百度和特斯拉同路，可能是他们最大的对手

除去精确到小数点后两位的自动驾驶代数，目前国内最“有趣”的自动驾驶技术是百度Apollo的L4纯视觉感知解决方案——Apollo Lite，昨天在第二届百度Apollo生态大会上亮相。

首先按下L按钮，这对于消费者来说是一个非常直观的自动驾驶指示器。

整个事情中最有趣的部分是百度解决自动驾驶解决方案的核心方法：纯视觉。

用百度自己的话来说，这个解决方案是通过10个摄像头和帧/秒数据量的并行处理。

单个视觉链路最大丢帧率可控制在5‰以下，实现全方位实时环境感知。

，前方障碍物稳定检测视距达到米。

依托这套传感系统，百度无人驾驶汽车无需依赖高线数旋转激光雷达，即可在城市道路上实现端到端闭环自动驾驶——并已在北京稻香湖多路段进行测试和其他地方。

听起来很棒，对吧？毕竟，仅用常识来说，10个摄像头的成本再高，也不可能比车顶上的旋转激光雷达高。

但问题来了，为什么在主流自动驾驶技术公司中，只有特斯拉选择了纯视觉方案呢？而是什么原因让马斯克大喊：“任何使用激光雷达进行自动驾驶的人都是愚蠢的”，这得罪了几乎所有的同行？伟大的道路上不同的道路不一定会到达同一个目标。

自2006年以来，SAE国际（汽车工程师学会）制定了一套自动驾驶汽车的分类标准。

其对自动化的描述分为五个级别。

就像海贼王罗杰在刑台上大喊自己所有的宝藏都被埋在了伟大航路的尽头，引发了“大海贼时代”一样。

许多志在实现自动驾驶的企业已经主动出击，立志成为第一个实现“ONE PIECE”的企业。

结果，2019年，长期稳居自动驾驶领头羊地位的Waymo公司CEO John Krafcik在一次技术会议上亲口承认，L5级自动驾驶确实很难。

开车可能还需要几十年的时间。

让所有对自动驾驶抱有希望的人陷入了永恒的黑暗。

阻碍人类发展的最重要原因是算法。

无数毕生研究图像算法的专家都悲伤地发现，当我们改变图像的几个像素时，算法的输出结果就有很大的不同。

而且，网络越深，我们就越能看到这些失败的概括。

2016年，一辆特斯拉Model S汽车追尾了一辆白色拖车，导致司机死亡。

特斯拉官方当时表示，拖车侧面呈白色，在强烈阳光照射下，驾驶员和自动驾驶系统都没有注意到拖车。

两年后，一辆优步自动驾驶汽车撞到了一名过马路的女子。

后来的调查报告显示，自动驾驶软件首先错误地将女子识别为未知物体，然后是汽车，最后是汽车。

自行车上，女子最终被撞身亡。

自动驾驶无法普及的另一个原因，苹果联合创始人史蒂夫·沃兹尼亚克指出：“道路是人类修建的，人类是不完美的，汽车目前无法解释这个因素。

”这个理由听起来很可笑吧？ ？但情况很可能就是这样。

我们过去百年建立的现代道路规划和基础设施完全归功于我们人类的使用习惯。

机器需要的是一个更纯净、更精准、更符合机器使用习惯的环境。

这就好比为什么罗永浩的TNT，基于划时代的语音输入系统，应该让我们的输入法变得更简单，但我还在用鼠标和键盘写这篇文章，而罗老师却在表演《甄嬛传》。

（真可以请罗老师出来在任何地方敲敲打打。

）那么既然我们无法改变道路现状的事实已经成立，那么通往自动驾驶“海贼王”的道路是否还有另一条路呢？激光雷达就是这样的选择之一。

这里我简单总结一下激光雷达的优点：激光雷达的探测范围和精度都比摄像头高很多。

去年，通用汽车子公司Cruise Automation首席技术官凯尔·沃格特(Kyle Vogt)曾表示，激光雷达传感器提供冗余和重叠功能，让车辆能够应对最具挑战性的环境。

换句话说，现在大多数自动驾驶公司都选择激光雷达和计算机视觉相结合的解决方案，以留下安全冗余。

如果它不激进，那它就不是特斯拉了。

在马斯克看来，让自动驾驶汽车承受价值数万美元的大型激光雷达的重量正在创造一种虚假的繁荣。

如果不丢掉激光雷达这个拐杖，自动驾驶汽车就无法实现真正??的自动驾驶。

因此，以特斯拉为首、百度紧随其后的纯视觉集团和其他大多数自动驾驶厂商选择的激光雷达集团，在率先达成自动驾驶最终目标方面处于不同的困境。

纯视觉派更像是在等待“不成熟的技术变得成熟”，而激光雷达派则在等待“好的技术变得更便宜”。

几乎可以肯定，谁先走自己的路，走到自动驾驶这条伟大路线的终点，谁就会在这场零和博弈中彻底把对方挤下船。

那么特斯拉和百度是怎么想的呢？我们先来说说答案。

特斯拉和百度的最终目标都是将自动驾驶商业化。

早在2016年，特斯拉更新Autopilot 2.0硬件时，就采用了8个摄像头，其中包括前置三摄摄像头（远距离窄视角、中距离中视角和近距离鱼眼）、左、右摄像头。

车辆的右侧摄像头。

前后各各2个摄像头，再加上1个后置摄像头，8个摄像头完成了纯视觉感知的无盲点覆盖。

但非常有趣的是，这套系统匹配的核心芯片改为可插拔设计，方便未来高性能芯片迭代的安装。

特斯拉的伏笔直到去年4月特斯拉FSD高算芯片量产后，我们才有机会在不久前看到北美FSD自动驾驶测试版的推出。

可见，特斯拉和百度等待的，是算力和算法的提升。

百度Apollo技术委员会主席王亮也表示：相机的图像信息密集，包含最丰富的环境信息。

但它对人才、算法、数据和大规模机器学习能力提出了很高的要求。

它需要强大的算法、大量数据的积累以及长期的研发投入。

以下是新华社的报道：仅北京就有多家专门从事数据标注的公司，全国有1万多人从事数据标注工作——自动驾驶行业的“数字富士康”已成为现实。

训练算法时手动注释。

更有趣的是，此前百度Apollo并不是纯视觉路线的忠实粉丝。

相反，百度一直坚持以激光雷达为基础的多传感器融合路线，但为何转轨与特斯拉成为战友？用王亮自己的话说，在以激光雷达为主、视觉为辅的传统策略中，视觉感知的问题和缺陷并没有在雷达感知的掩护下完全暴露出来。

因此，视觉感知问题需要独立解决。

或许正是因为百度在深入了解激光雷达的优点和缺点后，做出了选择不同技术路线的决定。

而且，算力的迭代，让百度也像特斯拉一样，找到了解决问题的关键。

在昨天的发布会上，在算力方面，百度声称Apollo Lite需要低于30TOP的算力，并且可以由单卡GPU驱动。

邓小平曾经说过，中国式的现代化必须从中国特色出发。

这句话也适用于百度。

毕竟，作为自动驾驶的技术提供商，最终实现该技术的并不是百度本身，而是百度所服务的各个车企。

在目前国内新能源企业对自动驾驶技术翘首以盼的情况下，最通用且相对性价比最高的方案一定是最符合国情的。

就最终安装的成本和实现标准化的技术难度而言，纯视觉路线似乎是最合适的。

这很有趣。

虽然百度已经成为特斯拉在自动驾驶道路上为数不多的队友之一，但最终特斯拉的“队友”是帮助特斯拉在中国市场的对手。

为了阻止我自己。

毕竟特斯拉的技术只能自己使用，而百度Apollo的方向是“开源”，为所有加入其技术体系的企业提供技术支持。

然而，在激光雷达技术成本越来越低的今天，纯视觉路线是否是人类最终实现自动驾驶的唯一选择，仍然是一个问号。

谁是过渡技术，谁能在零和博弈中击败所有对手，目前还不得而知。