2022年11月29日，百度在Apollo Day技術開放日上釋出了新一代Apollo自動駕駛地圖，并在業内首發文心大模型落地應用于自動駕駛的技術。
此外，百度計劃在2023年着力打造全球最大全無人自動駕駛營運服務區。
不僅如此，百度還在強化了高精地圖在自動駕駛中的作用，并透露其自研的自動駕駛晶片已經完成适配。
自動駕駛行業兩極分化
今年以來，股價下跌，裁員、破産等消息持續困擾了自動駕駛公司，行業籠罩着一股陰雲。市場對自動駕駛寒冬的讨論此起彼伏。
百度認為，這隻是市場自然的周期更替而已。進階别自動駕駛研發成本高、周期長，行業持續性洗牌在所難免。
市場端呈現出的現象顯示，前期積累不足的企業在這一輪洗牌中逐漸掉隊，而通過持續投入滾雪球式技術積累效應開始顯現。
百度認為，全球自動駕駛行業正在加速呈現兩極分化的局面。“無人化”突破成了其中的關鍵分水嶺。實作全無人落地、穩步擴區推進規模商業化演進的玩家将迎來發展新機遇；反之則掉隊出局。
目前實作第一階段的公司屈指可數。百度和Waymo分别是中美自動駕駛中的代表。
百度的無人自動駕駛業務已經在重慶、武漢、北京等地全線展開。
2023年，百度計劃更進一步，着力打造全球最大的全無人自動駕駛營運服務區。這就意味着商業化落地範圍将進一步擴大。
這需要兩點支撐，首先是地方政策法規的迅速跟進；另一方面是百度自身的技術能力攀升。
有行業研究員表示，政策法規對自動駕駛産業的傾向性非常明顯。面對百年難遇的産業變革，各個地方産業誰都不想錯過這個百年大勢。
北京頒發自動駕駛牌照；武漢、重慶特批自動駕駛車輛商業化；上海建立智能網聯汽車叢集；甚至相對不起眼的陽泉等小區域也加入自動駕駛産業的争奪戰中。
在自身實力上，要快速推進市場，需要企業擁有成熟且完善的自動駕駛體系。按照百度自動駕駛技術專家陳競凱的說法，百度Apollo依托堅實的AI技術底座，已經形成了自動駕駛技術體系，實作從全無人營運到規模商業化營運。自動駕駛技術落地新城市技術傳遞時間僅需20天。
盡管百度在自動駕駛推進速度上雄心勃勃，但也有業内人士擔憂，抛開政策和技術的限制，使用者教育也需要時間，百度的推進速度仍存在不确定性。
百度對此并不擔心，根據其Q3财報資料顯示，2022年第三季度蘿蔔快跑訂單量超過47.4萬，同比增幅高達311%，環比增幅高達65%。在北上廣三個一線城市，平均單車日訂單量15次以上，逼近傳統網約車服務的日均訂單量。
百度認為，從覆寫範圍、訂單量、使用者粘性等多個次元來看，蘿蔔快跑均已形成“連點成線、積線成面“之勢。使用者對自動駕駛的接受度也是百度的底氣所在。
高精地圖建構自動化率達96%
自動駕駛到底該不該依賴高精地圖？
支援者認為自動駕駛離不開高精地圖，反對者則認為高精地圖的諸多缺點限制了自動駕駛的發展。
這一次，雙方終于有了火藥味十足的争論。
小鵬汽車CEO何小鵬，華為餘承東等業内大佬都在公開場合表達了自動駕駛不應該過分依賴高精地圖的說法。
這種觀點獲得了不少自動駕駛公司的響應。毫末智行，智行者、上海智駕等企業都在紛紛布局“重感覺，輕地圖”的自動駕駛方案。
而在此次Apollo Day上，百度對此進行公開回怼。百度認為，自動駕駛的發展需要高精地圖深度參與，不依賴高精地圖的企業本質上是因為自身實力不夠，不是不依賴，而是資質壁壘，自研壁壘等各種限制，沒法依賴。
Apollo Day上，百度自動駕駛技術專家公布了自動駕駛系統感覺、預測決策、規劃控制，以及資料閉環、地圖、算力等全鍊條技術方案。并且在業内首發了文心大模型。
百度認為，低成本、重體驗、能量産的Apollo自動駕駛地圖重新定義了新一代地圖發展趨勢，更進一步優化自動駕駛體驗。
其中的核心在于大模型技術，可以了解成自動駕駛大資料的延伸。但能否落地應用、能否用好也一直是業内熱議的重點。
對此，百度有自己的了解。按照百度的說法，文心大模型-圖文弱監督預訓練模型，背靠文心圖文大模型數千種物體識别能力，大幅擴充自動駕駛語義識别資料，如：特殊車輛（消防車、救護車）識别、塑膠袋等。
這個對應自動駕駛的長尾問題，它将提升自動駕駛場景的解決數量，解決效率也将呈指數級提升；
此外，得益于文心大模型-自動駕駛感覺模型10億以上參數規模，通過大模型訓練小模型，自動駕駛感覺泛化能力顯著增強。
百度認為，L4級自動駕駛要達到99.99%以上的成功率，地圖是不可或缺的底層能力。而百度Apollo自動駕駛地圖具有三個優勢：自動化率高，安全性高，舒适性高。
百度高精地圖建構自動化率已達到96%，能夠很好的緩解高精地圖應用成本高的問題。
同時，Apollo 自動駕駛地圖融合車端感覺資料與多源地圖，實時生成線上地圖，滿足自動駕駛過程中實時更新的需求，以確定自動駕駛的安全性。
此外，Apollo自動駕駛地圖基于百度地圖1200萬公裡的資料積累，建構全路網級别的駕駛知識圖譜。學習人類司機經驗，用駕駛知識圖譜為自動駕駛搭建進步的階梯。盡可能讓自動駕駛車輛在行駛過程中能有像老司機一樣的表現。
在大資料處理層面，百度提出了「高提純、高消化」的資料閉環設計理念。該方案的資料提純路徑利用車端小模型和雲端大模型，實作高效率資料挖掘和自動化标注；資料消化架構實作自動化訓練，具備聯合優化和資料分布了解的能力，然後通過高純度資料提升自動駕駛的整體智能水準。
自動駕駛資料的整理需要經過采集，篩選，分類，标注，提純等一系列加工，讓不同類型的資料導入不同的模型訓練。其中的一個核心問題就在于資料的處理效率。按照百度的說法，顯然，其資料處理能力已經有了極高的自動化水準。
L4與L2+自動駕駛技術将持續共生
此前，業内一直熱議的一個問題是，到底是漸進式路線還是直接跨越式到達L4。
今年以來，随着各大自動駕駛公司逐漸發力L2+級輔助駕駛，這樣的讨論似乎已經有了答案。
百度認為，L4/L2+技術将會在較長一段時間裡處于共生關系。
目前，百度技術棧已實作L4與L2+智駕産品視覺感覺方案統一、技術架構統一、地圖統一、資料打通及基礎設施共享。L4将持續為L2+智駕産品提供先進的技術遷移，L2資料反哺也将助力L4泛化能力提升。
百度在自動駕駛的技術推進路線上，走的是全棧自研，完全閉環的戰略思路。
推進Robotaxi自動駕駛技術發展的同時。百度也在整車領域孵化了集度汽車，廠商将L2+技術落地。
百度通過自研高精地圖來保障L2+城市級智駕産品擁有高安全的駕駛體驗。
在自動駕駛的核心傳感器上，百度投資了一徑科技來解除雷射雷達的後顧之憂。
在決定自動駕駛核心大腦的晶片層面，昆侖芯科技CEO歐陽劍透露，百度自研AI晶片昆侖芯2代已完成無人駕駛場景端到端性能适配，這将加速百度Apollo的軟硬一體優勢。
有人認為，百度距離大規模商業化落地還相差甚遠；也有人認為，百度正在進行自動駕駛大規模商業化落地前的“百米沖刺”。究竟結果如何，拭目以待。