关注「电动车公社」

和我们一起重新思考汽车

大家好，我是电动车公社的社长。

前几天，我社一用户朋友受邀参加威马&Apollo智驾体验营，看完他的朋友圈，我立马约他出来吃了个饭

。

毕竟，想了解威马W6怎么样，他这种车主最有发言权。

让他印象深刻的，莫过于泊车能力的升级，这是威马W6搭载记忆泊车上市以来首次OTA。

车主可以在任意停车场指定一条泊车路线，驾车学习一遍，只需短短几分钟，车辆就能自己记住这条路线地图，在之后每次走上这条路线，就能开启泊车，让车辆自己开去停车，路上车辆还能自行避让行人、绕开障碍物。

甚至在很多老司机也得揉上几把才能停进去的超窄侧方停车位上，威马W6记忆泊车也能成功应对，算是手残党的福音。

不过让人没想到的是，这样一场智能驾驶体验活动上，来搜集用户反馈意见的竟然是百度的工程师，整场活动竟然也是百度Apollo组织策划的。

作为“半个地球人都知道”的互联网大厂，百度从20年前靠一个小小的搜索框拉开中国搜索引擎世界大幕。

到如今，几乎已经成为很多人的生活习惯。

www.baidu.com

可以说是社长这一代人，唯一记住的网址

不过如今已经成为“社会基础设施”一环的百度，为啥要倾尽全力搞“Apollo”？

Apollo又到底是何方神圣？

01. 自动驾驶各派路线

，”

要说百度Apollo之前，可能需要先聊一下全球自动驾驶汽车发展路线。

目前来看，大体上可以分为“渐进式”和“跨越式”两派。

其中，以特斯拉、蔚小理等新势力车企为首，主张以L2级别辅助驾驶汽车量产起步，沿L2→L3→L4→L5的方向“循序渐进”的发展。

而“跨越式”则希望直奔L4级以上的自动驾驶，比如谷歌的自动驾驶公司Waymo。

二者区别的根源在于背后其实是两种完全不同的思维模式，渐进式属于工程思维，而跨越式属于科学思维。

可以说是，殊途同归，但也各有难处。

对于“跨越式”一派来说，由于激光雷达成本依然居高不下，L4直接量产落地的难度很大。而“渐进式”一派，现阶段来说，民用确实更多。

但持“跨越式”一派观点的人又有个观点是，认为“渐进式”路线一方面用“人机共驾”的方式紧急情况下极不安全，也违背了自动驾驶技术的初衷，更关键的是，他们认为这个路线再往下走，可能某个时刻就会走不下去。

李彦宏也表示：“全国有500万公里的道路，想一步登天实现全无人驾驶确实很难做到。但我们能不能从最简单的5万公里做起？能不能在人车混行较少的道路做起？能不能从遵守交通规则的地方做起？”

于是，百度另辟蹊径，结合两种模式打出“技术降维、数据反哺”的牌。

简单点说，就是百度先搞定难道最高最难的L4级，有了基本的技术储备后，把技术下放到各个小场景内率先实现，再通过反馈数据、打通连接，进而实现更大市场的普及。

02. 百度自动驾驶的降维打击：

从小场景杀入大市场

，”

先来看它的第一步棋，从小场景的封闭测试和运营入手，实现L4级别自动驾驶。

之所以选择封闭场景的自动驾驶，最主要原因在于场景可控性高、法律法规约束也相对细化，更易推进。

但实际上，因为细则更多，对自动驾驶技术的要求才更为严苛。

不过，这显然不是百度的最终目的。

它还有第二步棋，那就是啃下“开放式场景的自动驾驶”这块硬骨头。它的难点在于，涉及到更多人、车、障碍物等不确定因素，场景更复杂、风险更高。

而这部分，他们是用家用车与出租车市场“双线并行”战略来推进的。

众所周知，家用车市场是新能源汽车最大的战场，也是开放场景中自动驾驶的最大挑战，在这件事上做出成绩，对于整个行业意义非凡。

2019年，沉淀了6年的百度发布了Apollo lite纯视觉自动驾驶技术，主要包括自主泊车产品AVP和领航辅助驾驶解决方案ANP。

威马W6本次测试的泊车功能，正是搭载百度Apollo的AVP系统，而AVP又分为HAVP（记忆泊车）和PAVP（高精地图泊车）两种。

从此，我们开入商场地下车库，不再需用大量的时间找车位，回家时也不用思考“我是谁，我的车在哪儿？”的人生难题，实现停车场中自己找车位。

并且在你需要时，听从召唤，自行开到你面前，为你省下大量”准备时间”。

HAVP（记忆泊车）后续还会持续OTA，目前已知的要升级的功能就已经包括：

根据车主泊车的高频路线，自动生成记忆，相当于不需要再像现在一样先学习一遍；

当固定车位被占时，会自动选择泊车路线上的空位置停下；

还可以学习别人车辆学习过的路线，相当于无师自通了。

而PAVP（高精地图泊车）则是很多用户更期待的功能。

相当于是基于高精地图实现召唤和泊车，一旦落地实现，我们平时去逛街、去医院、去一些人多车位少的商圈，跨楼层、找车、找车位的问题全都迎刃而解。

而且预计这个功能会在今年就在北上广深落地第一批PAVP停车场。

相对于复杂路况的普及，停车场环境无论是从法律角度，还是现实角度，都是率先实现L4级自动驾驶的场景之一。

03. 自动驾驶“技能卡”，解决车企最大烦恼？

，”

目前在研究自动驾驶的主要是3类公司，一类是特斯拉、蔚来、小鹏这样的具备一些科技属性的新造车公司，一类是传统车企，还有一类就是百度这样的供应商。

特斯拉、蔚来、小鹏等企业做的研发更多都是针对自己车的，也就是说，没法直接迁移到别的车上。

而传统车企则基本都在苦恼自己的数据积累和算法积累，也苦于缺乏互联网属性的用户思维。

2017年，Apollo推出全球首个自动驾驶开放平台，并希望借此平台深度参与到车企的智能化发展路径上，将智能化赋能车企及汽车产业。

而后迅速推出了Apollo Lite，通过与Robotaxi同场竞技打磨视觉感知能力，技术指标和乘坐体验逐步向Robotaxi看齐，也就是说，把自动辅助驾驶技术模块化，甚至智能座舱的功能模块化，快速把传统车企拉进赛道来。

这就好比，百度是游戏中的NPC“技能训练师”，而车企是游戏中的玩家。

玩家想要变强，可以从技能训练师那里习得“技能卡”。

而这种发技能卡的方式，最重要的两个因素就是——购买成本和买完后的技术稳定性。

这时候Apollo的这种数据能力和算法能力又一次成为关键决定因素——软件能力的提升能直接决定成本能降到多低。

之前他们官方有份数据，车企愿意为了自动辅助驾驶支付的价格为车价的5%-10%，也就是说20万的家用车，自动辅助驾驶的单车成本得在1-2万，或许只有从科技公司赋能才能满足车企的成本需求。

Apollo这种发“技能卡”的模式不但让车企易于接受，还得到许多科研机构、甚至是地方政府的认可。

如今，百度Apollo的全球生态合作伙伴超过210家，我们知道的正在深度接触的OEM厂商就至少有十几家。

截至目前，百度Apollo累计长达1800万公里的自动驾驶安全路测里程，也让其与国内其他同行相比，处于自动驾驶数据支撑方面绝对领先地位。

当自动驾驶测试里程达到一定规模后，要提升测试里程无非就是持续加长测试时长，或者扩大测试团队，对于已经出发这么远的企业来说，铺量的事反而是最简单的。

而最难的其实是持续挖掘特殊且困难的场景，让算法持续迭代并最终实现自动驾驶能力的全新突破。

对此，百度有自己的方式：

我想这次拉来威马W6做用户智驾体验营虽然是线下体验，但目的应该也一样，除了线上数据的收集，也同样需要无数线下真实数据和体验的挖掘。

类似的体验他们已经在全国5个城市展开，试乘试驾做了30多场，超过了1000人进行深度体验。设计的体验使用场景很多，包括加入了手持重物、抱娃以及暴晒的时候。

让用户可以通过真实的使用场景验证技术是否可以满足用户需求，收集直观的调查反馈，整体AVP车主满意度也做到了4.6星，庞大的数据积累、人才、丰富的客户群体组成了一条完整的生态链。

写在最后

，”

讨论自动驾驶谁会成为最终的第一，目前为时尚早。

可能是拔剑最早的特斯拉，可能是紧跟其后一刻不肯放松的蔚来、小鹏，可能是作为供应商和深度合作伙伴出现的百度、华为，甚至可能是背靠全球安防龙头企业的零跑……

而这次我们聊到的Apollo，它确实抢占了车+路+云+图的先机，在多地举办的智驾体验营的用户体验活动，以及做的各种数据及体验反馈专项，也确实是靠近用户、从用户的反馈中反哺用户。

我想，这大概也是百度互联网用户思维的本质体现吧。

至于我们期待的那个未来还有多远？

1900年，人来人往的纽约第五大道开始出现汽车，不过跑在路上的仍然是马车为主。

而1913年的同一天，同样在纽约第五大道，同样车水马龙，而这次，跑在路上的已经只有一辆马车了。

从马车横行到汽车普及只用了短短13年时间，100年过去了，汽车又在不知不觉中被深刻地改变着。

那么，自动驾驶、智慧交通、汽车机器人、飞行汽车等等的普及离我们还有多远呢？

或许，根本没有你想象中那么远。