贾浩楠 发自 凹非寺量子位 | 公众号 QbitAI
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。
首先是百度建成了独特的自动驾驶数据闭环。
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月正式开启无人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、验证和收集反溃
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。
更决定了走多远。
