2023年，乘用車市場智能駕駛如火如荼，高速NOA、城區NOA的快速推進，讓智能駕駛進入C端消費者的購車選項，帶動了供應鏈和應用快速發展。

在To B應用場景，雖不如乘用車市場熱鬧，但人力逐漸短缺、工作環境惡略、成本逐年上漲等真實痛點，逼迫企業不得不探索新的解決方案。與此同時，政策的支持力度也逐漸加大，相應的扶持政策和補貼力度也在不斷加強。

隨著供應鏈日趨成熟和自動駕駛產品的務實演進，園區、礦區、港口、環衛、配送等低速自動駕駛應用場景較幾年前已經發生了質的變化。

在礦區，踏歌智行、易控智駕、中科慧拓等多家企業已經將自動駕駛車輛投入到礦山的實際生產過程中，實現去安全員常態化運營，運營時長超過人工駕駛，運營效率接近人工駕駛。

截止2023年11月，踏歌智行的無人駕駛技術方案已經應用到超400輛礦用運輸車上；易控智駕已經實現單礦203輛無人駕駛線控礦卡交付和運營；中科慧拓則在今年10月與華為、宇通合作出海，落地泰國最大的綜合性企業SCG（泰國暹羅水泥集團）。

在配送場景，美團、九識智能、新石器、白犀牛等企業也實現了較大的突破，一方面線控底盤和自動駕駛套件成本快速下探，另一方面企業的自動駕駛產品和運營配套能力也有顯著提升。在客戶層面，物流配送、商超零售、社區團購、醫藥和快消品等行業的頭部企業對無人配送的認知和認可也快速提升。

所以我們看到低速配送車越來越多地在合肥、成都、長沙、蘇州等諸多二、三線城市街道運營，為了滿足實際配送任務和效率需求，無人配送車輛的裝載空間、載重量、續航里程快速提升，最高速度也提升至40km/h左右。

以九識智能的Z5產品為例，裝載空間達到5m3，最大載重可達800kg，在部分場景和線路，已經幫助客戶實現配送的降本增效。

頭部企業的運營破局和規模投放，意味著低速自動駕駛應用接近商業化拐點?？梢哉f，低速自動駕駛已經來到商業化前夜，就差臨門一腳。

然而，眾所周知，自動駕駛是個高技術門檻、重數據積累的行業，想要入局，就必須有算法能力，想要算法強大，就必須有海量的數據訓練。這讓過去多年來，自動駕駛都是少數人的游戲。

在園區、配送、礦山、港口、環衛等場景，大量有運營場景、業務需求、硬件能力的企業，因為算法能力和軟件團隊的缺失而難以轉型。而傳統企業入局自動駕駛的高門檻，又導致了自動駕駛產品和應用推進緩慢、數據積累量少。

12月19日，百度Apollo開放平臺 9.0（以下簡稱Apollo 9.0）正式發布，這將為低速自動駕駛商業化帶來神助攻。

1

—

Apollo 9.0，為應用場景再進化

2017 年百度推出了Apollo自動駕駛開放平臺1.0時，就宣布了全球開放計劃，決定用自己的自動駕駛能力賦能全行業，這也是百度競逐智能汽車賽道的戰略。

此次百度發布的全新Apollo 9.0平臺，進化的錨點，依然是開發友好、工程框架的優化以及軟件和應用場景能力的提升。以此為核心，在硬件層、核心軟件層、應用軟件層和工具服務層，Apollo 9.0平臺帶來全方位的提升。

首先是硬件設備層，百度刷新了參考硬件的列表，接入了更多傳感器和硬件設備，Apollo 9.0也第一次適配了ARM架構。

去年Apollo開放平臺8.0發布時，首次提出了應用軟件這個概念，并同步發布了教育和低速封閉園區的通用版本。經過一年迭代，Apollo 9.0在教育、礦卡、環衛、物流、接駁以及安防巡檢等領域都有了非常多的突破。

在工具服務層，除了在既有工具的基礎上新增功能之外，本次升級還引入了很多新的工具，包括高精地圖的制圖工具、傳感器標定和集成工具等。這些工具的引入不僅可以幫助個人開發者更好地學習、掌握開源平臺的能力，也可以有效地幫助企業合作伙伴構建自動駕駛全棧能力，并結合軟件，更快地完成自動駕駛的應用閉環和規?；穆涞夭渴稹?/span>

在核心軟件層，Apollo 9.0也將所有的核心模塊進行了全面升級。

首先在工程框架層面，此前Apollo 8.0首次帶來了包管理的解決方案，使得原有的工程架構和軟件模塊進行了有效的解耦，大大提升了模塊編譯發布的效率。Apollo 9.0在此基礎之上，按照支持多種子功能靈活組合的原則進行拆分，從模塊級下沉到應用能力和具體功能層級。

自發布至今，Apollo開放平臺已經聚集了16萬+的開發者，涵蓋各類用戶群體，用戶根據自身不同的能力階段與訴求，使用的程度不一。

Apollo 9.0對軟件模塊進行更細膩拆分之后，開發者在搭建自動駕駛系統時，就可以根據自己的需求更精細化地對各軟件模塊進行選擇和應用，進一步提升軟件搭建的效率。

比如，對于需要直接調用Apollo 9.0能力搭建自動駕駛應用示范或者測試車輛的開發者，只需要用Apollo提供的完整接口封裝的模式，就能快速搭建車輛閉環。用這種方式，最快只需要1天，就能搭建一個完整的自動駕駛應用車輛閉環。

如果是有更深層次開發需求的開發者，Apollo 9.0也提供了非常系統的調參方式。通過全局和局部參數結構化的處理，開發者能夠對整個自動駕駛軟件的表現和最終結果進行差異化的管理和控制。同時可以自定義參數并保存為對應的參數組合，當需要在不同場景和應用下進行切換時，只需要切換參數定義即可。

對于深層次開發者的需求，Apollo把核心模塊里面的核心功能做了插件化管理，能靈活地組合到自己的應用場景下，快速搭建一個相對復雜、針對某些特定場景的自動駕駛應用。

算法升級是每個開源平臺迭代的重頭戲，此次Apollo 9.0算法的升級把重點集中在了感知方向。

首先，Apollo 9.0將激光雷達和攝像頭兩個感知主模型都做了升級和替換。激光雷達的主模型由原來的CNNseg替換成了CenterPoint，攝像頭的主模型由Yolo 模型換成了Yolo X + Yolo 3D的模式。

百度自動駕駛平臺生態部總經理張亮表示，Apollo 9.0引入了當下最先進、最流行的算法和能力，同時對這兩個模型灌入了百萬級數量的訓練，大幅提升了模型的準確性和最終效果。此外，在推理延遲的大幅降低上做了很多優化工作。

據悉張亮介紹，目前這兩個模型都可以在Orin芯片上流暢運行，滿足實際生產的需求。

為了讓開發者更好地使用平臺，Apollo 9.0將平臺配套開發工具Dream View進行了改善，解決了很多老版本中的問題和不足。比如原本需要在多個頁面上來回切換和跳轉才能夠完成的開發工作，新版本可以下載集中在了一個界面上去呈現和完成，流暢、簡潔，又高效。

此外，新版Dream View+還提供了非常靈活便利的自定義功能，無論是頁面、結構、窗口的拖拽，還是整個頁面功能的排布，開發者都可以根據自己的開發習慣和應用需求進行自定義。

最后就是文檔模塊的更新。根據張亮介紹，Apollo 9.0的文檔中心也做了全面的重構和升級，無論是個人開發者、院校開發者還是企業開發者，都可以找到對應的開發文檔，讓開發者閱讀文檔的時候更加流暢。同時，對于代碼和代碼的管理和完備性、相關的注釋和說明都有非常好的提升，大大降低了代碼的閱讀量，也降低了學習和使用的成本。

2

—

快速落地場景，Apollo 9.0搭建了一條捷徑

自動駕駛并不是一個全新的技術，但是一個全新的應用。不是顛覆性的技術，但技術門檻很高，工程化要求很高，商業化落地的體系要求也極高。

雖然當前自動駕駛特定場景應用的探索已經在全國多點開花，但由于算法和應用的高門檻，更多有需求、有場景、有硬件基礎的個人和企業，還在門外徘徊摸索，不之如何轉型或者引入自動駕駛。

對于自動駕駛行業的玩家來說，給想向智能化轉型升級的傳統企業賦能便成了關鍵。

不同于乘用車智能化對駕駛任務本身的替代，商用車領域的智能化變革往往與商業化場景有著緊密聯系，自動駕駛本身做好只是基礎，更需要將其融入道整個作業流程中，必須是一套完整的解決方案。

那么，在面對這么一套全新且復雜的體系時，如何快速切入就是擺在自動駕駛公司和傳統企業面前共同的難題。

從自動駕駛系統構成來看，至少包括算法、系統軟件、系統硬件、傳感器、數據閉環工具鏈等環節。與乘用車車企相同，商用車車企也面臨著各個環節是自研、采購還是合作自研的選擇。

成本、自身技術累積、方便程度、可靠性等都是做選擇時的考慮因素。

對于初創自動駕駛公司而言，每一個技術模塊都需要不小的人力和時間投入，從0開始搭建意味著時間和成本，甚至有些工作就是“重復造輪子”。

對于傳統企業而言，往往面臨著軟件能力累積不足、難以招到相關人才、時間緊任務重等困難。

想要高效實現自動駕駛應用落地，Apollo 9.0這樣高水平、完整且可模塊化使用的自動駕駛開源平臺，就像是搭建了一條捷徑。

發布會現場，Apollo平臺深度合作伙伴蘇州金龍介紹了自己的智能化布局，以及和Apollo平臺的合作過程。

蘇州金龍前瞻技術研究院副院長劉明春博士介紹，蘇州金龍的智能化布局主要在兩塊，一是基于傳統客車業務擴展而來的自動駕駛巴士，二是近兩年布局的低速無人作業車輛，包括無人清掃、無人配送、無人售賣等。

作為傳統制造企業，蘇州金龍從2021年開始組建自動駕駛研發團隊，但由于缺乏軟件開發基礎，很難招到資深的軟件和算法人才，人才培養、項目管理的難度也很大。為了完成2024-2025開始承接相關項目的目標，蘇州金龍選擇了與百度Apollo開放平臺深度合作。

在人才培養方面，蘇州金龍通過Apollo自動駕駛社區的各類開放學習資源，讓應屆畢業生能夠快速了解自動駕駛完整架構，初步掌握自動駕駛的上手研發能力。對于感知、定位等自動駕駛研發中所遇到的難點算法和問題，蘇州金龍的工程師也經常與百度技術專家交流探討，得益于Apollo開放平臺的賦能和百度自動駕駛團隊的全面指導，自身研發能力得以持續提升。

△蘇州金龍與百度Apollo合作的無人物流車

在自動駕駛系統平臺的搭建上，百度Apollo開放平臺的通用能力，幫助蘇州金龍實現了自動駕駛系統完整、快速的搭建解決，大大減少了蘇州金龍的研發投入，縮短研發周期。

同時，為了讓蘇州金龍實現技術自主可控，Apollo開放平臺通用能力版本通過開放接口、包管理等方式，打造了工程易用度高、可二次開發性強的自動駕駛系統能力。蘇州金龍基于百度的版本基礎，能實現進一步迭代、開發，真正讓自動駕駛功能落地到應用場景。掌握系統二次開發的能力，就是蘇州金龍擁有自主可控的自動駕駛能力的關鍵。

對于一些自動駕駛技術難點，Apollo開放平臺團隊也幫助蘇州金龍實現了技術突破，解決了瓶頸問題。比如，自動駕駛車輛未來要面向商業量產，蘇州金龍需要解決嵌入式域控制器的適配研發。其中包括實車的通信和聯調、近處行人檢測等技術問題，這些問題在Apollo開放平臺通用能力版本就得到了有效解決。

3

—

不止開源，還幫行業培養人才

雖然Apollo開放平臺可以讓企業快速擁有或提升自動駕駛能力，但并不意味著引入這套平臺沒有門檻。

智車星球采 訪多名使用過Apollo平臺的自動駕駛創業者，他們均表示，對于自動駕駛創業團隊，如果想要快速做產品，在Apollo的基礎上可以減少代碼量和開發工作。但Apollo開放平臺對使用者的技術能力有一定的要求，工程量其實并不少。而這塊，正是希望轉型的傳統企業的痛點。

為了解決這個問題，百度從三四年前就開始探索人才培養，最近一兩年形成一些體系化的方案。

“我們做這件事的初衷很簡單，作為特別迫切的用人單位，我們非常想把自動駕駛人才培養和技術技能的形成，前置到人才教育這個環節，讓各類同學們從學校畢業之后，走入社會、走進企業的第一天就具備很好的專業技能。”張亮說道。

△百度自動駕駛平臺生態部總經理張亮

為此，百度做了兩件事：

第一，形成了體系化的校企合作人才培養解決方案。從課程、師資合作、創新合作、實訓合作到基礎資源的支撐，形成了非常體系化的解決方案。在Apollo9.0架構里面，百度很好的將教學和人才培養找到結合點，在此基礎上也形成了一套完整的智能網聯汽車專業建設的方案。同時，在人才培養的過程中，Apollo會跟產業的需求更緊密結合，并結合百度對行業的洞察與經驗，培養出真正適合產業發展的人才。

第二，百度在基礎理論學習的前提下，做了很多產教融合的拉通，建立了很多教學實驗基地。有了基礎的課程培訓之后，通過教學仿真實驗、關鍵技術實驗和整車實訓實驗，讓學生群體在學習理論基礎的同時，可以直接上手去做真正的技術開發和驗證。

在此基礎上，百度梳理出了一系列自動駕駛人才缺口專業、培養方向和人才崗位的定義，把這些東西給到學校的合作伙伴，讓校方能夠更有針對性地培養專業人才。

“同時，我們還提供了非常強大的服務保障體系，包括師資培訓、教材刷新，以及賽事的引入等，能夠覆蓋更廣泛的學生群體，幫助就業雙選的直接對接。通過這些工作，相信我們可以把經驗和需求，非常好地和教育環節、人才培養緊密結合起來?！睆埩琳f道。

返回第一電動網首頁 >