百度 Apollo 计划背后的技术核心究竟是什么？

自从今年 7 月份正式发布以来，百度的 Apollo 计划就一直是自动驾驶行业内讨论的热点。计划中众多的合作伙伴，以及覆盖软件、硬件、云计算的布局让人既兴奋又充满疑问。而在众多疑问中最核心的就是：百度在 Apollo 计划中自己所提供的最核心技术究竟是什么？在上周末举行的 G.A.M.E 极客出行大会上，GeekCar 请到了百度自动驾驶事业部副总监，也是主要的技术负责人孙勇义来讲了一下 「Apollo 计划背后的技术实力」 ，试图从他在 G.A.M.E 的分享中找到这个疑问的答案。

Apollo 1.0 的意义

Apollo 计划目前开放的其实只是它的 1.0 版本。孙勇义在演讲时提到，Apollo 1.0 的主要功能包括可扩展架构、参考硬件、一键启动更新以及开发工具四个部分。对于开发者来说，这四个部分正好是其想要开始研究自动驾驶所需要的基础技术支撑。1X4A0133

参考硬件其实可以看作百度把自己合作过的主要硬件供应商列表共享了出来，因为百度本身并不做硬件。这其中包括 Autonomous Stuff 所提供的基于林肯 MKZ 改装的自动驾驶测试车，Nuvo-5095GC 的计算单元，NovAtel SPAN-Igm 的定位模块，还有百度自己与多家汽车供应商合作的 BCU 系列硬件。关于参考硬件的具体分析，可以参考 GeekCar 在 Apollo 发布时所做的报道。

可扩展架构相当于百度将自己之前研究自动驾驶时所建立的底层架构开放给了开发者，这让开发者不必再自己耗费时间去搭建自己的基础架构。
同时，这个架构还可以扩展，结合一键启动更新的功能以及开发者工具，百度可以根据开发者的反馈以及技术本身的发展，对整个基础架构进行持续的更新与升级。

正如我们之前所分析的，Apollo 1.0 的主要作用是降低了自动驾驶的准入门槛。对开发者来说，使用 Apollo 1.0 的平台意味着自己可以少走很多百度之前走过的弯路。这对刚刚起步的开发者，或者说是缺乏相关积累的整车厂来说，无疑是一种既省时又省力的方法。

Apollo 背后的技术核心

百度与 NVIDIA 一样，都在试图营造一个属于自己的 AI 开发者生态。NVIDIA 的 Drive PX 硬件平台、CUDA 架构、DriveWorks 开发工具和 Apollo 1.0 的结构如出一辙。双方本身也是紧密的合作伙伴，NVIDIA 更多定位全球市场，而百度目前则更加专注于国内的开发者。

不过，这又回到了我们最初的问题：NVIDIA 的生态背后，有它强大的 GPU 计算技术与生产能力作为支撑，那么百度背后的核心技术支撑是什么呢？

百度在 Apollo 1.0 阶段只是把自己以前的一些研究经验以及合作资源开放了出来，完全称不上什么核心技术。百度真正的核心技术是他们后续要开放的云端服务。

孙勇义将百度的云端服务分成了四个部分：

高精度地图：高精度地图对于自动驾驶来说可以说是一个硬门槛，在国内有地图采集资质的企业本身就没有几家。而自动驾驶还需要高精度地图能够具备在云端的实时更新与分发能力，这就进一步提升了高精度地图在中国的技术门槛。
云端数据服务：整车厂和开发者在研究自动驾驶的过程当中会积累许多的行驶数据，而这些数据都需要上传到云端中。从某种意义上来说，Apollo 计划中的云端数据服务也可以说是一个数据共享平台。
仿真服务：这可以说是云服务的最核心技术。在云端积累了一定驾驶数据之后。可以通过仿真器技术所营造的虚拟驾驶场景中实现再模拟，再优化并验证现有驾驶策略的同时，还可以产生新的驾驶数据。对本就十分珍贵的真实驾驶数据来说，仿真服务是非常有效的再利用以及数据补充。
安全服务：也就是我们之前一直在讨论的车联网安全。自动驾驶车辆需要通过网络与云端链接，这也给黑客攻击带来了更多的可能。所以对于云端服务的提供商来说，做好安全解决方案也是一个核心竞争力。
在今年 9 月份，百度就将开放它们的仿真服务以及仿真场景数据。其中的功能包括在线提供 3D 实时车况和路况、在虚拟环境中重构道路场景、可迭代的开发者插件以及多终端平台的并发功能。


与 NVIDIA 不同，百度作为互联网公司，硬件从来就不是他们所擅长的。但是要说云端服务，那么对做搜索引擎起家的百度来说就算是核心业务了。

在之前分析 NVIDIA 的自动驾驶布局时，我们就提到过，云端才是能体现 GPU 计算能力的终极舞台。不管是主机厂还是供应商，通过云端进行驾驶数据的收集模拟、深度学习、稳定性验证并最终再向车辆终端更新的流程已经成为了自动驾驶的主流策略。

以此来看，云端的软件服务也必将和芯片的硬件计算能力一样成为核心技术。NVIDIA 之所以和百度走得如此之近，除了看重其在中国的影响力之外，肯定也有这方面的考虑。

而对于百度来说，Apollo 计划背后的技术策略也就更加清晰了：首先通过开放之前的研发经验积累以及各供应商的合作资源来吸引足够多的开发者（主要基于中国市场），然后通过这些开发者的研究成果与数据来不断地强化自己核心的云端服务能力，而更好的云端服务能力又会吸引更多的开发者。

当然，这样一个滚雪球的逻辑是最理想的状态。万事开头难，如何能够吸引并稳定住最早的一批优秀核心开发者才是整个逻辑的关键。

在之前的汽车工业当中，谁积累了足够的整车技术以及生产制造资源谁就能处于领先的地位。而在自动驾驶与人工智能领域中，开发者才是最核心的资源，不管这些开发者是来自于汽车行业还是互联网公司。

Apollo 是中国的。但是它也先需要获得中国开发者的认可才行。

原文链接：http://geekcar.com/archives/70399