一篇文章读懂百度的自动驾驶布局

发表于: 2017.07.30
   

今天,在百度 Create AI 开发者大会上,让人期待已久的百度阿波罗计划终于发布了。这篇文章将要告诉你,阿波罗计划到底是个什么弹?以及百度在自动驾驶行业究竟能干些什么?

Apollo 计划究竟是什么?

Apollo 其实是一个完整的开放自动驾驶生态,在陆奇今天的演讲中,他用下面这张图详细阐述了 Apollo 的架构:从公司业务上来讲,百度在这张图中主要能提供的是软件服务,主要包括三个部分:地图定位(Localization)、软件算法(Open Software Platform)以及云服务(Cloud Service Platform)。

一篇文章读懂百度的自动驾驶布局

但是如果你读过我们之前的自动驾驶的文章,你就会知道自动驾驶光靠软件是不够的,如果百度想搭建 Apollo 这样的完整自动驾驶平台,那么它就需要足够多的硬件来支持它的软件算法。比如说芯片,比如说传感器,比如说整车架构等等。

针对这个问题,其实早在上个月的 CES Asia 上面百度就已经给出了解决方案,他们选择了与国内外汽车供应商以及主机厂来合作。由百度提供软件平台,汽车供应商提供硬件集成与最终生产。最后产出主机厂能够在其汽车产品上落地的模块。

百度将这些与供应商合作生产的硬件模块统称为「参考硬件平台」(Reference Hardware Platform)以及「参考整车平台」(Reference Vehicle Platform)。其中包括计算单元,GPS,摄像头,激光雷达等传感器,还有 HMI 设备等等。对于这些硬件来说,百度并不会直接生产,而是提供参考方案以及参考能力,最终把这些产品量产的还是供应商。

比如说计算单元,百度在 CES Asia 上就发布了名叫 BCU(Baidu Computing Unit)的参考硬件。这次大会上又做了进一步更加完整的展出。它包括了三种产品:

BCU-MLOC(与德赛西威及联合电子合作研发):搭载百度高精度地图的地图盒子,可以实现高精度地图更新,主要面向豪华品牌车型引进中国时能够通过加装这个模块直接实现本土地图服务的落地。

一篇文章读懂百度的自动驾驶布局
BCU-MLOP(与德赛西威及联合电子合作研发):在定位的同时还加装了摄像头模块以及视觉处理等感知功能。类似于 Mobileye 的 EyeQ。主要应用在 L2 左右级别,由 ADAS 衍生的自动驾驶功能。

一篇文章读懂百度的自动驾驶布局

一篇文章读懂百度的自动驾驶布局
BCU-MLOP2(与德赛西威及采埃孚合作研发):在定位和感知的基础之上进一步增加了驾驶抉择和路径规划的能力,搭载了 NVIDIA 的 Parker 处理器。应该是由供应商基于 Drive PX 平台深度定制的。采埃孚生产的样品甚至与之前和 Nvidia 一起发布的 Pro AI 十分相似。

一篇文章读懂百度的自动驾驶布局
可以看到,虽说百度展出了这些参考硬件,但是在这些硬件当中百度提供的还是软件相关的服务,而真正硬件的规划和生产还是由汽车供应商来提供的,而且一合作还是好几个:德赛、联电、采埃孚,再加上之前签约的博世与大陆,百度可以说把各个级别的汽车供应商都拉拢到 Apollo 计划里了。

这么做的理由其实不难理解:作为一家互联网公司,百度真正的发展核心还是以算法、数据、云计算为主的人工智能技术。自动驾驶只不过是其人工智能的重要应用与赋能场景之一,因此对于传统汽车工业擅长的制造与整合,百度目前没能力也完全没必要自己来做。双方完全可以用合作的形式来互补。

在 CES Asia 期间百度智能汽车事业部总经理顾维灏在接受我们专访时也说过:百度对于汽车零部件的制造以及车规级要求是不懂的,这导致他们在自动驾驶行业时很难与整车厂商达成合作,因为整车厂就算认可百度的技术,也不知道怎么把这些技术应用在实车上。甚至百度还因此走过想要自己「造车」的弯路。现在 Apollo 计划有了这些供应商的帮助,百度在自动驾驶领域终于步上了正轨。

为什么说只是步上了正轨?其实,上文那张 Apollo 介绍图中的技术,目前只开放了一部分,也就是下面这张图当中的紫色部分:

一篇文章读懂百度的自动驾驶布局

陆奇称这部分为 Apollo 1.0 时代,可以看到目前开放的功能中最主要的还是百度传统业务的延续,比如基于智能语音搜索的 DuerOS 以及 HMI 技术,依托于百度地图的定位技术,依托于百度云的数据平台以及上面提到的 BCU 等。

真正在自动驾驶中扮演重要环节的感知、决策以及激光雷达等传感器方面,Apollo 计划的布局还在完善当中。按照陆奇给出的规划,后续这些功能将从今年第四季度开始陆续向开发者开放,相信那时才会是考验百度自动驾驶技术的关键时刻。

一篇文章读懂百度的自动驾驶布局

关于百度大会上出现的几辆「自动驾驶车」

今天随 Apollo 计划一起亮相的,还有几台「自动驾驶测试车」。仔细挖掘就会发现很多有意思的事情:

1. Robin 在五环上乘坐的那辆红色 Jeep 测试车

在发布会上,陆奇与 Robin 进行了现场视频电话连线,当时的视频中 Robin 正坐在这两测试车的副驾上在五环上行驶。而且画面显示的效果还让人以为驾驶员座位上并没有人。这个视频发出后,网上还传出北京交警因为百度在正常道路上违规测试自动驾驶车辆而介入调查的消息。

首先需要澄清的是,这辆车的驾驶员座位上肯定是有人监控的。而且视频当中从车辆外拍摄的车辆变线场景肯定是人为操控车辆的结果,因为当时的路况前后车距很近,而且据观察还是实线并线。如果是这辆车上所搭载的算法在做决策,肯定是不允许并线的,除非是人为操控。因此大家就别担心 Robin 被拘了。

一篇文章读懂百度的自动驾驶布局

为什么我会知道这些?因为这辆车我坐过。这其实是一辆博世与百度合作研发的测试车,具备 L2-L3 级别之间的高速路自动巡航功能。早在今年上海车展之前,GeekCar 就在苏州体验过这辆车。下面附上体验的视频,其中坐在主驾驶以及副驾驶位置担任解说的分别是博世以及百度的工程师。

如视频中所演示,这辆车,百度主要负责的是中控大屏上的 HMI 界面设计,以及一部分地图定位。而剩下大部分的感知决策以及控制等环节,均是由博世来完成的。据说视频中坐在 Robin 身旁的就是博世的工程师。

2. 两辆林肯 MKZ

发布会上,陆奇还演示了两台林肯 MKZ 测试车在封闭测试场内同时进行自动驾驶测试的视频。视频中这两辆车可以实现同时起步,同时到达,并且互相学习模拟各自的行驶轨迹。这也是世界上第一次两辆车在同一封闭场地内完成交互自动驾驶的演示。

一篇文章读懂百度的自动驾驶布局

这两辆 MKZ 是由自动驾驶创业公司 Autonomous Stuff 改装而成。这个公司来自硅谷,主要的业务就是为各个科技以及创业公司改装自动驾驶试验车,他们的方案在其官网上都可以查得到。主要是基于林肯 MKZ 以及 Ford Fusion 两款车(因为这两款车的平台架构改造起来最容易),他们通过自己的渠道采购各种传感器、芯片以及零部件完成改造,然后再交给科技公司用来测试其算法。据说之前 Intel 以及 Nvidia 的自动驾驶测试车都有他们的功劳。

通过这几辆车我们也可以验证之前的观点:在整车落地的实例中,百度目前能够提供的仍然是他们传统的软件、地图以及 HMI 环节。Apollo 其余模块的发展,不是百度自己一家企业能够左右的,而是必须要依靠与众多的合作伙伴互相配合与学习才能够实现。

关于 Apollo 的前景

看到这里,可能很多人都会对 Apollo 的前景抱有疑问。虽然 Apollo 这个平台十分开放,但是现在所有做自动驾驶的巨头都是举着开放的大旗出去拉帮结伙,不带着一众兄弟都不敢出门见人。在这种所有人都开放的大前提下,Apollo 的这个开放平台又有什么特殊意义呢?

其实开放与合作这两个词本身是没意义的,关键还得看具体做些什么以及怎么做。Apollo 的意义在于其降低了自动驾驶行业的进入门槛。之前,由于传统汽车供应链复杂的层级模式,国内开发者如果想要自己测试自动驾驶的相关算法,需要和众多供应商做繁琐的对接与整合。一般的小公司根本就没有这个影响力与精力去做。

而现在,百度用自己的技术与影响力号召来了一大堆合作伙伴,开发者就可以通过 Apollo 的开放平台更方便快捷的发展自己的自动驾驶。虽然 Apollo 的很多技术并不是来自于百度,但是百度的技术体量、业务定位和行业影响力确实是最适合发起做这件事的。

一篇文章读懂百度的自动驾驶布局

而对于百度本身来说,他们也可以通过拉拢这些传统的汽车工业巨头合作,来学习整车架构当中与自动驾驶密切相关的知识与经验。毕竟百度推出 Apollo 计划的野心绝不会仅仅是做一个「软件技术供应商」或者是「大区盟主」,而是想要真正的通过自动驾驶的普及冲击汽车工业的顶端。

正如 GeekCar 之前专访大陆集团 CTO Kurt Lehmann 先生时,他所提到的:「未来谁去做最终产品的技术整合,这才是问题的关键」。之前的 100 多年间,汽车工业的顶端整合都被外资主机厂以及供应商巨头所垄断,因为他们掌握着核心的硬件生产以及技术解决方案。

而自动驾驶的到来,让汽车供应链开始从严格的层级化,向扁平化发展。这给了科技公司一个可以以平等合作角色进入汽车工业的绝佳机会。百度 Apollo 的最终目标一定是在于整合。

这样的布局,汽车巨头们肯定也早有洞悉。想必各个大车厂与供应商在和百度签订合作意向后,也在苦苦寻找一个有利于自己发展,又不至于给别人机会威胁到自己核心竞争力的合作模式。

什么?你问我既然顾虑这么多,为什么 Apollo 计划还能吸引这么多的合作伙伴?

陆奇演讲时用的这张图恐怕是最好的答案:

一篇文章读懂百度的自动驾驶布局

上一篇: 下一篇: