百度|全球无人驾驶大洗牌，百度Apollo Day宣告Robotaxi进入2.0时代( 三 ) 阿波罗|无人驾驶|robotaxi

自动驾驶数据集中， 2D数据容易获取， 3D数据获取相对困难。可以利用2D标注数据和3D标注数据，迭代自训练的方法得到一个效果不错的感知大模型，再利用大模型对数据进行3D的伪标注，同时使用模型蒸馏的方法，获得感知效果比较好的小模型。
3.3 高提纯、高消化的数据闭环是如何设计的？
无人车跑得越远，会遇到各种意想不到的场景，比如羊群过马路。解决罕见、长尾场景，是数据闭环的价值。与感知、规控、决策的技术栈相比，大规模数据闭环的建设是行业里的崭新命题。

数据闭环的前半是大量数据带来的存储和标注的压力，后半是大规模数据用于训练的计算量需求暴增。百度Apollo设计的数据闭环，核心是解决「高提纯、高消化」的问题。
在数据提纯上，百度的方案是利用车端小模型+云端大模型，做高效的挖掘和自动化标注；数据消化架构，实现自动化训练，具备联合优化和数据分布理解的能力，利用高纯度的数据进一步提升自动驾驶系统的整体智能水平。除此之外，训练、推理以及数据分布在数据消化过程中，形成有效的反馈机制，进一步提升数据消化的整体效率和效果。
3.4 L4与L2+共生，百度的独家秘技
百度是行业内第一家同时具有L4 Robotaxi技术和量产L2+辅助驾驶方案的公司。
其内部的判断是：2023年具备城市道路辅助驾驶能力的产品上市后，会带动C端用户需求，并在2025年引发消费者对高阶辅助驾驶/自动驾驶的需求爆发。
百度的L2+ 领航辅助驾驶产品ANP 3.0 将在2023年夏天在首家客户的车型上量产上市，支持复杂城市道路场景，并且衔接融通高速和泊车场景。
ANP 3.0的硬件是双Orin-X芯片，部分配置800万像素摄像头，搭载半固态激光雷达。从技术特点来讲， ANP 3.0的视觉感知和激光雷达感知，是两套独立运行、低耦合的系统。
背靠百度Robotaxi的数据积累， ANP 3.0在BEV的数据供给上有先天优势，融合LiDAR信息的L4感知结果可以作为BEV模型的标注数据，直接用于模型预训练。目前，百度Robotaxi的累计里程超4000万公里。
其次ANP使用了一套为智驾规模化轻地图方案，提升安全，也降低制图成本。
百度内部认为实现无人驾驶商业化的最佳路径是：
前期在限定区域实现技术积累，通过技术降维和L4数据，为L2+产品做热启动；
更长期看，利用L2的规模优势，提前收集L4泛化所需要储备的长尾问题。
内部预期未来3 - 5年内，百度领航辅助驾驶产品搭载量有望突破百万，百万级的车辆营造的数据壁垒也将有效成为L4的技术护城河。
3.5 One more thing：自研昆仑芯片
目前，百度自研的昆仑芯片已经量产了两代，实现数万片的商业化部署。第三、第四代产品都在研发中，三代芯片预计明年量产，四代芯片后年量产。

作为一款云端通用人工智能计算处理器，昆仑芯CEO欧阳剑介绍，昆仑芯主要是几大优势：是业界为数不多大规模部署的AI芯片，具备完善的生态，灵活易用。
自动驾驶的业务和模型算法复杂度不亚于数据中心，而昆仑在数据中心积累的优势可以很好地移植到自动驾驶上。
目前昆仑芯二代已经在百度的Robotaxi系统上进行了完整的适配，并开始道路测试。
4. 什么样的公司有望无人驾驶落地的胜利？
今年无论是特斯拉的AI Day ，还是百度的Apollo Day ，众多科技公司的开放日都变得极其技术化。
一方面，面对自动驾驶、机器人这些尖端前沿的话题，行业公司尝试开放一部分的思考加速整个行业的技术推进；另一方面，公众对无人驾驶的商业应用、技术实现和使用体验也逐渐显露出了浓厚的兴趣。