刚刚过去的2023百度世界大会，长达两个半小时的智能汽车分会场，百度对智能汽车业务的最新思考和实践，统统展示给外界。
简单概括下来，大模型上车、量产项目，以及明确百度智能汽车业务在汽车供应链体系中的站位，成为今年的重点。
技术上，以文言一心大模型和感知大模型为代表为智能汽车赋能，最终走向高效利用硬件能力的舱驾一体方向；
量产项目，除了已经向外界披露的采用百度整套智能座舱和智能驾驶技术的极越01，和首发搭载百度Apollo Highway driving Pro的新岚图FREE，百度还提前预告了更多的量产合作项目，比如很快将要面世的国内首个舱驾一体车型；
最后，在市场站位上百度也逐渐明晰，百度认为传统的Tier1/Tier2+OEM的汽车产业链正在解构，平台+生态的新模式正在形成，百度的角色将作为系统方案解决商出现，台前仍然交给车企。
总之，干货很多，重点突出，我们一一解读。
01
大模型上车，百度做了哪些事？
用百度的话说，“要用大模型把所有的产品都重做一次”，这其中当然也包括以智能驾驶和智能座舱为核心的汽车相关业务，而从现场百度展示的情况来看，这句话也不是虚言。
智能驾驶方面，据百度智能驾驶事业群组、智能汽车业务部总经理苏坦介绍，基于已经搭载在新岚图FREE上的Apollo Highway driving Pro，通过感知大模型对底层基于逻辑代码的算法解构代替，百度将在未来推出升级产品，即Apollo City driving。
Apollo City Driving智能驾驶方案
这款产品最大的升级在于，可以在现有中算力硬件平台上，利用成熟的传感器组合、代码线实现部分城市领航智能驾驶能力，比如通勤模式，突出一个超高性价比。
而实现这一切的技术基础，就是百度最新的Apollo Efficient BEV Model 感知模型，这套感知模型的特点就在于一个简洁高效，可以突破了行业在过去中算力平台部署BEV的技术难题。
Apollo Efficient BEV Model 感知模型
苏坦介绍，百度工程师基于大模型对现有的产品进行了底层算子的重构，同时对模型进行深度的轻量级优化，用单一模型代替多个基于逻辑组合的小模型，使得现有成熟量产的平台可以支持最新的算法模型。
新的大模型带来上层功能体验的优势是，系统可以具备秒级建图能力，从而实现通勤模式一趟学习即可使用，同时相同的路线还能共享到同样的车型。
另外，采用新的大模型的Apollo City driving，已有的能力也会得到一定的加强，比如泊车距离可以扩展到2公里。
最后，百度此次透露出来的信号是，比较坚定的选择了纯视觉+高精地图的自动驾驶路线。此次所有露出产品均没有激光雷达的出现。考虑到当下车企普遍追求低成本智驾方案的需求，这一点其实很好理解。
百度第二代BEV感知模型
同时在技术端，百度表示，在Apollo lite纯视觉方案的基础上，开发了第二代纯视觉感知系统，采用4D BEV Transformer和OCC网络重建三维环境，其场景三维重建分辨率也能超过高线数激光雷达。
而对于激光雷达本身，百度方面并未有明显的路线站队，纯视觉更多的是基于当下激光雷达性能与大模型感知的效果，同时考虑到车企需求选择的结果。
苏坦认为，目前并非纯视觉与激光雷达的battel，而是激光雷达在与其自身做斗争。
或许在不久的将来，激光雷达能够达到性能和成本的平衡，百度重新在方案中加入激光雷达也不会让人意外，毕竟这也是行业的大多数意见。
对于大模型在智能座舱方面的应用，百度也进行了深度的阐述。
在这方面，百度认为，基于大模型理解、生成、推理、记忆等核心能力，座舱产品将会被重构，比如交互方式由过去的命令点击式变成自然的对话交互式；车内导航、用车等需求场景将会被重构，车内娱乐、服务类长尾需求将会被进一步释放。
当然，最重要的是，以大模型为主的车载AI原生应用开发模式与本地化的车端深度结合。而基于以上的变化，用户与汽车厂商也会建立长期的联系。
百度智能座舱大模型
具体到技术层面，百度的座舱大模型以文心大模型为基础，深度融合车内环境和用车场景，同时配置了智舱开发工具链，可以让车企结合自己的应用场景，低门槛个性化开发自己的座舱功能。
同时，百度还为车企提供了一系列底层技术支持，比如百度过去积累的训练和评估数据集，再比如可以快速进行模型迭代的智舱数据飞轮和生态开发插件等等。
最后，基于大模型在智能驾驶和座舱领域的应用和尝试，百度将下一步的目标放在驾舱一体。苏坦认为，随着汽车电子电气架构集中化演进，驾舱一体是一个必然的趋势，也是实现最终的中央集中式架构过程中，最关键的一个节点，这种趋势将会在明后年更快落地。
百度Apollo Robo-Cabin驾舱一体解决方案
目前，百度正在开发基于一块座舱芯片同时实现包括AEB、LCC等基础智驾功能和座舱能力。
这套驾舱一体计算平台被命名为Apollo Robo-Cabin，采用舱驾分区隔离设计，在硬件、通信链路和资源调度上进行隔离，保证业务、通信和运行的独立。
未来，这套芯软一体方案的最终目标，是在智能驾驶功能上实现城市通勤+自主泊车2.0、以及智舱的能力。当然，从百度智驾方案的部署规划来看，届时底层计算芯片至少应该是中算力芯片，当下主流的8295还是有点捉襟见肘。
02
量产项目，正在加速
一如既往的技术高调，和始终乏力的量产能力，或许是过去很长时间内行业对百度智能驾驶产品的印象，但这次不同，百度这次公开了多项已量产的项目，和未来产品落地的具体节奏。
首先要说的，就是首发搭载在新岚图 FERR上的Apollo Highway driving Pro，如果不算已经基本宣告失败的威马的那款车，这应该是百度高阶智驾的首款车型。
岚图FREE高速领航用户使用数据
据苏坦介绍，截止到目前，这套方案在实际使用的过程中表现理想，高速领航百公里接管次数＜1次，变道成功率＞99.2%，匝道进出成功率大于98.7%，同时APA泊车成功率大于99%，泊入时间＜35秒。
另外据岚图CEO卢放在现场给出的数据，目前岚图用户高阶智驾的激活率83.74%，激活功能的用户中，渗透率99.06%。
这表示，用户的接受度和满意度水平比较高。
吉利银河E8确定搭载百度方案
同时，百度的高阶智能驾驶方案年底前将会在近10款车型上搭载上车，目前比较确定的是吉利在今年底发布的银河旗舰纯电车型E8。
除此之外，由百度深度赋能的极越01，也将会在第四季度上市，届时百度全套智能驾驶和座舱方案也会揭开最终的面纱。
即将上市的极越01
值得注意的是，极越01上搭载的Apollo City driving Max可以视作百度当下智能驾驶量产技术最全面的一套方案，其纯视觉+高精地图的技术路线，也终将迎来市场检验。
除了已经确定的，百度其他产品也有了明确的量产时间点，其中在Apollo Highway driving Pro上进行升级的Apollo City driving，正式OTA时间定在明年下半年。
搭载驾舱一体计算平台Apollo Robo-Cabin的首款车型，最后作为彩蛋出现在会场，苏坦表示，很快将会为大众所知。
同样在智能座舱方面，百度也已经有了比较完备的产品矩阵，比如基于大模型本地化开发的SKD V5.0/V5.5车载语音、可快速上车的大模型原生应用集合包、车载对话开发平台等等。
银河L6搭载百度智能座舱解决方案
搭载车型方面，除了我们比较熟知的极越01外，吉利银河、凯迪拉克等车型也进行了搭载，哈弗品牌车型也即将搭载上线。
整体来看，百度智能汽车业务，尤其是智能驾驶的量产节奏呈现出一个更快的趋势，对于百度来说，自动驾驶领域投入近10年时间，而今也到了一个亟需落地的阶段。
而在这个过程中，在汽车产品智能化变革的过程中，在产业链条里找到一个合适的切入位置非常重要。
03
百度的角色？
将集度项目交给吉利成立极越品牌之后，我们看到百度在智能汽车业务上更加清晰的思考和切入路径。
百度理解中汽车产业链的变革
苏坦认为，传统的Tier1/Tier2+OEM的过去非常稳固，但在这样一个时代，这种传统的汽车产业链正在解构，整个行业的合作关系开始朝着生态平台网络化的趋势迭代。
具体的表现是，以OEM定制化需求和产品定义为核心，硬件供应商、算法供应商、服务供应商、生态合作伙伴都在朝着更有效的方式为用户提供服务。
比如芯片厂商这种原来处于Tier2位置的厂商开始向前靠，与主机厂之间建立更多的前端沟通，一级供应商和二级供应商之间的界限开始变得模糊。这种情况同样出现在诸如激光雷达这种行业中。
那最终形成的趋势是，站在车企背后的多级供应商开始以平台和生态合作的方式，根据车企的个性化需求来提供服务。
智能化转型时代汽车产业链新模式
那在这个趋势之下，百度的角色更偏向于依赖自身长期积攒的智能化方面的优势，以一种开放合作的方式，成为这个平台和生态背后的纽带，为车企提供服务。
用苏坦的话来说，就是“专业的人做专业的事”。
同时百度还强调，在这样一个生态中，车企是处于中心位置的。
这种模式是否会成为未来汽车产业的一种理想化模式？
现在还很难说，但我们需要看到，至少在当下大多数车企还未建立起足够的自研能力时，百度这样的角色是被需要的。
毕竟从用户的角度来看，技术方案由谁提供很难被看见，也不重要，更重要的是功能的体验好不好，能否驱动用户为此来买单。这件事从车企的角度看，就是有了这些智能化的功能后，能否更好的为销量增长做贡献。
所以在短期内，自研能力相对较弱的车企想要在功能体验上与竞品保持足够的竞争力，百度们就有了机会。
当然，这一切都需要一个前提，就是百度需要证明自身的技术赋能可以达到车企的目的，这就不得不需要一个样板间了。
极越01，大概就是那个样板间，百度的自证，也会在不久之后到来。
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
