wèn)題。

目前看來(lái)，這一理由是很難成立的。的確，差別的傳感系統(tǒng)就意味著差別的系統(tǒng)，而同一算法的統(tǒng)治下，無(wú)人駕駛的整體成本都會(huì)降低。硬件成本永遠(yuǎn)都可以通過(guò)量產(chǎn)（和山寨）降低，看看曾經(jīng)的CPU就知道了，而依靠深度神經(jīng)網(wǎng)絡(luò)的無(wú)人駕駛則需要大量的數(shù)據(jù)和極長(zhǎng)的訓(xùn)練時(shí)間。一個(gè)已經(jīng)能夠達(dá)到L3級(jí)別，另一個(gè)幾乎是從零開始，兩者相較，成本孰高孰低一目了然。

那么百度提出Road Hacker，并開放其模型下1萬(wàn)公里自動(dòng)駕駛訓(xùn)練數(shù)據(jù)的目的究竟是什么？