apollo自动驾驶评测_apollo自动驾驶开发套件

1.中美两地自动驾驶路测都拿“第一”，百度Apollo凭什么？

2.百度Apollo“弯道超车”？

3.北京发布“硬核”自动驾驶路测报告，标准优于DMV，百度再获第一

4.，集度高阶自动驾驶业界体验最好

易车讯 8月12日，百度（NASDAQ：BIDU）发布了截至2021年6月30日的第二季度未经审计的财务报告。第二季度，百度实现营收314亿元，归属百度的净利润（非美国通用会计准则）54亿元。

在自动驾驶领域，Apollo技术继续领跑行业。测试里程方面，Apollo L4级自动驾驶测试里程超1200万公里，同比增长152%。测试资质方面，百度Apollo已获得278张自动驾驶测试牌照。与此同时，无人车迎来大规模商业化的破局点。百度Apollo推出了第5代共享无人车Apollo Moon，成本仅为48万元。

此外，无人车服务用户满意度始终保持在高水平。未来2-3年内，百度将无人车服务落地30个国内城市。在智能交通领域，百度Apollo正在得到越来越多城市的认可。百度Apollo的全新一代自动驾驶小巴——阿波龙Ⅱ也正式发布。截止目前，百度Apollo与全球70+汽车品牌建立起合作关系，600多款车型搭载Apollo汽车智能化产品。

中美两地自动驾驶路测都拿“第一”，百度Apollo凭什么？

文/张一

兰德智库对自动驾驶汽车有过一个评估，即真正的自动驾驶系统想要达到量产应用条件，至少需要经过110亿英里(约170-180亿公里)的道路验证。

而照这个条件估算，即使一个团队拥有100辆自动驾驶车辆24小时不间断的同时进行道路测试，积累数据所需要的时间也是以“百年”为单位……

按照我们国家五年一个，要实现自动驾驶这个小目标恐怕至少需要不少于20个五年，真的这么难吗？也不是。

根据特斯拉AI部门最近公布的一个数据，Autopilot（自动驾驶，以下简称AP）自2015年上线开始截止至这个月，在启用状态下行驶里程已经突破30亿英里，其中NOA（自动导航驾驶）启用状态行驶里程破10亿英里，自动变道功能执行超过了20万次，智能召唤使用次数已超过120万次。

只不过，要注意的是这个数据并非特斯拉自己内部用测试车辆累计的，毕竟去年特斯拉在提交给加州车辆管理局(DMV)的自动驾驶报告中，他们自己在加州的自动驾驶测试里程仅为12.2英里（约合19.6公里）……

30亿英里的Ap行驶数据是所有使用AP功能的特斯拉车主们一起跑出来的，通俗点说，就是每一个使用AP功能的特斯拉车主都免费给特斯拉当了一回小白鼠。

特斯拉Ap系统内拥有一个“影子模式”，即使在Ap功能不开启的状态下也可以在后台运行并收集真实路况环境下的实时运行数据，以反馈给特斯拉自动驾驶的神经网络进行学习。

其实按照这个说法来推算的话，那么即使AP功能未开启状态下的行驶数据对特斯拉也是有用的。而早在2018年11月，特斯拉刚完成第50万辆车交付的时候，遍布全球的特斯拉汽车总的行驶里程已经累计达到了100亿英里，几乎已经接近了110亿英里的自动驾驶系统量产应用条件，现在恐怕更是早已超过了。

作为对比，Waymo?目前在开放道路上的测试里程才刚突破2000万英里,而国内百度Apollo无人车的道路测试累计里程还不到200万英里，差距几乎是指数级的，可以说目前特斯拉手中掌握的路测数据几乎无人能及。

那么在道路测试上，以Waymo?为代表的其他自动驾驶企业面对特斯拉已经无力一战了吗？当然不是。

其实是这样，目前自动驾驶汽车的道路测试分有两种，一种就是在开发的环境下进行真实的道路测试，而另一种则是在自动驾驶仿真测试平台上进行虚拟测试。而目前几乎所有车企和自动驾驶科技公司，均是以虚拟测试为主，真实的道路测试为辅，例外只有一个，就是特斯拉。

当然了，特斯拉之所以拥有如此庞大的数据累积，是因为敢于让车主当“小白鼠”，而非自己亲历亲为进行原始数据累积。而其他玩家也没有这个条件，所以只能借助自动驾驶仿真测试平台进行测试。

而自动驾驶仿真测试平台你可以把它稍稍理解成一个类似GTA的这种大型游戏，当然实际的仿真测试平台比游戏要复杂的多。不过虚拟仿真测试平台的好处不仅仅是省时，原因还在于它是可以可控的，这个可控包括了在虚拟仿真测试平台上可以模式各种现实环境中不常出现的情况。

比如极端雨雪天气、各类不同的夜间道路情况等等，而且也不受现实情况的约束，比如在仿真测试平台上，可以同时运行上万辆的自动驾驶汽车，而日行驶里程则可以以百万公里为单位。

阿里最近发布全球首个自动驾驶“混合式仿真测试平台，每一天的虚拟测试里程就可超过800万公里，而生成一次极端模拟场景的时间仅为30秒，每日可支持的场景构建数量达百万级，这都是真实的路试很难做到的。

而Waymo也曾宣称，每天在他们的自动驾驶虚拟测试平台中都有2.5万辆测试车辆穿梭其中，而每一辆测试车型从它的经历中学习到新的东西，就会分享给其他汽车，以规避类似危险出现。

目前，Waymo虽然在开放道路上的测试里程才刚突破2000万英里，但是仿真测试已经超过100亿英里。当然，特斯拉无人能及的地方就在于，其30亿英里的行驶数据全部来自真实道路情况，而非通过计算机模拟出来的。

其实，对于全球各大车企及自动驾驶科创公司来说，虚拟仿真测试都是主要依靠手段，自动驾驶测试中有90%的场景通过模拟仿真平台完成，剩下的10%则通过测试场及实际道路测试完成。

毕竟进行实际道路测试的成本和周期都太高太长了，极端天气可能几个月遇上一次，而在虚拟测试平台一天就可以模拟无数次，而且也不是谁都具有特斯拉那样的“勇气”。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

百度Apollo“弯道超车”？

车东西

文?|?杨木

3月2日，《北京市自动驾驶车辆道路测试报告（2019年）》（以下简称“北京报告”）正式对外发布。北京报告是由中国官方发布的自动驾驶路测报告，与加州车管局（DMV）的《自动驾驶脱离报告》（以下简称DMV报告）相比，更能体现国内自动驾驶发展的实际情况。

根据北京报告，2019年，来自13家企业的73辆自动驾驶汽车（北汽新能源未部署测试车辆）在京参加道路测试。其中，百度以52辆车，75.4万公里的新增测试里程成为当年测试企业中投入测试数量最多、测试里程最大的企业。

而有趣的是，在北京路测中遥遥领先的百度，也在日前刚刚发布的DMV报告中拿下了MPD（Miles?Per?Disengagement）榜单的第一名。北京和加州在路测的统计标准、路况方面都有很大不同，能够在两份报告中都取得不错的成绩，也说明百度在海内外自动驾驶领域都处于领先地位。

一、北京2019路测报告发布?测试里程近89万公里

北京市自动驾驶车辆道路测试第三方服务机构“北京智能车联产业创新中心”于今天正式对外发布了《北京市自动驾驶车辆道路测试报告（2019年）》（以下简称“北京报告”），据了解，这也是目前中国官方唯一的自动驾驶路测报告。

该报告总结了2019年北京市在自动驾驶路测的政策、标准、环境、服务方面所取得的进展，同时也对13家企业在京开展自动驾驶路测的情况进行了披露。

整体来看，北京的自动驾驶政策和标准正不断迭代、完善。而截至2019年年底，北京市已经建成3个封闭试验场地，并累计开放151条，共计503.68公里的自动驾驶测试道路，有能力为不同的自动驾驶车辆提供测试环境。

在企业路测方面，报告显示，2019年来自13家企业的73辆车（北汽新能源未部署测试车辆）参与到北京市自动驾驶车辆一般性道路测试当中，路测总里程达到88.66万公里。截至2019年12月31日，相关企业在京路测里程已经达到了104万公里。

▲企业在京路测情况

其中，2019年，百度在测试总里程、测试地域覆盖方面均是遥遥领先。这一年，百度的52辆测试车在京共完成了75.4万公里的道路测试。小马智行共部署5辆车，2019年路测里程为11.12万公里，位于第二名。

事实上，从报告来看，百度还是当前开展测试的企业中唯一实现了R1-R4以及RX（设有V2X设备部署，支持车路系统测试）全路段覆盖的公司。

▲企业测试地域覆盖统计

二、中美对比?北京报告更加权威

就在北京报告发布前不久，美国加州车管局（DMV）也于北京时间2月27日发布了《2019年自动驾驶脱离报告》。58家公司向DMV递交了他们在加州的年度路测报告，其中有路测数据的共有33家。

DMV报告中的关键数据有两个，即自动驾驶车辆路测里程数和脱离数（disengagement）。除此之外，用一家公司的总路测里程数除以总脱离数（即干预数），便能够得到另一个关键指标MPD（Miles?Per?Disengagement）。

MPD的意思是自动驾驶汽车每行驶多少公里需要被干预一次，通常情况下，MPD会被看做是衡量一辆自动驾驶汽车“驾驶水平”最直观的指标。

不过，需要注意的是，MPD也存在一些问题。向DMV提交报告的各公司会根据自己的情况制定接管标准和统计标准，不同的标准很难统一。另一方面，由于自动驾驶汽车会在不同路况下展开测试，因而单纯以MPD作为衡量一家公司自动驾驶水平的依据难免会有失公允。

在这种情况下，北京报告给出的分析对于国内自动驾驶企业而言，也就具有更高的参考价值。

和DMV报告对各类路况“一视同仁”的做法不同，北京报告依据不同测试场景，对企业在封闭试验场和开放道路的实际测试情况分别做了介绍。

报告显示，在封闭试验场环境下，除了车辆感知性能测试、可靠性测试等基本的测试内容外，还设置了专项能力评估测试和综合能力评估测试两项内容。

其中，专项能力评估测试是以诸如避让静止车辆、避让障碍物等实际路况场景为单位，对自动驾驶车辆进行逐个场景的测试，从而更好地对自动驾驶汽车在具体场景下的行驶能力进行验证。

▲专项能力评估测试实拍

综合能力测试可简单理解为对单个专项能力测试的随机串联，能够更真实地反映自动驾驶汽车连续执行驾驶任务的能力及稳定性。

与此同时，针对开放道路测试场景，北京报告除了会对各企业的路测里程、自动驾驶汽车脱离类别及原因进行统计、分析，也会统计测试企业在不同等级道路上的部署情况。

整体来看，北京报告突出强调了场景因素，更适合于用来衡量自动驾驶行业的发展水平。而另一方面，由于北京报告由第三方机构发布，并非企业个人申请，因此其客观性相较于DMV报告也会更高一些。

三、连续两个“第一”?百度自动驾驶持续领跑

百度是国内自动驾驶领域的领头羊，在今日发布的北京报告中更是“一举夺魁”。而与此同时，百度也在日前发布的DMV报告中反超Waymo，拿下了MPD榜单的第一名。

2019年，百度在加州的路测里程数较2018年提升近6倍，至10万多英里（约合17.42万公里），MPD值也飙升至18050.03英里（约合2.9万公里）。这意味着，百度在加州路测的自动驾驶汽车每行驶约2.9万公里才需要被干预一次。

DMV报告结果依赖企业自觉，相较之下，北京报告会更符合中国国情且强调技术水准。百度能够在两个报告中都取得“第一名”的成绩，其在自动驾驶方面的硬实力已经不言自明。

据了解，百度Apollo目前已经形成智能交通、自动驾驶和车联网三大板块协同并进、互相支持的业务格局。截止至2019年12月18日，Apollo共拥有自动驾驶路测牌照150张、在全球23个城市开展路测、累计测试里程超过300万公里、全年新增专利1237件，并获得了众多商业落地的机会。

与此同时，百度Apollo自动驾驶平台也在2019年更新至5.5版本，开发者基于Apollo?5.5，即可快速打造出在城市行驶的无人出租车、无人公交车、低速无人接驳车等多种自动驾驶车辆。

结语：?百度持续亮剑?发力自动驾驶

百度是国内最早布局自动驾驶的企业，一直以来都充当着国内自动驾驶发展的引领者。2019年，百度在自动驾驶汽车路测、生态构建、平台发布等多方面实现了多线开花。如今在北京报告中夺魁，也是在一定程度上为百度的自动驾驶实力做了证明。

与此同时，百度在DMV报告中拿下MPD第一名，也说明了百度不仅在国内自动驾驶领域居于领先地位，在全球范围来看也是处于第一梯队。

相信未来随着百度加速赋能自动驾驶的行业创新，国内自动驾驶的发展步伐也将进一步加快。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

北京发布“硬核”自动驾驶路测报告，标准优于DMV，百度再获第一

近日，关于百度自动驾驶出租车的报道不断被“爆炒”。在北京开放的当天上午，一品君也去抢先实地体验了一番，随后便有消息称已爆单，百度自己人都很难预约上。10月14日百度公布了相关数据，称仅12日一天，全天累计订单达到了2608单，单站点的峰值订单数达到了600单，百度Apollo的运营人员表示被这个订单量“惊呆了”。百度官微上被“置顶”的留言充满了对百度自动驾驶的膜拜与傲娇。

对于绝对大部分人来讲，自动驾驶还是一项“未来科技”，不少人在体验过百度的自动驾驶出租车后确实被“惊呆了”。甚至有人觉得，中国自动驾驶要“弯道超车”了。

细心的朋友在体验百度自动驾驶出租车时应该发现车身上Apollo的LOGO。实际上，“Apollo”就是借用了阿波罗登月的含义。Apollo实际上是一个完整的开放自动驾驶生态，于2017年4月19日发布，现在已经发展到了Apollo?6.0，但很多人可能都是因为这一波操作才知道的。

百度的“Apollo”凭借着这次自动驾驶出租车的“亲民”体验让更多人知道了这项技术发展得如此迅速，可谓是名声大噪。不过“Apollo”的竞争对手可以说是同样实力雄厚，并且大有来头。

其中最为著名的就是一家名为Waymo的美国科技公司。你可能没听说过这个名字，但是其为Alphabet公司（Google母公司）旗下的子公司，从这来看就绝非“善茬”。实际上，谷歌早在2009年就设立了自动驾驶专项事业部，而且在最初的几年，谷歌是自动驾驶领域的唯一玩家。

在2018年，也就是百度发布Apollo后的一年，Waymo公司就宣布在凤凰城及周边地区正式推出无人驾驶出租车服务Waymo?One，在当时为了防止事故，Waymo也为自动驾驶车辆配备了安全员，我们现在北京试运行的百度自动驾驶出租车在现阶段也同样配备了安全员。

我们可以发现谷歌自2009年就设立了自动驾驶专项事业部，直到2018年才开始推出无人驾驶出租车服务Waymo?One。而百度的“Apollo”是在2017年发布的，现在我们已经可以在北京体验到了自动驾驶出租车，这一过程仅仅用了3年多时间。从时间上来看，百度的Apollo确实完成了“弯道超车”。

不过我们也不能认为谷歌这些年就是在“虚度光阴”。在当时，技术水平没有现在发达，2009年，当时连配备中控大屏的车型都是“稀有物种”。再看现在，十几万的车型都开始配备了自适应巡航、车道居中等L2级别系统了，所以从这些基础条件来讲，后期发力百度的优势比较明显，谷歌在当时应该是处于“拓荒者”的角色。

硬件只是自动驾驶的表象，数据才是自动驾驶企业的护城河。而大量的数据集则需要进行大量的公共道路测试，在这方面谷歌、百度都有着先天的优势。

相对来讲，从国内销声匿迹的Uber在“回国”后研发自动驾驶就要更为艰难了。从2015年2月Uber开始组建自动驾驶研发部门，每个月都要“支出”2000万美元。截止2019年，Uber就已经“纯开销”了近9.6亿美元。而Waymo背后即使有着Alphabet公司的“物力财力”支持，从2009年到2015年底也是“开销”了11亿美元，到了现在更是以大约每年10亿美元的速度进行着“冲刺”。可见自动驾驶并不是一般企业可以触及的，并且庞大的数据量也是自动驾驶发展“缓慢”的原因之一。

造成自动驾驶发展缓慢的另一项很重要的原因是自动驾驶所引发的事故。在这方面Uber又“中招”了，2018年Uber的一辆自动驾驶汽车在亚利桑那州Tempe市发生交通事故，与一名正在过马路的行人相撞致人死亡，这是第一起自动驾驶车辆导致行人死亡的事故，引起了外界强烈的关注。此事故的发生不仅直接影响到了Uber，不少研制自动驾驶的企业都宣布将自家的自动驾驶延后。

自动驾驶事故发生后，美国对于自动驾驶更加的谨慎了起来，这也给Apollo“弯道超车”带来了机会。

Apollo搭载百度高精度地图的地图盒子，可以实现高精度地图更新，并且百度同样进行了庞大的数据量储备。事实上，能否在当地获得高精地图的收集资质，将是制约自动驾驶“本土化”的重要一环。

除此之外百度很注重的整合，他们选择了与国内外汽车供应商以及主机厂来合作。由百度提供软件平台，汽车供应商提供硬件集成与最终生产，最后产出主机厂能够在其汽车产品上落地的模块。

上表是来自“佐思汽研”的一项数据统计。我们可以看出，百度的自动驾驶研发与同行业的博世、华为和WAYMO相比虽然不占据优势，但是为什么在国内百度的无人驾驶出租车会率先上路呢？

因为早在2017年百度就与博世签署了战略合作协议，博世参与百度Apollo，提供传感器、相关硬件及“博世道路特征”车辆定位服务。同时，博世和百度也将合作从技术层面，协助支持自动驾驶相关法律法规在中国市场的发展和建立。

不仅如此，百度还与其他科技公司进行合作，进行深度全面的整合，到目前为止，Apollo在全球个国家有超过4.5万名开发者，Apollo开放联盟已经有210个合作伙伴，开源代码量总体60万行。Apollo平台已经成长为不仅是中国、而且是全球最为活跃的自动驾驶开源平台。

虽然百度的总评分最低，但是我们可以发现在智能网联生态、高精度地图、车路协同方案以及云服务方面百度均拿到了满分，因为这些方面可以是百度的“专业”。

就在上个月的“百度世界2020”大会上，Apollo定义了完全无人驾驶三大要素：安全稳定的“前装量产车”、零事故率的无人驾驶能力“AI老司机”、应对极端场景的重要配套服务“5G云代驾”，这些都是未来自动驾驶的重中之重，而在这些方面Apollo走在了前列。

百度还整合更多，推出了Apollo?6.0版本，全新版本包括智能新模型,安全无人化,系统新升级,联动新服务,V2X车路协同五大功能,车辆认证平台、硬件开发平台、开源软件平台和云端服务平台四大平台的诸多升级。

针对美国发生的自动驾驶车辆发生交通事故方面的问题，Apollo也在此方面进行了升级，发布了百度无人车第五代自动驾驶套件，增加了更多无人化目标所需要的技术改进。

百度的Apollo自动驾驶发展虽然要晚于美国的不少企业，但“超车速度”确实不慢。要知道谷歌旗下的自动驾驶公司Waymo也仅仅于上周四才宣布该公司在美国凤凰城郊区向公众开放完全无人驾驶叫车服务。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

，集度高阶自动驾驶业界体验最好

文丨AutoR智驾?诺一

百度在自动驾驶领域的综合实力再次获得认可。

今天（3月2日），北京市自动驾驶车辆道路测试第三方服务机构“北京智能车联产业创新中心”正式对外发布《北京市自动驾驶车辆道路测试报告（2019年）》（以下简称“报告”）。

作为目前中国官方唯一的自动驾驶路测报告，该报告对过去一年13家企业在京开展自动驾驶路测的情况进行了披露，截止2019年年底，各企业进行自动驾驶路测的有效车辆达到73辆，测试总里程超过104万公里，2019年全年达到88.66万公里，较上一年度增长577%。

其中，百度Apollo的路测车辆达到52台，占北京市总投入自动驾驶测试车辆的71%，2019年测试里程达到75.4万公里，累积测试里程89.39万公里，占北京市测试总里程的85%，成为年度所有测试企业中投入测试车数量最多、测试里程最大的企业。

这是继百度北美自动驾驶团队在DMV公布的《2019自动驾驶接管报告》中登顶第一后，再次获得专业机构的认可。

不过，DMV公布自动驾驶排名后，引起很多公司质疑，Waymo公开表示，反对这份官方报告的数据要求和能力判别标准。

其主要原因是DMV的报告只显示了自动驾驶公司在测试总里程数和MPI方面的能力，并不能综合自动驾驶能力。

除此之外，DMV未明确定义是什么构成的脱离，这样数字意义不大，例如，在没车、没人、没路口的平坦干燥地区行驶1亿英里的脱离次数，和在匹兹堡这种路况复杂的城市行驶100英里的脱离接触次数无法比较。

可见，DMV公布的数据价值有限，仅仅依靠加州车管局DMV公布的数据来深入了解自动驾驶行业不太现实，当前，伴随自动驾驶产业进入到发展落地新阶段，生态、技术能力、落地进程、安全性等多维度指标，已成为考量自动驾驶企业竞争力的核心因素。

而北京发布的《北京市自动驾驶车辆道路测试报告（2019年）》在测试方面进行进行大量创新，这是对DMV发布的《2019自动驾驶接管报告》进行了很好的补充。

北京是国内最早为自动驾驶建立路测标准法规并发放测试牌照的地区之一，构建了从封闭测试场到开放测试区域的严谨测试流程，并出台了最高安全门槛的载人载物测试政策。

首先，政策创新方面，12月13日，北京市自动驾驶测试管理联席工作小组发布《北京市自动驾驶车辆道路测试实施细则》第3版。

新版报告指出，延长自动驾驶车辆路测有效期，续发次数由1次延长到3次、支持自动驾驶车辆规模化测试，减轻企业测试成本、鼓励企业开展自动驾驶车辆商业化模式的探索。丰富测试内容，增加了载人、载物、编队行驶测试、允许企业用实车测试，或实车与仿真结合的测试评价模式，优化市场等。

其次，测试标准、测试环境方面，认定北京首个最高级别（T5级）封闭试验场，支持更高级别测试需求、开放更多测试道路，支持更多实际场景测试需求、加大V2X设备部署规模，支持车路协同测试需求、新增并更新自动驾驶公共道路的选取要求，纳入了开放测试区域的选取要求、研究了自动驾驶车辆道路测试数据集技术要求，参与研究车联网相关的通信协议，推进自动驾驶与车联网的通信、接口协议等相关标准。

从北京发布的报告来看，相比DMV报告创新性更强、测试标准更完善，可以说北京路测报告比美国DMV测试标准更加可信、影响力更强。

而百度作为北京报告和美国DMV报告的双冠军，从两份报告来看百度测试重点在国内，并且百度自动驾驶能力或已远超越DMV测试标准。

在自动驾驶车辆量产化方面，报告显示，在所有参与测试车辆中，由百度和一汽合作生产的红旗E界在北京开展测试，该车型从传感器布置、设备选型和整车布置等方面都已经进入小规模量产阶段，是目前在封闭试验场出现的专业性最强、集成度最高的测试车型。

基于此，报告认为，主激光雷达用40线（含）以下的比例从去年的50%上升到今年的73%，从目前的趋势来看，随着技术的不断革新发展，测试主体对高线数激光雷达依赖度逐渐降低，逐步开始向低成本、可量产、可落地的方向上发展。

在基础性能测试感知方面，报告测试数据显示，自动驾驶车辆的最大认知距离除受自身传感器性能和融合算法的影响外，还受目标物大小、高度、颜色、材质、运动状态等因素的影响。

数据显示，理论上中小型车辆在48公里/小时的速度下安全停车时间为3秒左右，距离为40米。

2019年封闭试验场内参与感知测试的自动驾驶方案基本用摄像头+毫米波雷达+激光雷达方案，前方稳定认知模拟成人距离均大于50m，因此将会多出近1秒的反应和处理时间，有效的避免碰撞，对保护交通弱势群体安全性更为友好。

在自动驾驶可靠性测试方面，根据《北京市自动驾驶车辆道路测试管理细则（试行）》规定，自动驾驶车辆需在封闭试验场内完成累计不少于5000公里的自动驾驶测试。

截至到2019年，北京市封闭试验场内累计测试里程超过13.36万公里，（除碰撞、危险场景等专项测试外）发生碰撞事故16起，事故的发生率约为8350公里每次，其中6起事故为擦碰路边石，6起为刮蹭交通设施，2起为碰撞行道树，2起为碰撞人设备；发生软硬件故障34次（可快速修复性故障未统计在内），故障的发生率约为3929公里每次。

值得一提的是，百度Apollo作为测试里程最多的企业，目前为止为0安全事故。

在开放道路测试方面，截止到2019年年底，北京市道路测试里程突破1,040,221公里，增长577%。

其中，排名第一的百度Apollo?2019年测试里程达到75.4万公里，结合2018年的19.33万公里，累积测试里程达到89.39万公里，占北京市测试总里程的85%。

这一数据远超排名第二的小马智行（累积测试里程为12.13万公里），累积测试里程是小马智行的7倍。

从测试主体测试地域覆盖来看，规模化测试企业的覆盖范围更为广泛，从技术路线上来看，目前只有少数测试主体开展了网联功能测试。

从测试意向上来看，测试主体更倾向于在R3的道路上开展测试，部分测试主体在拿到T4牌照以后，开始进入更为复杂的R4道路进行测试。

2019年，R1、R2、R3、R4级开放道路里程分别占14%、18%、63%、5%，道路测试里程分别占8%、5%、86%、1%，从道路里程与测试里程占比来看，各等级开放道路里程与测试主体测试需求基本匹配。

报告显示，百度是所有在京开展测试企业中唯一实现北京经开区、海淀区、顺义区等多个区域，且实现R1-R4以及RX（设有V2X设备部署，支持车路协同测试）全区域全路段覆盖的测试企业。

这次报告还还对自动驾驶汽车的脱离类别及脱离进行了原因分析，测试数据表明，86%的脱离由人为接管造成，这些脱离是由于测试人员更换数据记录设备、需重新规划路径或个人原因导致。

其中，14%的脱离是由于策略缺陷、人工安全防御、系统故障造成的关键脱离，这些脱离数据的价值要远远高于人为接管脱离。

从脱离类别和原因上看，除因传感器、车辆或者数据记录设备、地图标注、地图加载等问题外，与社会车辆的博弈、对复杂场景的理解以及一些应急情况的处理能力，仍然是自动驾驶亟需解决的重要课题。

毫无疑问，作为全球最大的自动驾驶平台，百度Apollo在北京开展的路测在测试规模、技术水平、场景覆盖、产品能力和安全水平上均大幅领先行业水平。

除此之外，相比其他企业，百度还取得ISO?26262、ASPICE?、IATF?16949?以及全国最高技术等级的T4级别道路测试牌照等行业认证。

进入2020年，随着百度发布Q4财报宣布Apollo商业化进一步的提速以及驭势科技、小马智行等自动驾驶初创公司宣布融资，自动驾驶技术正迎来新一轮的变革。

当然，中国自动驾驶技术能够站在世界领先位置，除了自身能力过硬之外，还离不开政策、测试机构的支持。

北京作为全国首个开放自动驾驶测试区域、开放全国首个车联网与自动驾驶地图应用试点的区域，截止到2019年12月31日，北京市已开放4个区县的自动驾驶测试道路，共计151条，503.68公里累计为13家企业，涵盖6家互联网、6家主机厂、1家地图厂商，77辆车，发放了285张道路测试牌照，路测里程为104万公里，申请企业数量、发放牌照数量、路测里程均位居全国第一。

可以预期的是，随着北京在开放测试道路、区域、服务规模、测试牌照及测试里程方面不断的领先，北京测试将成为全球自动驾驶技术向前迈进的推手，以“中国特色”推动自动驾驶技术落地应用。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

一直以来，中国的智能汽车品牌始终有一种情愫，那就是超越特斯拉。这实际上代表着中国汽车工业对世界一流标杆的赶超，而自动驾驶就是最突出的领域。

领先的车企积极发力，又把自动驾驶进程按下了快进键。日前，在集度汽车机器人生态伙伴大会上，百度创始人、董事长兼首席执行官李彦宏表示，“电动化是中场，智能化是终局。就自动驾驶技术而言，集度将领先特斯拉一代。”

集度CEO夏一平也强调，2023年集度量产交付的首款汽车机器人产品将拥有同时期业界体验最好的“门到门、启到停”高阶自动驾驶能力。

从驾驶到高阶自动驾驶，每一次的技术升级和产业变革都有标志性的历史和革命推动者。回首2015年，随着特斯拉Autopilot的推出，汽车产业拉开了L2级驾驶大幕；2022年6月，集度ROBO-01概念车发布，带来了“三域融通”的高阶自动驾驶，标志着人机共驾时代开启，把自动驾驶带上新的高度。

如此高调的表态，是什么底气让集度可以领先特斯拉一代，且还是2023年同期业界体验最好的高阶自动驾驶体验？

AI可接管 高阶自动驾驶开启“人机共驾”

夏一平曾说，“在过去很长一段时间里，汽车的计算能力比我们的智能手机小得多，这导致很多AI技术不能发挥出应有的优势。但事情正在发生变化，智能汽车3.0时代，我们赋予了汽车足够的算力，逐渐把汽车这个交通工具，变成了AI驱动的智能空间。”

随着芯片的升级和AI能力的进化，汽车产业已经从电动化2.0跃迁到了智能汽车3.0时代。在3.0时代，智能汽车的显著特征就是由AI驱动，并且在法规允许范围内能够接管驾驶任务。

“自由移动、自然交流、自我成长”是集度汽车机器人的三大产品理念，分别对应的就是高阶自动驾驶、全离线毫秒级智能语音，以及基于AI的自学习。从这个角度来看，集度其实就是想让汽车变得像《变形金钢》中的大黄蜂一样，行动自如、能说话，还有自我思考能力，这也是智能汽车与传统汽车的根本区别所在。

为此，集度给汽车机器人搭配了聪明的“大脑”。ROBO-01概念车搭载两枚英伟达Orin X作为智驾的支撑，高通8295芯片支持智舱，整车AI算力达到了538TOPS。如此高的算力，别说支持高阶自动驾驶，甚至能够满足未来L5级无人驾驶需求。

“三域融通”的高阶自动驾驶，与市场上其他的智能驾驶方案有何明显区别呢？

首先，集度的“三域融通”高阶自动驾驶打通了高速、城市、泊车三个高频场景，能够做到任意域之间的点到点自动驾驶，并且流程是连贯的，不割裂。比方说，用户开启高阶自动驾驶后，汽车能够自动从家中地库出发，上高速、走城市道路，最终到单位停车场完成泊车，整个过程不会被打断，这就对应了夏一平所说的“门到门、启到停”。

相反，有些车企虽然做到了高速场景，或者泊车场景的智能驾驶，但是并没有完全做好城市域，也没有形成连贯的体验，只能完成单一场景下的动作。

其次，集度的高阶自动驾驶能够在法规允许范围内让AI进行接管。业界认为，L2级驾驶和更高级别自动驾驶的“分界线”就在于驾驶权的转移：驾驶的驾驶权在人；而高级别的自动驾驶的驾驶权可以是人也可以是系统；等到了L4级，则系统已经完全具备驾驶权，无需用户接管。

而集度当前恰恰是处于“人机共驾”，并且也是率先开启这个阶段的领军者。一方面，其高阶自动驾驶允许“人工”和“智驾”两种驾驶模式，同时也可以做到无需用户接管。比如，在面临极端危急情况是，“舱驾融合”技术可以让智舱接管驾驶任务。另一方面，即便强如特斯拉也没有做到“三域融通”、“舱驾融合”，实现不了全域高阶自动驾驶和智驾的冗余，就不具备人机共驾的基础条件。

集度说2023年其高阶自动驾驶功能将达到同期业界体验最好的标准，就意味着，“三域融通”的高阶自动驾驶无论是在场景覆盖度、接管能力、复杂场景应对能力、紧急情况处理能力等各方面都有大幅提升。

当然，高阶自动驾驶不是为了让用户肆意地放开双手，而是会充分考虑和遵循法规、量产、用户体验、行车安全等原则。

Apollo“无人化”原子赋能，多重冗余的安全体系

从L2级驾驶向高级别自动驾驶进化过程中，L3是个很尴尬的阶段。因为，根据SAE自动驾驶技术分级，L3的主要驾驶主体可以是系统，但是偏偏又要用户要做好实时接管的准备，这就陷入了悖论。

如果当L3级的自动驾驶汽车遇到应对不了的危险情况时，在临近事故前几秒突然把驾驶权甩给手足无措的用户。问题来了，一是用户来不来得及进行接管，二是“接管”正在进行的时候发生了事故，责任该算谁的？

所以，L3级自动驾驶其实是个“不完善”的方案。那么，如用L4级的底层能力来做人机共驾，是不是就让汽车本身具备足够高的智能化水平，也自然地破解了把危险甩给用户的局面，相当于高维技术的落地应用。

集度全栈应用了Apollo自动驾驶“无人化”能力和安全体系。Apollo本质上就是L4级自动驾驶，其Robotaxi已经有超过3200万公里的测试里程，并且做到了主驾驶位无人化，累计接送乘客订单量也超过了100万单，是全球最大的自动驾驶出行服务商。可见，Apollo的技术能力已经得到了充分的市场验证。

不过，集度并不是把Apollo的技术直接拿来应用，毕竟后者是面向自动驾驶出租车的。在Apollo的原子化赋能之上，集度进行重新集成和开发验证，面向量产的C端乘用车打造了高阶自动驾驶。

这么看来，集度高阶自动驾驶的骨子里也是具备“无人化”技术能力的。所以，“领先特斯拉一代”、“同期体验最好”，并不是一句空话，是有根据的。

还有更关键的一点，那就是“安全冗余”。既然选择了让AI能够接管驾驶权，那就要通过多重的冗余设计最大化降低事故发生率，确保行车安全性。回顾过往的自动驾驶事故悲剧，很重要的原因就是安全冗余不够充分。

在这方面，集度首先是用了2枚英伟达Orin X、高通8295所组成的双顶配芯片。538TOPS的总算力形成了算力冗余，能够完成庞大规模的数据运算，不会因为算不过来而影响感知融合和决策规划，这是第一道底层安全带。

其次，集度自研的智能化架构JET，构成了第二道底层安全带。JET架构融合了电子电气架构EEA和SOA操作系统，可实现智驾域、智舱域、整车域和运动域的全域融通（域间和域内）。基于JET架构的SOA化“舱驾融合”，可保证智舱域控制器可支持智驾系统失效下的系统级安全冗余。也就是说，如果遇到极端情况，当智驾出现失效，智舱的8295冗余算力可以接管驾驶任务，让车辆安全停车。

并且，集度的高阶自动驾驶还拥有“视觉+激光雷达”两套智驾系统。这两套系统相互独立，且互为备份、互为冗余。在极限条件下，如一套系统发生误判，另一套系统仍能精准识别，帮助集度智驾计算平台做出正确决策，最大程度降低事故发生率。

因此，双系统的好处就是会大大减少，类似特斯拉那样由于不能精准识别前方白色固定物体导致交通事故的悲剧。不仅如此，集度用的是双激光雷达，能够覆盖前方水平180°

FOV，大大提升了对“鬼探头”等场景识别能力更强，而且双雷达也比单雷达更安全。

可以看出，集度在研发之初就是奔着让用户能够“解放双手”的终极目标去的，把安全设计进行了充分的考量，高阶自动驾驶拥有系统级安全冗余和用户本身组成的“双保险”，更加安全。

许多车企都制定了各自的自动驾驶目标，集度不是最早的，也不是唯一一家。但是，最早提出的并不代表就能最早落地。有没有如同集度一样拥有高阶自动驾驶“原子化”能力的赋能？有没有从安全角度出发，在车辆设计之初就做到从底层架构到芯片、再到上层传感器硬件布局的多重冗余？

放眼行业内，除了集度，仿佛还没有第二家。