“全无人”成分水岭，自动驾驶进入决赛圈

但L4级别Robotaxi真正落地的关键环节之一就是法律法规和技术上能否支持去掉安全员。换句话说能否实现一定区域内的全无人驾驶是关键。

相比于网约车，除去车辆本身成本外，Robotaxi成本之一便是安全员。以月薪6000计算，一年有7万多的人力成本。去掉安全员，车内活动空间更大，可以提升用户乘坐体验，也意味着成本的持续降低。

其次，去掉安全员是技术更成熟的表现，这意味着技术可以识别出更多的长尾场景，决策更准确，也更安全，Robotaxi就可以在更丰富的场景下使用。

2022年被称为全无人驾驶商业化元年，这一轮出局的选手，几乎全是未能在一定区域内实现全无人驾驶。这意味着成本无法下降，商业化无限延期。留下来的头部选手都开始陆续实现一定区域内的全区人驾驶商业化试点。

今年8月，百度在重庆永川区和武汉经开区先后开启了无人驾驶商业化运营。号称8D城市的“山城”重庆，路面场景丰富，是自动驾驶的天然考场。而武汉则是全国六大汽车集群发展城市之一，在这两座城市试点，无疑有巨大的战略意义。

图注 : 百度自动驾驶AI技术体系

首批自动驾驶出租车在重庆和武汉各自投放了5辆，均为百度第五代无人车Apollo Moon极狐版，具备单车智能、监控冗余、平行驾驶和安全运营管理体系等多重措施，以此保障无人驾驶车辆在道路上的安全运行能力。

北京也在跟进。11月21日，北京发放自动驾驶无人化通知书，百度成为首批获准企业，正式在京高级别自动驾驶示范区60平方公里范围内开展全无人内测。

Waymo也没有落下。11月20日Alphabet旗下自动驾驶公司Waymo获得加州CPUC批准在旧金山、湾区部分城市等区域向公众提供无人驾驶网约车服务（不收费），时速最高65mph，全天候提供服务。

从封闭区域到公开道路的规模化无人运营再到全无人驾驶的商业化试点，头部玩家的突破性进展让人们看到了自动驾驶大规模商业化的希望，自动驾驶开始从梦想照进现实。

现实交通的复杂性在于交通参与者的随机行为，比如外卖小哥逆行、大货车的货物散落一地、路边偶然出现的小狗等等。如果不能解决这样的长尾场景/Coner Case，将严重影响实际的驾乘体验，也就不可能真正做到无人驾驶。

为了解决这个问题，近两年来，越来越多的自动驾驶将Transformer 引入到自动驾驶系统中，借此实现系统感知智能与认知智能的大幅优化。

百度希望借助文心大模型来进一步提高长尾场景的识别率。大模型技术是自动驾驶行业近年的热议趋势，但能否落地上车、能否用好是关键难题。过去，文心大模型更多的是应用于NLP领域，这是首次应用于自动驾驶领域。

以激光雷达为例，其远距离检测能力是有限的，当距离在100米-200米之间时，由于物体较小，小模型的建模能力有限，文心检测大模型有10亿以上参数规模和数千种物体识别能力，借此可以生成更多有标注的数据，提升数据的挖掘能力，这些数据给到小模型后，可以提高其建模能力，大大提高远距离检测能力。

依靠文心大模型，Apollo可以大幅扩充自动驾驶语义识别数据，如：特殊车辆（消防车、救护车）识别、塑料袋等，这意味着，不再完全依赖车辆去采集数据，通过技术可以快速提升自动驾驶长尾问题解决效率，也会大大提高自动驾驶的安全性。

想要保证智能汽车的感知能力和决策效率，高精地图是必要因素之一。但现实是高精地图数据采集难度高，一辆搭载了激光雷达、摄像头等大量传感器的数据收集车辆成本动辄上百万，地图成本居高不下。

为了降低成本，一些企业采用“众包”方式，但无论从经济性、安全性，还是数据质量的角度看，都不是一种成熟的模式。这都导致地图的鲜度不够，无法跟上自动驾驶的发展，安全性堪忧。

作为地图行业的重量级选手，百度一直朝着“重体验、轻成本、能量产”方向优化其自动驾驶地图，他们认为这样的自动驾驶地图才具备产业价值。

现在，百度将其AI能力运用到了地图身上，使得高精地图构建自动化率已达到96%，不用再耗费大量人力去采集和绘制地图，因此让车辆成本可以持续降低，实现规模化量产。

图注：Apollo自动驾驶地图全景

此外，新一代自动驾驶地图把“安全、舒适、高效”的三重体验做重了。比如：

自动驾驶地图融合车端感知数据与多源地图，实时生成在线地图，保障自动驾驶安全；百度地图拥有1200万公里的路网资源，覆盖了海量时空数据，再加上结合数亿司机的驾驶知识沉淀，构建全路网级别的驾驶知识图谱，提升自动驾驶决策舒适度；基于车辆车路协同+交通大脑，高精地图可以进一步提升出行效率。

这些技术的迭代都让百度未来有机会可以覆盖城市更多区域，如在高峰时期覆盖地铁站、办公楼和购物中心。

如同电力的普及奠定了工业社会发展的基石一样，算力将成为智能社会的基石，是未来社会发展的生产力，而芯片则是算力的来源。今年，百度发布了昆仑芯第二代，完成无人驾驶场景端到端性能适配，夯实了软硬一体。性能提高的同时，成本也得以大幅度降低。

随着自动驾驶的规模化落地，数据规模将出现爆发式增长。如何寻找更有价值的数据，如何高效地利用数据提升驾驶能力，成为自动驾驶持续学习和实现规模化的关键。

百度提出了「高提纯、高消化」的数据闭环设计理，该方案的数据提纯路径利用车端小模型和云端大模型，实现高效率数据挖掘和自动化标注；数据消化架构实现自动化训练，具备联合优化和数据分布理解的能力，有效地利用高纯度数据进一步提升自动驾驶系统的整体智能水平。

2022年，是全无人驾驶商业化的起始之年。依托坚实的技术底座，百度正在一步步加固自己的护城河，为了全无人驾驶的更好落地而努力。

自动驾驶可能是未来30年对人类改变最大的技术之一，研发难度堪比造火箭。它需要强劲的资本、配套的城市基础设施、完善的汽车工业基础设施、开放的政府、巨大的共享出行网络、超大城市模型缺一不可。

按照这个标准筛选，未来自动驾驶行业就是中美竞速。

百度创始人、董事长兼首席执行官李彦宏曾在百度Create 2021（百度AI开发者大会）上判断，智能交通将是影响未来10-40年的重大变革，可使5年之内中国一线城市将不再需要限购和限行，10年之内基本解决拥堵问题。

自动驾驶是实现这一目标的关键一环。虽然相比于Waymo，百度的研发稍晚几年，但中国有自己的优势。比如，同样是超大型城市，相比于欧美城市，北京城市核心区更大、密度更高，且生活区、商业区、住宅区混合分布，出行高峰时出现拥堵也是常态。这意味着百度收到的数据质量更优异，数量更多。

过去10年，百度已经投入了上千亿元。持续的积累与创新投入，带来技术突破的同时，也实现更大规模的落地。

百度现在已经在10多个个城市获得了运营资质，每天有600多辆车为用户提供服务，在北上广一线城市平均单车订单量15单以上，已经累计提供了140多万次服务，是全球最大的自动驾驶出行服务商，以压倒性的优势领先于第二名。百度宣布，2023年将继续扩大规模，着力打造全球最大全无人自动驾驶运营服务区。

对百度来说，这已经不是难事。

“当我们希望在一个城市的某一地区获得自动驾驶运营资质的时候，技术上一般只要20天左右的准备时间就可以了，因为技术的通用性已经很好，我们的自动驾驶不是通过对特定区域的过渡拟合来实现的。”李彦宏表示。

这意味着，技术进步让自动驾驶泛化能力增强，规模效应逐渐显现，未来，随着立法的完善，萝卜快跑的车辆会指数级上升。

从第一代无人车推出，几乎每一次革新，百度的无人车成本都会减半。百度第五代无人车48万元，单车成本是Waymo的1/3。而最新推出的第六代无人车成本更低，仅为25万元。

Tech星球此前曾做过测算，一辆25万的无人车回本只需要2年。这意味着萝卜快跑有了盈利的可能，因为一辆25万的网约车回本还需要三四年。技术的投入让成本下降连点成线，在刚刚发布的第三季度财报电话会议上李彦宏曾预计，2024年，一旦Apollo RT6大规模投入使用，单车经济将得到显著改善。

麦肯锡曾预测，Robotaxi与传统出租车相比，成本支出将在2025—2027年达到拐点，预计2025年左右，即Robotaxi取消安全员并规模化部署后，其成本优势还将更为凸显。到那时，车辆的成本将会进一步降低，规模效应会更加明显。

此外，早在第四代无人车推出时，百度已经打通了产业链上下游，量产不是问题。

成本的降低、技术泛化能力增强带来的规模效应、更开放的法律，这让百度拥有更多车队、覆盖更广泛城市。场景的丰富，可以让百度采集到更多复杂环境、更接近真实世界的数据、更多Corner Case，在算法迭代上更具优势，这就形成了良性循环。

在刚刚过去的第三季度财报电话会议上，百度表示未来将进一步提高自动驾驶的技术和安全性，并将逐渐降低硬件和车辆成本。

自动驾驶是智能革命浪潮中最具挑战性的技术，在这个赛道，可以诞生下一个时代最有潜力的科技公司。李彦宏曾表示，百度未来会持续高强度投资，保证其技术的领先性。站在百度的角度，自动驾驶的较量才能决定这家公司的最终走向，他的对手只有自己。

本文由全球物联网观察转载自“Tech星球”，内容为作者独立观点，不代表全球物联网观察立场。仅供交流学习之用，如有任何疑问，敬请与我们联系info@gsi24.com。

推荐关注