2119
低速无人车将是推倒自动驾驶的第一张多米诺骨牌。
不如从一个场景说起。一场寒潮，北方城市纷纷迎来大雪，但与雪天故宫同样一样火的是一条故宫内扫雪的短视频：负责清洁景区卫生的 7、8 个清洁大爷人手一把铲子才将一堆积雪，齐力运输到栏杆旁，为游客清理出一条安全道路。
漫天大雪的浪漫背后是一场艰难的城市除雪大作战。
以自动驾驶铲冰车、清扫机为代表的低速无人车是这类场景最具性价比的解法。在此类场景中，环卫工人的角色由劳动者变成监督人，在保证环卫工人安全的同时也进一步提升了清洁效率。
据汽车之心统计，2023 年，无人环卫项目新增落地超 30 个。据新战略低速无人车产业研究所预测，到 2025 年，中国低速无人车产业规模将突破 500 亿元。
由于封闭场景自动驾驶技术实现难度低、商业模式完善，将会比开放场景无人驾驶率先实现盈利。
事实上，随着传统商用车企业积极与自动驾驶强军组队，低速无人车将不仅会率先完成商业闭环，还很有可能成为撬动自动驾驶的万能钥匙，为全场景自动驾驶注入新的信心。
01 、低速无人车，迎来「潮水倒灌」时刻
「做自动驾驶就像在玩一场无限游戏。」这是长久以来一直萦绕于自动驾驶工程师的难题，但这个难题在低速无人车领域并不存在。
在脑海中建立一个坐标系，问题就能被拆解。
坐标轴横轴是自动驾驶落地场景，分为：开放场景、封闭场景，纵轴是运输类型：分为载物、载人。
将这四种自动驾驶关键要素进行组合就产生了：
-
- 开放场景+载物=干线物流
- 开放场景+载人=Robotaxi、乘用车自动驾驶
- 封闭场景+载物=矿山、港口自动驾驶、无人环卫、无人配送、无人安防……
- 封闭场景+载人=自动驾驶巴士
梳理这四个关键词诞生的自动驾驶应用就会发现，商用车与乘用车所需要的自动驾驶、封闭场景与开放场景的自动驾驶都各不相同。
从运输类型来看，乘用车自动驾驶是 L2+自动驾驶与驾乘体验的融合。在这个层面，自动驾驶既要解决高速、城区复杂的场景问题，同时也要兼顾用户的驾乘体验。
这考验的不只是结果，更是博弈的过程，比如系统的刹车温和还是激进，都需要结合不同的场景与乘客状态随机应变。
商用车需要的自动驾驶显然更加的直接——各场景下的「去人化」、「少人化」和「无人化」。
商用车作为重要生产资料，强调的是高生产效率与低生产成本。从这点来看，商用车反而能发挥自动驾驶最大的生产价值。
从场景分类来看，封闭场景为自动驾驶赋予了场景的确定性，相比较而言，低速无人车已经开始走向大规模量产应用。
据 IHS Markit 报告，中国乘用车市场 L2 及以上级别自动驾驶系统的渗透率，预计到 2025 年将达到 34.2%。
按此预估，从 2021 年到 2025 年平均增速每年 3.84%。如果说开放场景下的自动驾驶是逐步渗透，那么低速无人车就犹如「潮水倒灌」，在政策、成本、资源形成交汇点时，就会大规模爆发。
变化正在轰然发生。比如曾有一名矿山自动驾驶的业内人士曾表示：「现在，矿上甚至会催着矿山上无人驾驶」。目前，有地方政府开始对矿山的无人驾驶渗透率有指标要求，如内蒙古地方政府要求通过无人驾驶扩产能的同时，减少矿山 30% 的人力。
在低速无人车爆发的前夜里，自动驾驶企业要么闻声而动，要么组队而行。
目前针对低速无人车领域有两种突围方式：
一种为以 Nuro、新石器、白犀牛代表的自动驾驶公司切入封闭场景，自研低速无人车。尽管高维度切入低维度技术优势充沛，但低速无人车行业是一个是需要打产品配合战的领域，单打独斗远远不够。
另一种则是具备商用车开发经验的主机厂与自动驾驶公司组队，一方拥有开发商用车的工程经验，一方则通过深厚的技术帮助车厂实现快速开发，最大效用发挥其量产优势、工程优势，形成集团军作战更能快速打开市场。
02 、造低速无人车，为何需要「通用能力」？
苏州金龙与百度 Apollo 开放平台的联袂，就是低速无人车「集团军」作战模式。
苏州金龙 1997 年以商用车整车制造起家，至今，中型客车、大中型客车仍是一张王牌，在市场占有率位列前五。
但如苏州金龙前瞻技术研究院副院长刘明春博士所说：「企业电动化、智能化、网联化的程度决定企业的天花板」。
面对后半程激烈的汽车产业洗牌，苏州金龙入局低速无人车。一方面在传统客车业务之上拓展自动驾驶巴士，另一方面则布局低速无人系列的产品线。
业务逻辑想清楚了，但具体如何落地，苏州金龙与其他传统主机厂一样，都面临着智能化转型的典型问题：在低速无人车领域塑造生态的能力仍属于短板。
刘明春提到，相比乘用车，低速无人车更关注整体解决方案，除了车端的车端可靠性之外，也必须关注作业端、客户端、云端、远程监控。
于是，从今年初，苏州金龙与百度 Apollo 联手围绕自动驾驶作业车的各种细分场景，共同打造低速无人车生态圈。
今年苏州金龙通过和百度紧密配合，合作开发了融合「车端、自动驾驶端、作业端、客户端、云端、远程端」于一体的整套解决方案。
「在苏州市区的公园里可以看到由百度 Apollo 技术支持下诞生的自动驾驶作业车，在两个月前的世界人工智能交通世界大会，也能看到 9 辆自动驾驶巴士，链接交通枢纽与核心酒店的人员接驳。」
Apollo 开放平台之所以能够全维度赋能低速无人车，首先来源百度 Apollo 的整体升级。
就在今天，百度 Apollo 开放平台升级至 9.0 版本。
10 字概括 Apollo 开放平台 9.0：灵活易上手、通用易拓展。
Apollo 开放平台的 A 面强调系统灵活性，B 面则强调系统的通用性，二者互为拼图才能为低速无人车领域一把「通用钥匙」。
首先是 Apollo 开放平台 9.0 在工程框架、算法能力、工具链、文档平台的全维度升级。
工程架构：支持 ARM 编译；软件包管理方案下沉至应用功能层级；
算法能力：加入增量训练解决方案；激光雷达感知模型提升至 CenterPoint、相机感知提升至 Yolo X + Yolo 3D；
工具链：开发全新配套工具 Dreamview+
文档平台：重构文档中心
如果说百度 Apollo 开放平台 8.0 版本给到开发者的是一个通用工具，那么 9.0 的升级其实是针对不场景、不同程度的自动驾驶开发提供了更专业、精细化的百宝箱。
比如，8.0 版本的工程框架实现了工程架构与软件模块解耦，提升模块编译发布效率，那么 9.0 则更进一步，做「深加工」，将停留在模块级的能力下放到应用功能级别，使得开发者在搭建自动驾驶系统时，可以更精细化地设定软件搭建。
这种能力在算法层面的表现更为突出。
据汽车之心了解，9.0 版本除了引入 4D 毫米波雷达、升级激光雷达及相机主模块的感知算法之外，还加入了增量训练的解决方案。相当于，百度 Apollo 开放平台 9.0 版本的能力阈值又被拉宽了。
困扰自动驾驶的雪糕筒、故障车识别被工程师解决了，却还会出现新的无法识别的「雪糕筒」。因此，Apollo 开放平台 9.0 新增了增量训练，在原有训练数据的技术上继续扩充，为结合开发者和合作伙伴特定需求来满足感知系统结果的路径。
卡车可以正常识别，但如果是一辆没有车厢只有车头的卡车呢？
百度自动驾驶平台生态部总经理张亮就在 Apollo 开放平台 9.0 发布会提到一个案例：一名主机厂开发者利用增量训练，只灌入了 2000 帧的数据，就能精准地在感知系统中检测出这种「特殊车辆」。
据汽车之心了解，通过增量训练，检测的准确度、以及障碍物边界的范畴，都将有更加清晰的呈现。
整体架构的升级是一方面，但如何应用至低速无人车领域也是必须考虑的问题。
一位业内人士提到：商用车的细分场景十分复杂，矿卡、清扫、配送各种各样，但每种类别却不如乘用车走量。所以主机厂投入极大精力针对每一种细分场景搞全栈自研，在成本分摊上就是巨大的难点，需要有针对低速无人车的「通用」解决方案。
对此，Apollo 开放平台 9.0 在低速无人场景、矿山场景等做了定制化开发。从提升自动驾驶软件能力、丰富场景应用落地能力、硬件选型及系统部署四个层面为低速无人车实现更快、更低成本的场景对接。
举个例子，封闭园区场景遇到的障碍物往往与开放道路上的障碍物不同，比如躺椅可以出现在园区内，而不会出现在开放道路中。
因此，在自动驾驶软件能力层面，Apollo 开放平台 9.0 与深度学习结合新增了背景分割算法，能够更好的检测出封闭园区内存在的特定异行障碍物。
再比如，在自动驾驶业务能力闭环后，百度 Apollo 也打造了三种系统部署方式：
一是通过标准协议模式与自动驾驶车辆结合；
二是通过参数的调配和接口的调用赋予了车辆有效能力；
三是通过第三方辅助落地。
至此，一个针对低速无人车的完整自动驾驶应用闭环已经落地。
03 、造自动驾驶蓄水池
相比于成为自动驾驶领头羊，Apollo 开放平台 9.0 似乎更像一个面向全场景的自动驾驶蓄水池。
从 2017 年 Apollo 开放平台 1.0 版本面世到现在，在 6 年中迭代了 9 个大版本，伴随着百度自动驾驶走过了四个阶段。
第一个阶段：1.0-2.0 阶段的基础能力提升，Apollo 开放平台从封闭场地循迹升级至简单城市路况自动驾驶，这个时期百度作为国内首家针对 L4 级别打开了自动驾驶的大门，广泛引入自动驾驶人才，打造了中国自动驾驶的早春。
第二个阶段：2.0-6.0 阶段的场景能力升级。Apollo 开放平台从封闭园区、点到点城市自动驾驶一路迈向无人自动驾驶，这一时期伴随着技术提升，百度自动驾驶的应用场景不断增长，是百度自动驾驶最为汹涌的扩张期。
第三个阶段：7.0—8.0 阶段的系统易用度增加，Apollo 开放平台引入了实现了从代码到工具、从开源平台到工具化平台的里程碑式完整进化，并且在 8.0 平台中持续对这些能力进行升级。
第四个阶段：9.0 阶段开始，通过「灵活易上手、通用易扩展」的特点为生态共创打开了新的维度。
之所以这么说，是因为从 1.0-9.0 的升级迭代中，百度 Apollo 秉持着开放的姿态，把不能用变成能用，把难用变成好用，造一个面向全场景的自动驾驶蓄水池。
场景，一度是自动驾驶企业最容易被忽略却最致命的关键词。
在大西洋彼岸，落地场景的选择、商业模式过于单一，使得以 Cruise 为代表的公司陷入寒冰期。
但是依靠全场景拓展的百度 Apollo 为自动驾驶落地提供了新解法——以场景切入，打造生态。
即便，低速无人车行业相比 Robotaxi 难度降维，但仍需要面对需求、资源、方向的新「三卷」。
首先，低速无人车的需求需要填补，其次则是场景落地的方向繁杂，有矿山、环卫、安防、零售等不同场景。
其次，资源很卷，需要先进技术和优质制造双重效应的叠加，才能有落地项目遍地开花。
Apollo 开放平台打造的蓄水池，已经为低速无人车行业提供了解答「新三卷」的万能钥匙。
目前，百度 Apollo 除苏州金龙合作，同时与更多合作伙伴兵分两路突围低速无人车：
一路是与商用车车企合作，目前百度 Apollo 已经与开沃集团、东风商用车、厦门金龙等建立合作；
另一路则与垂类科技企业合作，如中航装备、惠尔智能、超星智能、金瑞麒、路特洁等合作，全面铺开低速无人车市场。
蓄水池就是是为制造企业智能化转型提供新的动力引擎，而打造引擎，就应该从长期主义的角度出发。
Apollo 开放平台做的并不是一锤子买卖。在苏州金龙与百度的合作中，百度不仅解决了自动驾驶系统搭建问题，其实也帮助苏州金龙解决了更长远的人才难题。
苏州金龙虽然擅长底盘制造，但缺少软件开发人才。授人以鱼不如授人以渔，Apollo 开放平台从诞生之初就强调技术开源，目前，百度 Apollo 开发者社区已经拥有 16 万开发者。
通过 Apollo 开放平台各类开放学习资源，刚进入苏州金龙自动驾驶团队的新血液就能够快速了解自动驾驶完整架构，初步掌握自动驾驶的上手研发能力。
苏州金龙只是众多传统制造企业向低速无人驾驶进击的缩影，随着与百度 Apollo 开放平台的集团军作战，传统制造企业新的动力引擎已经被启动。
下载ECAD模型
