334
中国路况场景下的无人化车队实况、自动驾驶商业化的最新进展……
刚刚，在百度Apollo技术开放日上，关于自动驾驶的最前沿探索成果，都一一展现。
而且百度Apollo的成果之所以备受关注，不仅因为代表了中国头雁玩家在自动驾驶进程上的最新进展，还因为在全球竞速中，开始展现出的超车领先态势。
无人化、商业化……都是自动驾驶量产落地的公认大方向。
但结合车路协同、智慧交通，目前只有在中国、百度Apollo才能给出最富参考价值的成果——更何况还是在更复杂的中国路况场景下。
然而，围绕在百度Apollo身上的疑问仍然悬而未决。
一方面，作为中国自动驾驶的头雁玩家，它正在一步步展现落地商用上的领先——还是全球范围内。
另一方面，自动驾驶领域的关注者都知道，百度Apollo也因为人才方面的来来去去，素有“黄埔军校”之名。
但问题也就在这里，在一个最具技术创新突破的领域，在一个高人才密度依赖的方向，百度Apollo发展和现状中的这种反差，如何解释？抑或自动驾驶领域已经走出了高人才密度依赖？
在现场，百度Apollo首次给出官方回应和解释。
百度自动驾驶技术最新进展？
Apollo Day上，百度依然从两大维度来体现进展。
一是技术上。
二是商业化落地。
这也是自动驾驶江湖最新的“华山论剑”标准。
先从技术层面来看，衡量自动驾驶实力的基础面没有变化——依然是几大硬指标，包括路测里程、牌照数、车队规模。
截至2022年3月，百度Apollo的最新进展是：
路测里程超过2500万公里；
中国自动驾驶牌照411张，其中载人牌照231张；
测试车队超过500辆。
毫无疑问，从数据本身来讲，百度Apollo依然是国内当之无愧的自动驾驶头雁，从体量到速度——此诚不可争锋。
在全球范围内，从数据维度来看，也只有谷歌系的Waymo，能从测试车队和里程上可以相提并论——不过这种状况看起来也正在发生显著变化。
自动驾驶技术真正开始谈商业落地，Waymo代表的美国队，面临的难度与中国相比不可同日而语。
2018年官方发布的《北京市自动驾驶车辆道路测试报告》中，对于中国路况复杂程度就已经做出了定性定量的划分。
《报告》按照北京市自动驾驶能力评估标准，从交通密度、车道类型、交叉路口形态、交通设施种类、区域特征、交通参与者特征、交通流组织模式等等层面，将城市交通复杂度划分为五大类场景。
而依据五大类场景，对开放测试路段道路进行分级，分为 R1-R5。
仅在北京一地的路测中，百度是唯一一家有能力覆盖全部路况复杂度的企业。
按照《报告》中的标准估计，百度RoboTaxi落地的北京亦庄经开区，最复杂的道路交通参与者密度为美国加州的15倍。
交通参与者的类别、不规范行为的发生频率和形式，更比北美复杂得多。
所以，尽管都是RoboTaxi的商业化落地，但在中国面对的难度级别、和对技术实力的要求，显然比在北美高得多。
即使商业化开局就是“困难模式”，但百度Apollo在中国取得的进展，依然超过了北美其他公司。
技术成绩单背后，还有更值得关注的技术系统和后台支撑。
主要有两个。
首先是百度建成了独特的自动驾驶数据闭环。
无论叫“数据闭环”，还是叫“数据飞轮”，其核心都是“路测-收集数据-反哺算法-测试-部署-路测”的循环。
这既是提升自动驾驶算法的最便捷途径，却也是限制很多自动驾驶公司落地的瓶颈。
原因其一是法规限制使测试范围有限，其二是高昂的车队成本。
Waymo这两年进展放缓，以及特斯拉FSD的飞跃式进步，运作模式层面的核心原因就在此。
而百度能突破这个难题，关键在于ANP-RoboTaxi架构做到数据共生共享。
百度的RoboTaxi、搭载ANP方案的乘用车，以及内部的仿真测试数据互相融通，各种不同车型相互反哺，形成一个超强数据闭环。
这也意味着百度Apollo的数据迭代，实现了完全无人驾驶和量产自动驾驶的统一。
或许很快，随着量产自动驾驶数据开始汇流其中，无论从数量还是质量，百度Apollo都将迎来飞跃。
其次，还有5G云代驾值得关注，这是百度Apollo的无人驾驶接下来有路就有“萝卜快跑”的关键支撑。
活动现场，百度通过直播连线的方式呼叫了正在进行日常无人驾驶测试的车队，从九宫格直播画面可以清晰地看到，其中一辆无人车正在通过亦庄交通环境最为复杂，人流量、车流量密度最高的路口，无人车面对这些复杂交通环境均能轻松应对。
如前文所述，中国路况要比美国路况复杂更多，自动驾驶想要在中国实现规模化全无人部署更难。
而百度Apollo正是在单车智能、监控冗余、平行驾驶三层安全体系以及完备的测试验证体系全方位保障下，才得以在复杂的中国路况下逐步推进从封闭区域到公开道路、从主驾无人到车内无人的规模化无人测试进程，稳步迈向自动驾驶的无人化时代。
有意思的是，5G云代驾作为自动驾驶的典型中国探索成果，也成为了国际标准。
就在去年的国际通用自动驾驶分级标准更新中，专门新增了5G云代驾条目，从权威客观角度承认了这项技术的必要性。
当然，无论是显性的技术成绩单，还是背后的技术架构和支撑，现在都只能成为基础面了。
因为现如今衡量一家自动驾驶公司的基本面，更核心的指标已经进化到了无人化能力。
一方面，无人化体现着真正的自动驾驶技术实力。另一方面，唯有无人化的技术能力，才能让商业化成为可能。所以百度Apollo此次披露的无人化商用落地的最新数据，更受关注。
自动驾驶竞速新标准：无人化、商业化
是的，关于自动驾驶的比拼，正在进入新赛道、新阶段。
这个阶段的最核心指标就是这两个——无人化。商业化。
去年开始，百度先是在北京首钢冬奥园内实现了去安全员的RoboTaxi落地，完成了“ODD”展示和验证。
其后又在北京亦庄获得无人化牌照和收费运营许可，在11月正式开启自动驾驶收费运营——开全球风气之先。
百度也顺势推出了自动驾驶网约车平台——萝卜快跑。
现在，萝卜快跑交出这样的运营成绩单：
萝卜快跑品牌发布后，在亦庄载人测试示范运营的半年时间内，车辆数量、站点密度、订单密度增长超过50%，单车日均完单峰值达28单。2021年第四季度，萝卜快跑载人订单量达21.3万单，环比增加近一倍，第三、第四两个季度获得超过30万订单，2022年这一数据仍在高速增长中。
其次是收费情况。百度RoboTaxi和网约专车相当，但在目前的推广阶段，官方会给用户发各种优惠券抵扣车款，基本每单都能享受1-2折优惠，即更便宜。
第三就是用户反馈和乘客评价。
萝卜快跑后台数据显示，萝卜快跑开启商业化后，用户满意度保持在4.8分，整体满意度4.8，5星好评率超93%。至于规模，仅在北京亦庄经开区一地，商业运营和测试的RoboTaxi的车队规模就超过了300辆。
而接下来，百度还计划在2025年把“萝卜快跑”自动驾驶服务计划扩展到65个城市，到2030年扩展到100个城市。
与该史无前例的壮举计划相对应，百度还在不断降低成本——联手主机厂，百度已经把RoboTaxi的成本价刷新到了48万。
48万的RoboTaxi，已经进入了普通乘用车的成本区间，而且能省去大笔的司机人工费。
按照RoboTaxi 24小时不停的最高运营强度来计算，一辆车1-2年之内就能覆盖成本，整个生命周期产生的收益，远远大于现在的普通网约车。
百度第五代RoboTaxi的低成本，不是通过减配实现，而是在自动驾驶技术层面的进步，使得第五代L4级自动驾驶套件的成本大幅降低，同时性能还能大幅提高。
而正如前面所说，这套自动驾驶套件，和百度卖给主机厂的ANP互通，RoboTaxi的L4级自动驾驶，其实就是在ANP方案上扩展了激光雷达等相应模块而来的。
这样的技术架构，也带出了百度Apollo在乘用车业务线的商业化进展。
截至3月，自主泊车产品AVP已经交付威马、广汽、长城，今年还会在比亚迪、岚图等等车型上看到行泊一体的ANP产品。
ANP之外，百度的自动驾驶还有一条被易于忽略的盈利路线，包含了Apollo在5G车联网、智慧城市交通等等方面的积累。
简单理解，就是未来智能交通基础设施建设。
百度在这一市场已经吃掉了巨量订单，而且这一块业务直接To G，所以它具有其他企业不可复制的优势。
算上这一部分，才是百度全部无人驾驶商业化的全貌。
所以从整体上来看，百度Apollo在无人化和商业化方面的进展，也在进入无人之境，不仅国内无人能及，放眼全球，这份成绩单也实属独一份。
于是从基础面来论，全球自动驾驶的江湖格局，似乎还是三超多强：Waymo、百度Apollo和通用Cruise保持数据和体量上的领先，其他力量处于追赶的第二梯队。
但如果从更具真实力检验的无人化和商业化来看，百度Apollo领衔的中国自动驾驶，正在实现身位上的领先。
全球自动驾驶的竞速排位，很可能会从2022年开始迎来变局。
百度自动驾驶最隐秘系统
新问题是，这种领先是否可持续？围绕在百度Apollo身上的疑问，仍然悬而未决。
一方面，作为中国自动驾驶的头雁玩家，它确实正在一步步展现落地商用上的领先——还是全球范围内。
另一方面，自动驾驶领域的关注者都知道，百度Apollo也因为人才方面的来来去去，素有“黄埔军校”之名。
问题也就在这里，在一个最具技术创新突破的领域，在一个高人才密度依赖的方向，百度Apollo究竟如何应对这种挑战？
百度副总裁、自动驾驶技术部总经理王云鹏，在现场被问及，首次开诚布公解答。他认为，这种“黄埔军校”现象确实存在，也是行业领军者必须承担的行业责任。
既是领军者也是布道者。
而且这种布道，也是通过人才流动实现的，客观上壮大了整个自动驾驶行业，加速自动驾驶在各个赛道、场景成为主流。
虽然这种“行业价值”，听起来更像是百度对外得体的表述，但确实也是实情。
在更早之前，行业内其他大牛也都感慨过：人工智能尤其是自动驾驶领域，百度在国内开展的最早，投入也是最多、最坚定，在这个过程中培养了大量非常优秀的人才，也为行业输送了一些人才。
而现在可以看到的是，这些百度Apollo历练出来的人才，又凭借自己对行业的深刻认识，以及深厚的技术能力促进自动驾驶的发展，既表现在技术的推陈出新，又体现在推动政策进一步开放。
这么多年来，百度Apollo人才的流动，甚至是行业内成熟自动驾驶公司的人才流动，客观上都带来了行业的进一步繁荣。
然而百度Apollo用现实答卷给出的结果是：人才流动，的确没有影响百度Apollo这艘航母的方向和速度。
这是为什么？
在开放日现场，王云鹏展示了一条“百度自动驾驶之路”，从第一辆第一代车到最新一代无人驾驶车型，从2013年至今，从技术到产品，从路线到方案……
而事业成果的展示背后，则是人如何凝聚和组织运转。
人才问题的答案似乎再明确不过——作为中国自动驾驶的最早探索者，百度Apollo已然在实践中形成了一整套自动驾驶人才和组织机制，一整套自动驾驶的人才系统。
百度Apollo则从三大方面，首次揭开这个隐秘系统的冰山一角。
第一，技术、资源和机遇上的底盘架构。
百度Apollo已经具备的大量数据、大量车辆，以及百度在云计算方面的积累，使得模型的训练能够不断的采集数据跑通人工智能模型。
一个团队的新想法、新方案能最快部署、验证和收集反馈。
对于非技术团队来说，百度依然有行业内最齐全的落地场景和无人化、商业化尝试机会。
目之所及的百度无人车落地项目，就有乘用车ANP、RoboTaxi、造车、智慧交通、智能卡车、无人物流、工业生产（矿山）等等。
概括起来，就是天地广阔，想做啥都有场景、有资源，天高任鸟飞。
这对应届生和行业新人来讲，更容易实现有序可期的成长。
另外，也有一些技术骨干，被问及为啥选择百度Apollo——他们给出的理由是，百度有长期坚持的企业战略，还拥有规模化、体系化、服务化、产品化的能力。
这对致力于希望实现自动驾驶梦想的人来说，是初创公司更难具备的吸引力。
第二，从入门到精通的人才培养机制。外界看到的是，在每一个时期，百度自动驾驶都有明星球员流向业内。但对于百度Apollo而言，又总是有新的明星球员很快脱颖而出，成为舞台中央中的大牛。这是因为百度自动驾驶内部有成熟的人才培养机制。不同的人才对于自动驾驶未来的理解可能不同，在百度这里可以自由选择投身的赛道。
无论是乘用车、RoboTaxi，或是物流，也无论是算法开发或者硬件平台。对于愿意踏实奋斗的成员，百度内部会拿出足够的资源支持他进步。
量子位了解到的是，Apollo内部如今有几十近百人T7、T8级别的技术骨干团队，都是在Apollo一步步成长起来的。他们曝光不多，不少人像“扫地僧”一样神秘。
王云鹏的说法是，很多百度技术大牛都是低调扎实的风格，说得少还很强，按照外界大牛标准，内部粗略估算也有百八十个吧。
按照江湖猎头的说法，如果业内其他自动驾驶公司、创业公司缺CTO、技术负责人、自动驾驶负责人，首先想到的就是百度、百度Apollo。
实际上，此言倒确实不虚，在自动驾驶江湖进入创投时间以来，众多创业公司都难逃“百度含量”的评估，诸多技术的核心人才，很少没有百度的履历或锤炼……
百度曾经有言：聚是一团火，散成满天星。
在自动驾驶江湖更是如此，中国自动驾驶车队出百度，是调侃，但也是事实。
第三，百度的积累和技术落地场景，在自动驾驶实现上有更大优势。
相信自动驾驶技术和未来的人，要实现自己的理想，百度Apollo是目前最有吸引力的平台。
有领先成熟的技术储备，并由此打开了丰富的商业应用场景，这是百度自动驾驶人才战略的两块“基石”。
不同的应用场景，为不同类型的人提供了丰富的舞台。
技术储备，又给了他们实现构想的工具。
完整的培养和激励机制，让选择留在Apollo的人能心无旁骛实现自己的价值。
而这些人才又反过来打造出了百度Apollo这块金字招牌，吸引新鲜血液加入自动驾驶“头雁”，开始一轮新的学习和成长。
这一套“飞轮”，正是百度人才自动驾驶系统的核心。
在这样的体系优势下，百度对人才的吸引力也是业内领先的。
虽然百度自动驾驶团队已经是全行业的人才高地，但要加速实现无人驾驶的梦想，还远远不够，需要吸引大量的优秀人才。
2021年加入百度的big name，就包括原首汽约车CEO魏东和北汽研究院副院长尹颖。
他们的到来使得百度Apollo商业化运营和汽车机器人的推进大大加速，组织能力的短板也被补齐。
新生力量方面，百度透露2022年校招人数，会比19、20、21三年加起来的总和还多一倍。
开启自动驾驶业务的10年间，百度Apollo在技术和商业两个层面做到双双领先，其背后的深层原因固然值得重视。
深究百度领先的核心原因，技术也好，商业化也好，说来说去最后都落在人才。
纵观整个行业的发展，百度能抵御人才流动对业务的冲击，始终保持航向和加速度不变，就是建立起了自己的“人才自动驾驶系统”。
所以自动驾驶的速度之争、实力排名，确实可以用里程、牌照等基础面观照，也能用无人化、商业化等基本面参考，但最核心的还是人才系统的鲁棒性，在熙熙攘攘的炽热江湖中，人才的自动驾驶系统，决定了走多快，更决定了走多远。
贾浩楠 发自 凹非寺
量子位 | 公众号 QbitAI
