觀點丨鄔學斌：解讀「Apollo」計劃 構建自動駕駛新生態

2017年7月16-17日，電動汽車百人會產業培訓以「新能源汽車與智能網聯汽車前沿技術」為主題舉辦系列課程，邀請清華大學、百度、沃爾沃、博世汽車、科大訊飛、 智車優行、中興智能汽車等機構的專家，進行為期兩天的分享交流及深度探討,旨在通過培訓課程讓業界人士了解最新前沿技術以及發展趨勢，促進技術交流、產業鏈融合及跨界合作。

百度副總裁鄔學斌發表了以「實施Apollo計劃，構建自動駕駛新生態」為主題的報告，本文為發言實錄。

今天的演講題目是「實施Apollo計劃，構建自動駕駛新生態」。

先講一個引子，百度認為汽車行業發生了非常大的變化，可簡單歸納成「三化」，也有的人說是「四化」。（1）電動化——指從能源方面來考慮。（2）智能化——從汽車本身性能來講，所有能使汽車變得更加聰明的技術，都統稱為智能化，無論網聯、還是智能駕駛。（3）共享化——並不是指汽車本身技術發展，而是指汽車未來使用狀態的變化，由於使用狀態的變化，對汽車產品的形態將會帶來很大衝擊。

為什麼要研發無人駕駛汽車？

實際上這個答案有很多，我們把它總結成三個方面：安全、高效、經濟性。

安全

每天直接死於交通事故的人數大概有近500人，這個數字是非常觸目驚心的。我們認為當無人駕駛普及的時候，這個數字會大幅度下降。強調一點，並不是說無人駕駛之後不會發生交通事故，但是這個事故率會大幅度下降。除了惡性交通事故之外，每天頻繁的輕微交通事故造成的經濟損失也非常大。因此，無人駕駛在安全方面的貢獻是非常突出和顯而易見的。

當然，也有人會問，如果左邊是老人，右邊是小孩，無人駕駛汽車到底撞誰？實際上，在無人駕駛技術層面上是不會出現這種情況的，無人駕駛汽車的感知系統在正常工作情況下，不會突然意識到某個問題，然後再做處理，所以這個命題本來就是個偽命題。

另外，國內在無人駕駛法規方面還存在很多問題，比如說交通法規。無人駕駛一定要在有人的道路環境下進行開發測試，和現在有人開著的車不一樣。有人駕駛的汽車完全可以在無人的環境裡面開發，不管在實驗室還是在實驗場，整個開發的要求、實驗方法、驗收標準都非常非常完善。但是無人車怎麼辦呢？所以還有許多方面需要完善。安全本身是狹義的，既具有社會效益，也涉及非常重大的經濟利益。

高效

人工智慧技術最核心的作用就是在各個方面提高生產率，用於汽車上也同樣是提高生產率。人工智慧可以解放人們在汽車裡面以及整個交通過程中的生產力，乘客可以不用開車，轉而做別的事情。

這裡有很多統計的數據，其中對車輛行駛效率的提升，是一個非常重要的指標。目前車輛平均使用率不到5%，如果提高10倍，當車輛一半狀況在使用時，理論上來說，車輛的保有量可以減少10倍。但這僅僅是理論上的，交通有高峰期、低峰期，不可能24小時都是均衡的。所以單純按簡單的數據計算，結果是錯誤的。不過，我們依然相信即使是未來無人駕駛汽車時代，社會車輛汽車總保有量還是會增加，因為每個人都嚮往著交通自由。

經濟性

以北京的人工成本為背景，如果採用無人駕駛汽車作為計程車來運營計算的話，一年到一年半時間就把能收回成本，經濟效益非常明顯。在經濟方面還有一個指標，即的人口老齡化。2015年，的在職人數與退休人數的比例是6.6：1。如果堅持原來一胎的計劃生育政策不變，到2045年這個比例將會下降到1：1。而無人駕駛汽車能夠有效緩解勞動力短缺的問題。

德國一家諮詢公司，在、美國和德國進行了一個調研，發現在歐美大概只有48%的人相信無人駕駛技術，而在這個數字高達96%，表明人對新鮮事物的接受程度非常高。

邁入「L4」級別 需引入人工智慧技術

人工智慧技術實際上也不是一項新的技術，在上世紀五六十年代也曾經火過，那麼為什麼沒有火起來呢？最核心的有兩點：一個是計算能力；另一個是更重要的數據。沒有雲計算的技術，人工智慧技術是沒有根基的。2000年以後，這兩項技術均得到了快速的突破，所以人工智慧技術才得以再次迎來春天。百度為什麼有人工智慧技術呢？因為人工智慧技術最早應用在搜索技術上，所以百度積累了非常豐富的經驗，它跟大數據的搜索技術有點相關，但是還有本質區別。

按照美國的劃分標準，從L1到L4，其中L1、L2已經實現產業化，奧迪號稱實現了L3的產業化。我們認為從L3到L4，這是一個巨大的鴻溝，因為要判斷、處理的數據量是急速增長的，靠傳統的CPU以及這種硬編程的方法是無法處理的，必須引入人工智慧技術，用GPU、FPGA等。所以，要真正達到L4，人工智慧技術是不可缺少的。當然，L4到L5之間又是一個巨大的鴻溝，因為L5是沒有地圖的，未來的L5又是另外一個新天地。

「Apollo」計劃發布

「開放能力，共享資源，加速創新，持續共贏」是「Apollo」計劃的16字宣言。

開放能力是指將百度無人車的軟體、平台、數據等所有能力免費開源、開放，通過這種開源方式，任何人隨時可以在網頁上查看，也非常希望大家提寶貴意見，來豐富我們的不足，這就是開放能力來共享資源。我當年做電動車的時候，06年開始為奧運會做電動汽車，電動汽車做到現在做了十幾年了，實際上這個領域裡低水平的重複投入是相當嚴重的，沒有必要每個人都把輪子重新的發明一遍，所以百度願意把自己做的一些基礎性工作向整個產業、向整個社會開放，希望能夠提高我們的資源利用效率，加速我們的創新。

前幾天百度CEO李彥宏講了一句話：在PC時代有個人英雄主義，在人工智慧時代將不復存在。

這話是什麼意思？在PC時代，編一個很好的程序、寫一個優秀的演算法，可能要不了幾個人，也許某一個人就能實現。但是到了人工智慧時代，最重要的是數據，而數據是不可能靠一個人或是個人英雄主義就能解決的問題，數據一定是眾人拾柴火焰高，所以我們把生態開源、開放，希望大家參照我們的演算法貢獻自己的數據，然後才能使這個「Apollo」生態的數據越來越多、越來越豐富，這樣才能加速創新。

詳解「Apollo」

Apollo是一個開放的、完整的、安全的生態，怎麼理解完整和安全呢？Apollo開放是各個模塊逐步開放的過程，凡是決定開放在網上的，都是經過內部反覆嚴格訓練和測試，所以開放出來的模塊肯定是完整的、安全的。

這個框架就是Apollo的技術框架，這個框架的左邊分成四層。

（1）最下面一層是整車模塊，這個模塊不一樣的地方就是需要線控技術。線控技術在現行車輛裡面，由於使用的並不多，所以成本和技術路線還處在研髮狀態。實際上，很多國際公司的技術上是成熟的，但產品有賴於產業化的推進。

（2）整車模塊之上是硬體平台，這裡面的硬體目前汽車上都還不存在，而未來智能汽車上需要這些硬體，包括計算平台、定位、慣導和各種感測器。還需要設計一個黑盒子，把車上所有的數據實時記錄下來，以備不時之需。

（3）第三塊是最核心的，就是汽車的大腦。這裡面有無人駕駛系統所有的模塊，最上面一塊是雲，無人駕駛汽車必須要有雲的支持，很多數據必須在雲上面。

講到硬體和整車的時候，講的是參考平台，意思是生態裡邊有許多整車的模型和硬體的模型。「」Apollo」生態本身並不只屬於百度的，它也不是一個實體公司或是賺錢的工具。只有匯聚產業界的力量，「Apollo」的大腦、血液，甚至整個智能車才能像人一樣，才是一個完整的工業布局。

「Apollo」布局的速度：7月5日已經開放封閉場地的循跡自動駕駛，如果把剛剛這些模塊下載下來，按照我們推薦的硬體和整車模型的話，就可以在封閉場地打造一款可以循跡的車輛。有一家美國公司花出3天時間的確做出一輛車出來了。9月份的時候會把固定車道的自動駕駛開放，年底的時候開放簡單的城市工況。到2020年底，基本上可以把城市道路和高速公路，在有路的情況下全部開放。百度相信到2020年底，技術上是可以開發成熟的，可以讓車上路。至於到時候能不能上路，就看法律是否上路。

目前「Apollo」生態已經有了一些成員，這些成員裡面包括主機廠、政府、大專院校、運營公司等，生態裡邊沒有排名歧視，大家都是為了無人汽車行業的技術共同奮鬥。

美國Autonomoustaff的一個工程師，當初他不相信「Apollo」，也想試試我們的技術，所以我拍了一段視頻。可以看到，這個視頻本身並沒有顯示出非常高水平的無人駕駛技術，它想展示和想說明的幾個問題：第一個，「Apollo」的系統是相通的，我們把相關的數據放在網上，大家一起做成這個事情，把通道打通。第二個，在整個實驗過程中還是有些問題的，第一是剎車，需要再優化，這個是「Apollo」的精神，並不是說這個數據拿下來馬上就能夠商業化的，可能還得根據不同的應用進行不同的調整。

「Apollo」的必要性

在「Apollo」生態裡面，相信各種各樣的公司或單位都是需要的，而且目前也是有這麼幾大類：一個是政府，中央政府是法治法規的制定者，地方政府要提供一些測試的場景來測試，一些城市已經開闢了一些小型測試實驗區，但這種實驗區實際上遠遠不能滿足無人駕駛汽車產業化的需求。無人駕駛汽車要能安全的上路（指比開得最好的駕駛員還要好，而且沒有交通事故），測算大概需要100億公里的行駛里程數據，光靠任何一個城市建一個小型示範區，想跑100億公里是不太可能的，而且這100億公里並不是說在同一個場景里行駛。

另外一個指標是ADS，就是自動駕駛場景，這種場景全世界可能會有2萬—3萬個場景，很多人認為測試場景達到3700個之上車子就能安全上路，如要安全無憂可能要測試超過上萬個場景。這些怎麼辦？這些場景光靠一個公司和有限的100輛車去跑是不夠的。大家有沒有注意到，谷歌最近不太講里程數了，里程數跑到一定程度已經到了一個玻璃天花板了，他的ADS的增長上面已經沒法增長了，必須要有不同的情況。那麼如何解決這個問題？這就需要更多的地方政府一起來開闢無人車的開發測試場景，無人駕駛汽車需要在有人的環境裡邊來學習，否則只能是紙上談兵，所以政府的支持是很重要的。

汽車製造商、感測器、硬體製造商不用多說。另外，出行服務商也是很重要的，因為只有他們掌握出行數據。在美國，Uber也好，小的出行公司也好，在無人駕駛方面都非常積極。他們認為，出行服務商如果不在無人駕駛領域佔有一席之地的話，可能就沒有機會了。另外，通訊服務提供商，很多人講無人駕駛汽車跟V2X之間的關係，我認為一個車首先要保證自己做到無人駕駛的功能，V2X是之上的冗餘系統。

無人駕駛的10大核心技術

百度認為，無人駕駛有10大核心技術，包括：環境感知、行為預測、規劃控制、高清地圖、高精定位、操作系統、車載硬體、智能互聯、人機交互、系統安全。

其中最重要的是系統安全，因為當一個車跟雲端進行數據交換時，沒有安全保證，這輛車就可能會變成殺人武器。如果無人駕駛汽車在信息安全上出現問題，那麼是不可能產業化的，其他的都是可以解決的。

在互聯網世界中，不存在百分之百的安全。所以我們的安全理念是什麼呢？我們的安全理念是把有可能造成的傷害控制到最小，就像一個城市，不可能沒有犯罪，但是安全的城市，一方面可以防止很多犯罪，另一方面，即使發生犯罪，也能會迅速處理，控制局勢。

從汽車行業到智能駕駛行業，最複雜的技術實際上是行為預測。如果沒有人工智慧技術，只靠寫程序，是無法完成這個工作的。因此，人工智慧技術、機器深度學習是不可或缺的。

百度目前的技術怎麼樣呢？在檢測識別方面，KITTI（自動駕駛演算法公開排行榜）每年都會舉行比賽，它有六項指標，去年在全球比賽當中百度在六項指標當中拿到四個第一。比如車輛檢測，檢測量第一。行人檢測，目前準確率為95%，當然這種準確度肯定是不能上路的。紅綠燈檢測準確率為99.99%，但也很低，這只是說攝像頭的識別率，對於紅綠燈有好幾個系統可以識別，這些系統全部放在一起的冗餘，可以達到99.999%，單靠攝像頭只能達到99.9%。

另外，在高精地圖和定位方面，百度的高精度地圖現在是厘米級的。

智能汽車的開發與傳統汽車是不一樣的。智能汽車的開發，首先要讓無人駕駛汽車不斷行駛。一個框圖裡面實際上想說的就是一個ADS，一個自動駕駛場景，若干個車去跑，就跑若干個地方，建若干個試點，再把這些場景的數據全部傳送到雲端進行整合和模型，產生了大腦后，實際上產生了一個模型，放到一個車裡面，進行車輛的控制，就是這麼一個開發過程，稱之為是端到雲到端這麼一個開發過程。這個跟傳統的控制軟體的開發是有顛覆性的不同。

實際上，想行駛成千上萬的場景是非常難的，怎麼辦呢？百度的做法是利用模擬，模擬是智能駕駛開發的加速器，模擬怎麼來的呢？最初是把場景先給數字化，之後利用這些元素來進行模擬，大大提高了模擬的效率。

「Apollo」智能駕駛、智能控制系統以後要基於DuerOS操作系統（百度推出的一款對話式人工智慧操作系統）之上，實現基於語音的高效操作。不僅要聽見聲音，還要聽懂聲音。聽見和聽對之間的區別非常大，這背後是百度人工智慧技術在發揮巨大作用。目前，很多廠家有很多應用，但僅僅是在車聯網這個方面，還沒有跟自動駕駛相關聯，這是下一步需要做的事情。

去年配合烏鎮互聯網大會時使用了一批無人駕駛汽車，是在開放道路行駛，道路狀況極其複雜，開發過程也非常複雜。當無人車第一次遇到逆行車輛時，計算系統就停頓了，不知道該怎麼處理。但是第二次遇到相同情況的時候就知道了，但依然停頓，說明機器學習還是要進行再學習。那麼國外的車要想進入市場，就必須要在進行測試，這也是「Apollo」生態里有外國廠商的原因。外企進入「Apollo」生態之後，可以相對容易的獲取我們的數據。

無人駕駛面臨的五大挑戰

Apollo開發過程當中得到了政府和合作夥伴的大力支持。在習大大的指示下，烏鎮互聯網大會期間展示的都是基於自主品牌的無人車。百度目前在跟很多城市、公司進行了合作協議簽約，也在加快開發速度，但在這過程中也感覺無人駕駛還面臨著許多挑戰，主要有五項：

第一，核心零部件受制於人。這與國內產業基礎有關係，無人駕駛汽車搭載的激光雷達、關鍵晶元等核心零部件都掌握在外國手中，成為汽車彎道超車的阻礙。所以希望在座的企業能夠在這個領域進行創業或者投資。當然核心部件的投資風險也非常大，以激光雷達為例，還存在一些問題。激光雷達的成本和技術先進性的平衡，什麼時候用？是採用旋轉式的還是固態式的？多少線就可以了？等等，業界討論非常多。

第二，法規。這是顯而易見的問題，當前現有的交通法規都是不適用於無人車的，因為當初在制定交通法規的時候沒有想到車子可以自己跑，所以要求車子必須要有司機駕駛。

第三，應用環境限制。無人車需要有大量的場景來訓練，而不是僅靠幾個城市開闢幾個示範區就能解決這個問題，遠遠不行。國外的做法要好很多，美國有好幾個州已經允許無人車上路，政府對於無人車安全保持一個基本的信任。百度與國內交管部門溝通交流的時候，交管部門對無人車的安全性不信任，覺得沒有保障、沒有信心。而在加州，只要交500萬美金的保證金就可以拿到測試執照，申領執照沒有門檻限制，是個企業或組織都能拿。

第四，交通設施。這個問題非常重要，需要重點解決。現在很多地方鋪設的V2X網路相對來說還比較簡單。

第五，信息安全。信息安全威脅是一個非常重要的問題。百度跟國家的有關部門也在積極探討解決這個問題。

最後，希望大家能關注Apollo，百度有專門的Apollo微信公眾號。另外，再重點推薦github開源社區網頁，github.com/apolloauto，歡迎大家登陸提出意見建議，我們會有優秀的工程師進行關注和改進。

為進一步促進產業可持續發展，宣貫行業政策法規標準，傳播行業發展的前沿信息，分享專業技術的研發與創新，引導和推動企業可持續健康發展。從今年9月起，為期一年的百人會產業培訓高級研修班華南班、華東班將分別開課。該課程面向汽車行業及相關產業鏈各類企業高層管理人員、專業人員。歡迎聯繫我們獲取更多信息。

郵箱：[email protected]

相關閱讀

· 瀋海寅：基於大數據和深度學習的智能駕駛系統

· 關注新能源汽車前沿技術發展

——「新能源汽車與智能網聯汽車」培訓在杭州開課