真·无人驾驶汽车,终于上路了

简介: 真·无人驾驶汽车,终于上路了

  2022年8月9日,据《央视新闻·朝闻天下》报道,从昨天(8日)开始,在武汉市经开区和重庆市永川区的特定区域内,可以打到全无人的自动驾驶出租车。

image.png

  这意味着,几个月前我们展望的“几年后无安全员的自动驾驶汽车将会上路”,提前被百度实现了。

  真·无人驾驶汽车上路,这是人类出行史上开天辟地的大事!央视报道也认为两地在全国率先向自动驾驶商业化的终极业态进行探索,将为我国无人驾驶政策创新、技术进步和广泛应用起到示范带动作用。

  透过央视的报道画面,以及我和百度第一时间沟通所获取到的信息,这次无人驾驶汽车上路有三大突破。

  1、社会道路,不是在封闭测试路段。

  2、车内完全无人,主驾驶、副驾驶空无一人。

image.png

  3、非摆拍,普通消费者可以预约体验。

  在武汉、重庆开启全无人自动驾驶商业运营之际,我接受《每日经济新闻》等媒体采访,谈了我的一些感受和看法。在我看来,从主驾驶安全员到副驾驶安全员,再到车内完全无人,是中国乃至全球无人驾驶产业发展史的巨大突破。目前,国内真正能在社会化道路上实现无人驾驶的只有两家,一家是百度,另外一家是小马智行,而小马智行源出百度。

  百度攀上了无人驾驶产业的最高峰,多项核心指标超过谷歌Waymo,代表中国成为全球无人驾驶的领导者。备注:此次武汉、重庆开启全无人自动驾驶商业运营,百度是唯一的获批者。

  真·无人驾驶汽车终于上路,看似突然,其实是一系列利好要素的叠加。大体来说,有以下三个方面的利好要素。

  政策利好  

目前,全球无人驾驶领域有两座高峰,一座在美国,一座在中国。无论中国还是美国,自动驾驶发展到今天这一步,先决条件是政策支持、引导。

  先来说美国。2016年9月20日,美国发布全球首个自动驾驶指导政策;2017年10月11日,美国加利福尼亚州政府公布了一项新规定:将允许无人驾驶汽车在该州东部的公路进行试验;2018年10月,美国交通部于发布了《准备迎接未来交通:自动驾驶汽车3.0》,大力支持自动驾驶;今年3月10日,美国国家公路交通安全管理局(NHTSA)发布了一份长达155页的“最终规则”,文件显示在符合其他安全法规的前提下,无人驾驶公司未来可以制造并部署不具备方向盘的无人驾驶汽车。

image.png

  中国的各类政策支持,相比美国只多不少。2018年初,北京市发放了自动驾驶测试试验用临时号牌,自动驾驶汽车就可在亦庄周边的开放道路上进行公开路测; 2020年2月,国家发改委、工信部等11个国家部委联合下发的《智能汽车创新发展战略》提出,加速发展高级别自动驾驶;2020年10月10日,在亦庄政策支持下,百度的自动驾驶服务在北京全面开放,用户无需预约,直接下单免费试乘Robotaxi服务。我当时说,百度自动驾驶的全面开放,是标志性的大事件,是自动驾驶产业足以载入史册的里程碑事件;2022年8月,自然资源部印发《关于做好智能网联汽车高精度地图应用试点有关工作的通知》,在北京、上海、广州、深圳、杭州、重庆六个城市开展智能网联汽车高精度地图应用试点。

  以上,只是两国支持自动驾驶产业发展政策的冰山一角。过往多年,两国从国家层面到各地交通部门,破除各类阻力、提供试验土壤、优化基础设施,为无人驾驶的发展提供了先决条件。

  总体来说,美国有先发优势,但我国正在实现快道超车。以近期的动态来看,往往政策刚刚下发,社会实践就已展开,几乎无缝衔接。这一次,迎接政策利好,重庆开放的全无人自动驾驶出租车的运营区域面积为30平方公里,运营车辆有5台,覆盖商业中心、学校、住宅区等。武汉经开区开放的运营区域面积为13平方公里,运营车辆5台,覆盖地铁站和居民社区。

  技术利好

  政策利好是基础,但要利用好政策,不至于让政策成为一纸空文,离不开综合国力和相应的配套技术体系支持。

  无人驾驶汽车上路,看起来简单,背后涉及到的工业种类多如牛毛,涉及到的技术科目也远非常人能够理解。我不懂技术,无法展开来分析,但至少涉及到计算机、人工智能、通信、导航定位、模式识别、机器视觉、智能控制等多门前沿学科,还包括环境感知、导航定位、路径规划、决策控制等技术应用。

  仅仅雷达技术,就可能难倒99%企业。大概在2017年时,一台百度的自动驾驶汽车造价超过百万。在这其中,车子没多少钱,大概二三十万,真正贵的是车顶的那个威力登激光雷达,单价高达50万人民币(没办法,当时我们搞定不了自主可控的高精度民用车载雷达,只能被美国卡脖子),车载大脑系统也得大概20万,加上其他杂七杂八的雷达、传感器,造价自然不菲。

  此后多年,我们励精图治,突破了一项项核心技术。随着技术升级、汽车产量提升、国产雷达等部件应用,自动驾驶汽车综合造价直线下降。2022年4月,我来百度Apollo Park参观,工作人员告诉我第五代百度Apollo车型(2021年发布),采用了国产雷达,多项核心技术均已实现国产,最终将这台车的综合成本控制在48万元左右。

  2022年7月21日,百度重磅发布了第六代量产无人车——Apollo RT6。基于自动驾驶技术的重大突破,Apollo RT6不但具备城市复杂道路的无人驾驶能力,而且成本仅为25万元。  100万、50万、25万……按照这个趋势,3--5年后,购买一辆大众朗逸或者哈弗H6的钱,就可以生产一台自动驾驶汽车。

  过去100年,纵观汽车、电脑、手机、彩电、冰箱、洗衣机等消费品的加速普及,都离不开成本降低。而技术突破是成本降低的不二法门,随着无人驾驶成本继续降低,可以预计,未来无人驾驶汽车将很快会在更多城市和场景落地,助力我国在无人驾驶领域取得全球领先。

  市场利好

  相比美国,我们的市场对自动驾驶技术发展,持更为友好的态度。  2020年,我作为第一批社会用户,体验百度萝卜快跑,很多朋友问候我“你不要命了吗?”2022年,我第N次体验百度和小马智行的自动驾驶汽车,这样的担忧很少出现,甚至当初担心自动驾驶不安全的朋友,也来亦庄体验自动驾驶汽车。

  反观美国,民间反对自动驾驶的声浪一波接一波,甚至特朗普也坚定站在反对阵营。特朗普曾经发表过类似“我永远不会进入一辆自动驾驶的汽车……我不相信有些电脑可以让我四处奔走”、自动驾驶汽车“永远不会奏效”等言论。

  在中国亦庄,仅仅两年时间,像我这样的普通居民体验自动驾驶汽车就成为了常态,这不能不说是一个奇迹,科幻小说都不敢这么写。公开消息显示,百度Apollo自动驾驶能力已得到广泛验证,测试总里程超过3200万公里,萝卜快跑已在北京、上海、广州、深圳等城市实现自动驾驶出行服务,订单量超100万。

  谷歌和百度,分别为中美两国无人驾驶代表企业。在技术上谷歌和百度差别不大,但市场层面,百度碾压谷歌。据百度Apollo 2022年年初发布的数据,每天的订单量能达到2300单以上,差不多是谷歌Waymo的4到5倍,说明我们的市场对这种新兴技术服务接受度更高。  今年3月,百度智能驾驶事业群副总裁、首席安全运营官魏东介绍,萝卜快跑品牌发布后,在亦庄载人测试示范运营的半年时间内,车辆数量、站点密度、订单密度增长超过50%,单车日均订单峰值达28单(这一数据甚至超过了大部分滴滴司机平均日单量)。

  有一批包容、开放的消费者,我国的自动驾驶商业化落地得以加速深耕迈进。

相关文章
|
SQL 关系型数据库 MySQL
927. 【mysql】coalesce 函数
927. 【mysql】coalesce 函数
402 3
|
安全 jenkins 持续交付
使用Jenkins自动化上网时间监测软件的发布流程
在当前互联网时代,人们对上网时间的监测变得愈发重要。为了满足这一需求,我们可以利用Jenkins来自动化发布上网时间监测软件,以确保高效、可靠地监测用户的在线活动。本文将介绍如何使用Jenkins搭建自动发布流程,并通过代码示例展示关键步骤。
275 0
|
存储 编译器 Linux
MinGW下载和安装教程
要知道,GCC 官网提供的 GCC 编译器是无法直接安装到 Windows 平台上的,如果我们想在 Windows 平台使用 GCC 编译器,可以安装 GCC 的移植版本。目前适用于 Windows 平台、受欢迎的 GCC 移植版主要有 2 种,分别为 MinGW 和 Cygwin。其中,MinGW 侧重于服务 W本节要重点给大家介绍的是 MinGw 的安装和使用。MinGw 全称 Minimalist GNU for Windows,应用于 Windows 平台,可以为我们提供一个功能有限的 Linux 系统环境以使用一些 GNU 工具,比如 GCC 编译器、gawk、bison 等等。
5473 0
MinGW下载和安装教程
|
12月前
|
机器学习/深度学习 存储 人工智能
AI与量子计算:推动计算科学的边界
【10月更文挑战第7天】AI与量子计算的融合,标志着计算科学进入了一个全新的时代。在这个时代里,计算能力的边界被不断拓宽,科技创新的速度不断加快。我们有理由相信,在未来的日子里,AI与量子计算将继续携手并进,共同推动计算科学向着更加智能、更加高效的方向发展。让我们期待这一天的到来,共同见证计算科学的无限可能。
|
12月前
|
数据采集 中间件 开发者
Scrapy爬虫框架-自定义中间件
Scrapy爬虫框架-自定义中间件
178 1
|
NoSQL 物联网 atlas
浅析通过MongoDB一起解锁工业4.0转型的无限潜力!
MongoDB在智能制造中发挥关键作用,通过其开发者数据平台提升工业4.0的潜能,实现生产效率的提高和成本降低。借助MongoDB Atlas,企业能实时洞察、增强整体设备效率,构建现代物联网应用。MongoDB助力企业数字化转型,通过西门子数字化工厂、RideKleen、Longbow Advantage和博世数字等案例展示了其在提高生产灵活性、保障高可用性、加速创新和实现无缝数据同步方面的优势。MongoDB使制造企业能够应对数据挑战,优化运营,提升客户体验。
|
12月前
|
机器学习/深度学习 运维 监控
深度学习之异常检测
基于深度学习的异常检测是一项重要的研究领域,主要用于识别数据中的异常样本或行为。异常检测广泛应用于多个领域,如网络安全、金融欺诈检测、工业设备预测性维护、医疗诊断等。
775 2
|
12月前
|
数据采集 人工智能 自然语言处理
AI Agent 金融助理0-1 Tutorial 利用Python实时查询股票API的FinanceAgent框架构建股票(美股/A股/港股) AI Finance Agent
金融领域Finance AI Agents方面的工作,发现很多行业需求和用户输入的 query都是和查询股价/行情/指数/财报汇总/金融理财建议相关。如果需要准确的 金融实时数据就不能只依赖LLM 来生成了。常规的方案包括 RAG (包括调用API )再把对应数据和prompt 一起拼接送给大模型来做文本生成。稳定的一些商业机构的金融数据API基本都是收费的,如果是以科研和demo性质有一些开放爬虫API可以使用。这里主要介绍一下 FinanceAgent,github地址 https://github.com/AI-Hub-Admin/FinanceAgent
|
NoSQL Serverless Python
在Python的Pandas中,可以通过直接赋值或使用apply函数在DataFrame添加新列。
【5月更文挑战第2天】在Python的Pandas中,可以通过直接赋值或使用apply函数在DataFrame添加新列。方法一是直接赋值,如`df['C'] = 0`,创建新列C并初始化为0。方法二是应用函数,例如定义`add_column`函数计算A列和B列之和,然后使用`df.apply(add_column, axis=1)`,使C列存储每行A、B列的和。
649 0
|
12月前
|
监控 安全 5G