無人駕駛這把火已經燒遍了科技圈，火到本年的CES Asia釀成了車展。

兩個月前的上海車展，百度公布了針對無人駕駛技術的Apollo計劃，提出將向汽車行業和相關領域合作伙伴提供開放平臺，結合車輛和軟硬件系統，幫手合作伙伴快速搭建屬于本身的自動駕駛系統。

如今兩個月過去，Apollo的“車中安卓”建設的怎么樣了？

首先要看看Apollo已經做了些什么。

在這次CES Asia上，，百度在場館外進行了自動駕駛車輛測試，智能汽車事業部總經理顧維灝發布演講，提出了自動駕駛模型Road Hackers和自動駕駛計算平臺BCU（Baidu Computing Unit）。最后，顧維灝提到“阿波羅計劃是一套開放、完整，安適的生態系統和架構，它包羅了四個層次：參考汽車層，參考硬件層，軟件平臺層、云辦事層。”

雖然，CES Asia上公布的消息和Apollo計劃相關的不久不多，不過我們可以就此進行推測，百度的Apollo計劃到底能帶給行業什么？

首先來看看BCU，BCU由百度和德賽西威、聯合汽車電子等等汽車零部件廠商聯合開發，這兩位合作伙伴前者主營車聯網、車載信息娛樂和顯示系統，后者則專注混合動力、電力驅動控制系統和汽油發動機辦理系統。這樣看來，這兩者和BCU在技術上很難產生交集。

那么BCU具體能做到什么？

目前BCU開發了了三個系列的產品——BCU-MLOC（高精定位）、BCU-MLOP（高精定位+環境感知）、BCU-MLOP2（高精定位+環境感知+決策規劃）。這幾項技術，目的是讓汽車明白自身位置、行駛標的目的速度（高精定位）；下一步則是通過傳感器駕駛環境進行感知、定義和分類（環境感知）；最終則是需要綜合以上信息做出駕駛決策，告訴無人車應該怎么開（決策規劃）。同時BCU還具備信息安適和云端更新兩種基礎能力。

這三項AI技術說白了，都和高精地圖有關，而百度對于高精地圖技術的布局較早，據稱目前已經完成了30萬公里的全國高速公路高精地圖數據采集，還能依托多源感知數據處理、云辦事中心和數據中心等實現實時更新。而在Apollo計劃中，百度和博世開啟了有關高精度地圖方面的合作，共同開發一款適用于中國路況的精準定位辦事“博世道路特征”。

面對這一情況，我們產生的疑問是：百度是否會將BCU和地圖數據一同開放？CES Aisa上百度將BCU定義為“實實在在的硬件”，高精定位作為BCU硬件的基礎，自然脫不開與高精地圖的關系。通過零部件廠商共同“發售”硬件來加速自動駕駛的量產，是否也是百度加速地圖使用權售賣的方式？

除去BCU，百度提出的Road Hacker更具看點。

無人駕駛技術可以分為兩種，一種是Follow規則的無人駕駛，另一種則是端到端的無人駕駛。

Follow規則的無人駕駛是目前大多數人在做的事，通過雷達、激光、攝像頭等等傳感器感知環境，結合定位、決策等等規則，以計算機控制代替報答駕駛。這種無人駕駛里，AI的含量較少，尤其是目前的L3、L4級別，對于傳感器硬件和精度地圖的依賴遠高于對深度學習的依賴。

端到端的無人駕駛則差別，抱負狀態下，端到端的自動駕駛僅僅依靠攝像頭/雷達等等更簡單的傳感系統作為輸入，直接通過深度學習神經網絡學習人的駕駛習慣從而實現自動駕駛。

兩者比擬，端到端的無人駕駛是真·人工智能。

在CES Asia上，百度還展示了一輛依據端到端規則實現無人駕駛的哈弗H7，據稱這輛哈弗H7有兩個亮點，一是摒棄了其他無人駕駛車頂在頭上的好幾個傳感器，只有一個隱藏在風擋玻璃下的單目攝像頭；二是從車輛的縱向控制（加減速）和橫向控制（標的目的盤轉彎）上都利用了深度學習方法。

就算端到端的無人駕駛比Follow規則的無人駕駛更具技術含量，那么在應用層級上，端到端的無人駕駛真的更有優勢嗎？

百度給出的理由是，Follow規則的無人駕駛太過于依賴傳感器硬件，從而造成過高的成本，而依靠算法可以解決這一問題。

目前看來，這一理由是很難成立的。的確，差別的傳感系統就意味著差別的系統，而同一算法的統治下，無人駕駛的整體成本都會降低。硬件成本永遠都可以通過量產（和山寨）降低，看看曾經的CPU就知道了，而依靠深度神經網絡的無人駕駛則需要大量的數據和極長的訓練時間。一個已經能夠達到L3級別，另一個幾乎是從零開始，兩者相較，成本孰高孰低一目了然。

那么百度提出Road Hacker，并開放其模型下1萬公里自動駕駛訓練數據的目的究竟是什么？