2017年5月，Apollo开发者——李家鑫在进行自动驾驶系统软件平台架构选型时，第一次了解到Apollo开源计划，当时距离百度发布全球首个自动驾驶开放平台Apollo刚过去一个月。

经过专项研究和评估后，李家鑫和团队惊喜地发现Apollo开放平台相比他们之前自研的软件平台，无论是在技术体系化结构，还是生态化体系化建设层面，都有着显著优势。

得益于Apollo优秀的开源架构设计、代码模块的分工和良好应用性等因素，李家鑫团队仅用了两周时间就完成了代码迁移到完整功能在实车上的跑通。

李家鑫与Apollo开放平台的故事也从此开始，并一直持续至今。

经过六年多的迭代升级，Apollo开放平台已经正式进入到9.0时代，李家鑫也在平台的助力下从一个开发者的角色逐步成长为合格的创业者，收获的远不止技术能力的提升，在产品定义、市场渠道等方面也得到Apollo开放平台的大力支持。

在Apollo开发者社区，还有更多类似李家鑫这样的开发者和创业者。

仅过去一年，Apollo开放平台就新增了6万名开发者，增速是历年平均增速的3倍以上，其中有超过80%的新增开发者使用了最新的版本进行自动驾驶的学习、研发和产业落地。

从最开始聚焦于基础能力的搭建，到侧重场景能力的发展，再升级为对平台工程易用性精益求精的追求和产业生态的共创，百度Apollo开放平台自上线以来始终保持着创新和高频的自我迭代。

如今全新升级的Apollo开放平台9.0，在硬件层、核心软件层、应用软件层和工具服务层都带来了新的变化，继续围绕开发友好、工程框架的优化以及软件和应用场景能力的提升，进一步降低操作难度、操作成本的门槛，让更多开发者可以简单方便地上手Apollo开放平台、投身自动驾驶技术领域。

百度自动驾驶平台生态部总经理张亮认为，无论是技术能力，还是面临的产业环境和政策环境，Apollo开放平台都达到了可以有效助推自动驾驶规模化应用的阶段，“我们有信心在7.0和8.0有效提升应用性的基础上，通过9.0更好地把自动驾驶带入到我们的日常生活中”。

01

包管理，最快一天搭建自动驾驶demo

去年发布的Apollo开放平台8.0首次发布了包管理的解决方案，将原有的工程架构和软件模块进行了有效的解耦，大大提升了模块编译发布的效率。

在此基础上，Apollo开放平台9.0对软件的模块进行了更细致的拆分，从模块级下沉到了应用能力和具体的功能层级。开发者在搭建自动驾驶系统的时候可以根据自己的需求，更精细化地设定软件的搭建，随时随地灵活按需组装，进一步提升了工程易用性，同时也提升了软件搭建的效率。

具体在工程框架的应用方面，Apollo开放平台9.0的“包管理”方案此次带来了三个重要的新变化，既可以满足不同开发能力层级的开发者的需求，也可以满足学习和最终的工程化应用层面的诉求。

第一个新变化是更简单的接口调用方式，针对场景应用需要快速研发落地的开发者，可以直接调用Apollo开放平台9.0全部功能快速搭建自己的自动驾驶应用示范或者测试车辆闭环。

从测试以及开发者、合作伙伴的反馈来看，搭建一个完整的自动驾驶应用场景demo最快只需要一天左右的时间。

第二个新变化是更方便的调参方式，针对应用环境需要完全高度适配的开发者。Apollo开放平台9.0通过全局和局部参数结构化的处理，让合作伙伴通过调参的形式能够对整个自动驾驶软件的表现和最终的结果进行差异化的管理和控制，同时可以自定义地把自己的参数保存成对应的参数的组合。

第三个新变化是更容易的“插件式”功能扩展方式，针对有更深层次、定制化开发需求的开发者。Apollo开放平台9.0把核心模块里面的核心功能做了插件化的管理，提供更便利的方式和更灵活的组合，通过所需模板接口即可快速搭建一个相对复杂的针对某些特定场景的自动驾驶应用能力，可以让开发者的代码学习成本降低90%，代码量降低50%。

这些新变化也是让资深开发者李家鑫感受最深的。

此前在使用Apollo开放平台3.0时，李家鑫团队为了产品整体的性价比，选择用雷达-视觉融合的算法方案代替成本高昂的激光雷达感知方案，还需要针对系统进行各种“魔改”。

得益于9.0包管理的能力，现如今的开发者只需要在现有的算法设计框架内根据自己的需求进行配置，就可以充分享受到不同种类传感器搭配不同算法框架使用的福利。

02

灵活易上手

算法升级是每个开源平台版本升级必不可少的重头戏。

Apollo开放平台9.0的算法优化重点集中在感知方向。激光雷达的主模型由原来的CNNseg替换成CenterPoint，相机的主模型由老yolo模型升级到Yolo X + Yolo 3D的模式，在引进先进算法能力的同时灌入百万级数量的训练，大幅提升了模型的准确性和最终的效果。

除了感知主模型升级之外，Apollo开放平台9.0还加入了增量训练的解决方案，应对不同的应用场景，结合开发者和合作伙伴特定的需求，实现少量数据级就能提升场景效果，更好地满足整个感知系统结果。

随着4D毫米波雷达在自动驾驶量产方案中被更多采用，Apollo开放平台9.0的算法体系也新增了对4D毫米波雷达的支持，覆盖从底层的软件驱动到功能应用层面，让开发者在视觉感知算法为主导的体系外多一种高性价比的辅助传感器选型，提升检测效果，加强极端天气场景的安全性。

此外，Apollo开放平台9.0也为开发者提供了更广泛的算法选择和使用的空间，并能够让开发者进行任意的组合和拓展。

李家鑫反馈到，为了让不同开发者都能获得更优的场景匹配特性，Apollo开放平台9.0特意提供了针对预训练神经网路进行特化训练的方案与教程，使得开发者团队更多的注意力可以转移到对于真实应用场景的理解和数据的采集和优化训练的过程中来，真正意义上减轻了开发者对于工具和框架层面的开发负担。

在进入实际的应用开发过程中，配套的开发工具对广大开发者来说也同样重要。

Apollo开放平台9.0此次推出了全新自动驾驶开发的配套工具DreamView+，模式导向的多场景工作流，简化操作步骤，流程更简洁。同时DreamView+支持自由拖拽式面板，满足开发者不同使用习惯和需求。

DreamView+的另一个重要升级是实现了云端和本地端一体化资源中心的管理，开发者可以便捷获取到云端各类自动驾驶开发所需要的数据，比如各类数据包、地图数据、车辆信息等，大幅节省了以前在开发过程中需要从云端下载资源到本地再进行调试的过程。

DreamView+对李家鑫团队而言可以说是“千呼万唤始出来”的新功能。

在此前的版本中，因为没有一套可以高度定制化的HMI交互体系，李家鑫团队不得不将智能驾驶域与智能座舱域进行拆分设计实现，在增加系统复杂度的同时还需要维持一整套系统软件通信平台，以支持智能驾驶系统和智能交互系统的商业化应用。而DreamView+发布后，可以让开发者探索尝试一种类似“舱驾一体”式的技术实现方案。

Apollo开放平台9.0对文档中心也做了全面的重构和升级，面对不同开发者需求，无论是个人开发者、院校的开发者还是企业开发者，都可以从文档中心找到对应的开发文档，大大降低了代码的阅读量，也降低了学习和使用的成本。

03

“开箱即用”的通用能力

通用能力的提升也是Apollo开放平台9.0的重要升级。

据张亮透露，自去年发布Apollo开放平台8.0以来，不少企业开发者就对Apollo开放平台提出需求，希望在平台通用能力的基础上，以更快、更便利和更低成本完成自己自动驾驶能力在不同场景下的应用。

此次基于9.0软件版本，Apollo开放平台也针对封闭低速园区场景做了非常多的定制化开发和优化，包括引入了SLAM的定位、简化激光雷达和摄像头融合的难度、新增异形障碍物检测等。

基于软件定制化能力、安全性、稳定性的提升，以及开发流程的精简优化，Apollo的通用能力版本可以做到“开箱即用”，最快一周内完成自动驾驶车辆闭环。

在车辆闭环基础上，Apollo开放平台也可以提供丰富的场景能力，帮助合作伙伴在不同应用场景的规模化落地。

首先通过标准协议的模式把作业动作与自动驾驶车辆有效结合起来，比如矿山环境下车辆的举升或者落斗，环卫环境下的清扫或者是喷洒，让自动驾驶车辆具备特定场景应用的基本控制功能。

接下来通过参数配置和接口的调用给车辆赋予更多有效功能，比如指定速度、指定路线、行驶范围、路权管理等特定应用场景的能力。再加上第三方的辅助对业务系统进行对接，最快一个月就能形成完整的场景应用作业系统闭环，而且具备了规模化部署的基础。

在硬件设备层，Apollo开放平台9.0的通用能力也刷新了参考硬件的列表，接入了更多优秀传感器，比如新增32线、64线等多品牌多型号激光雷达，新增超过3家主流品牌的定位设备支持，相机支持超过4家厂商，而且从USB3.0升级为GMSL。

更让开发者惊喜的是，Apollo开放平台9.0第一次适配了ARM架构，让开发者可以选择更广泛的硬件平台开发自己希望实现的功能。

据张亮透露，Apollo开放平台9.0硬件设备的扩充与平台的适配工作很多是由硬件合作伙伴主动发起，让开发者以及合作伙伴在使用Apollo软件系统进行车辆部署时可以更灵活地选择硬件。

除了在既有工具的基础上新增功能之外，Apollo开放平台9.0还引入新的运维工具，包括高精地图的制图工具、传感器标定和集成工具等。这些工具的引入不仅可以帮助个人开发者更好地学习、掌握开源平台的能力，也可以帮助企业开发者大幅缩短应用落地时长。

以传感器标定工具为例，标定成功率在90%以上，标定时长也从天级缩短到小时级。Apollo 提供的地图采集、制图、编辑的全流程工具，也使得地图创建周期从周缩短至小时级，为自动驾驶车辆在不同地域更快速的规模化落地打好了基础。

Apollo开放平台通用能力版本通过开放接口、包管理等方式，打造了工程易用度高、可二次开发性强的自动驾驶系统能力。目前Apollo开放平台9.0的通用能力在教育、矿卡、环卫、物流、接驳以及安防巡检等领域都有了非常多的突破，也引入了更多合作伙伴进行对应场景的应用落地和验证。

基于Apollo开放平台通用能力，百度与苏州金龙已经构建了更高效、更便捷、更标准化的合作范式。

苏州金龙作为传统制造车企去打造自己的自动驾驶系统，面临着系统搭建难、开发成本高、硬件支持少、工具效率低等痛点。百度提供的通用能力版本，让苏州金龙在进一步迭代开发之后，实现了自动驾驶系统完整、快速的搭建解决，大大减少了研发投入，缩短了研发周期。

Apollo开放平台团队还帮助苏州金龙解决了技术瓶颈问题。比如，自动驾驶车辆未来要面向商业量产，苏州金龙需要解决嵌入式域控制器的适配研发，其中包括实车的通信和联调、近处行人检测等关键技术问题。Apollo开放平台通用能力版本直接解决了苏州金龙面临的这些技术难题，让自动驾驶车辆实现量产落地有了关键的技术支撑。

掌握系统二次开发的能力，是苏州金龙拥有自主可控的自动驾驶能力的关键。目前苏州金龙已经面向低速场景投入了无人配送、无人售卖、无人清扫等车型，真正让自动驾驶功能连接落地到应用场景。

在苏州金龙前瞻技术研究院副院长刘明春博士看来，无人化作业体系是一个整体解决方案，除了车端、自动驾驶端的可靠性外，作业端、客户端、云端、远程监控每一个环节都不能有短板。这也是为什么苏州金龙在今年3月与百度紧密合作，联合开发整体的解决方案。

从合作模式上来看，苏州金龙与百度的合作打破了传统的自动驾驶行业中，单纯的项目交付、一锤子买卖、合作关系不可持续等行业合作难题。更重要的是，Apollo开放平台让以苏州金龙为代表的传统大型主机厂商拥有面向未来产品智能化转型升级的信心和能力。