自從百度發布Apollo 1.5 計劃后，自動駕駛生態項目快速引起了國內外的巨大反應，大量的數據表明Apollo 計劃新增了 6.5 萬行開源代碼，說明百度對此舉是經過了研討和審核，并不是臨時之舉。

　　為什么叫 Apollo 1.5？對這個項目有持續關注的同學應該記得，在 7 月 5 號的發布會上，百度雖然展示了 Apollo 的技術全景，但是當時他們開放的其實是 Apollo 1.0 的版本，可以實現封閉場地的循跡自動駕駛能力。而按照他們當時給出的時間表，在 2017 年 9 月會開放固定車道自動駕駛的能力，到 2017 年 12 月，開放簡單城市路況自動駕駛能力，也就是 Apollo 2.0。

　　這次他們開發的 Apollo 1.5，實際上就是開放了固定車道自動駕駛能力。也就是說，在大家經常提及的 1.0 及 2.0 版本之外，今天發布的 1.5 版本，其實原本就在百度的計劃之中，并不是一場「臨時起意」。

　　具體在技術層面開放了什么呢？這時候又要搬出那張經典的 Apollo 技術架構圖了。

　　我們再來復習一下 1.0 和 2.0 版本的路線圖：

　　1.0，藍色框為開放的能力：

　　2.0，相比 1.0 新增了紫色框的內容：

　　而 Apollo 1.5 的路線圖是這樣的，其中黃色部分的內容是這次所開放的內容：

　　可以看到，在開源軟件平臺層面，這次開放了地圖引擎（Map Engine）、感知（Perception）、規劃（Planning）、端到端深度學習（End-to-End）四個能力。而在云端服務平臺層面，這次開放了高精度地圖（HD Map）、仿真模擬平臺（Simulation）兩部分。硬件方面，Apollo 開放了對于激光雷達的支持。

　　把這些能力和 1.0 版本所開發的能力相加，Apollo 1.5 所能實現的功能如前所說，就是「定車道晝夜自動駕駛」，也就是說，如果你想基于 Apollo 開源代碼做自動駕駛，用了 1.5 版本的這套東西，可以讓你的車子實現單車道內的自主駕駛和跟車功能。

　　允許我跳脫一下說句題外話：百度這個 Apollo 1.5 發布會，做的相當技術范兒，如果不是對于自動駕駛技術有較深研究的記者，可能會聽的很暈。當然，發布會到場的不止媒體，合作伙伴和潛在合作伙伴聽了這些，可能會很「享受」。

　　但是在這里還是有必要去分解一下技術層面的東西。

　　來看看這次 1.5 版本開放的五大能力：障礙物感知、決策規劃、云端仿真、高精地圖服務、端到端的深度學習。

　　其中按照 Apollo 平臺研發負責人王京傲的說法，前四個能力是「如期開放」的，而在 Apollo 1.5 這個時間節點上開放端到端的深度學習能力有點兒「意料之外」。

　　在我看來，選擇開放什么能力，是由每個階段的目標所決定的。從 1.0 的封閉場地自動循跡發展到 1.5 的定車道自動駕駛，障礙物感知、決策規劃、仿真測試、高精地圖這幾項能力，其實是必須要開放出來的，否則很難實現 1.5 的目標。

　　先說障礙物感知。按照百度的說法，這個能力是基于深度學習實現的。具體原理是，通過「參考硬件」Velodyne 的 64 線激光雷達采集周圍環境的點云數據，然后使用英偉達的 GPU，通過 CUDA、CuDNN、Caffe 技術實現對于障礙物的精準識別。一方面，可以實現對障礙物的行為預測，另一方面，為了適配不同的障礙物，Apollo 也會提供不同的算法。

　　這也解釋了為什么百度要在 Apollo 1.5 里開放對于激光雷達的支持。

　　而作為百度投資的公司，Velodyne 今天也在現場發布了一個消息：他們正式在國內上市 32 線激光雷達產品 VLP-32C（請記住，是 32C）。另外，對于 Apollo 生態成員，Velodyne 還會提供「特殊服務」：如果這些公司需要激光雷達裝在自己的自動駕駛測試車上，Velodyne 會提供更短的交貨周期、專項技術支持，當然還有「生態成員專屬價格」。

　　決策規劃：系統可以對無人車收集的數據進行篩選聚合，在決策規劃這個模塊對這些數據進行重構，基于此，運用不同的優化器，為無人車畫出最安全、最光滑的行車路徑。具體看圖吧，懂的同學自然懂：

　　端到端的深度學習：既采用了卷積神經網絡，也采用了創新性的基于深度學習的神經網絡。

　　高精度地圖：這是實現自動駕駛的基礎之一，此前我們也專門用一篇文章介紹過百度高精度地圖的具體采集、制作過程。百度認為他們的高精度地圖具備精細化程度高、生產效率高、覆蓋面廣這三個核心優勢。

　　百度的目標是到 2020 年，Apollo 高精度地圖將覆蓋全國所有高等級道路及重點城市道路，目前開放的是全國范圍內高速公路與特定城市道路的高精度地圖，精度在 15-20cm 的級別。

　　云端仿真：百度稱之為自動駕駛的「加速器」。它的意義在于，不需要實際用自動駕駛測試車上路實測，在仿真平臺上就可以進行「虛擬路試」，達到快速鍛煉算法以及積累數據的目的，節省成本，提升效率，快速迭代。

　　Apollo 仿真平臺的優勢在于內置高精地圖、擁有海量場景、有云端計算能力以及可以提供專業度量體系（度量體系也就是所謂的「裁判員」，用來評估測試的算法水平如何）。

　　按照百度給出的信息，Apollo 仿真平臺的虛擬運算能力可以達到「日行百萬公里」。

　　好了，以上就是對于這幾個新增開放能力的介紹。說實話，百度在發布會上給出的信息量要遠大于我所寫的，他們對每個能力的講解都非常詳細。如果你是自動駕駛技術的開發者，可以去 Apollo 的官網了解更多，如果你是吃瓜群眾，這部分有個基本了解就夠了。

　　當然還有一種可能：作為吃瓜群眾，沒準兒你看了這些東西，也想去 DIY 一個自動駕駛車玩玩？

　　說完了技術，再來聊一些關于 Apollo 計劃更宏觀的東西。

　　「開發者」這個詞，是百度方面反復提及的，作為一個開放的自動駕駛計劃，開發者的重要性不言而喻，如果不好理解的話，可以參考安卓的例子。用百度的話術來說就是：開發者的成功，就是 Apollo 計劃的成功。

　　在發布會現場，三個「開發者」從不同的角度聊了聊自己的體會，他們分別是金龍客車、Momenta 以及智行者科技這兩家創業公司。

　　金龍把一輛 6 米長的巴士進行了硬件改裝，灌入 Apollo 1.0 的代碼，在一周之內讓車輛具備了封閉場地循跡能力。而這也標志著 Apollo 的應用從乘用車拓展到了商用車領域。

　　Momenta 和智行者提供了兩個 Apollo 1.5 的應用案例。

　　Momenta 的 CEO 曹旭東介紹說，他們基于 Apollo1.5 做的自動駕駛測試車，在白天和夜晚場景下可以完成對于前車突然并線、行人、自行車橫穿馬路等交通場景的精準識別。而當路上出現垃圾桶、大型犬及紙箱等非典型交通場景時，車輛也能做出準確判斷，提供安全穩定的行車決策。Momenta和 Apollo 的合作主要是為了驗證障礙物識別和激光雷達感知部分的能力。

　　至于智行者，他們和 Apollo 的合作主要基于高精度地圖和云端仿真。在北京某個公園目前已經投入了一種「無人駕駛掃路機」，智行者為它提供了無人駕駛解決方案，而這其中就用到了 Apollo 的高精度地圖及定位服務，實現了自動避障、自主循跡、定點起停、自主掃地等功能。另外，智行者還利用了云端仿真平臺進行自動駕駛模擬測試。

　　據百度介紹，在經過了兩個多月的發展之后，Apollo 生態目前的合作伙伴數量增加到 70 家左右。

　　至于整個 Apollo 開發者生態的構成，可以用百度副總裁鄔學斌在現場展示的一張圖片說明：

　　其實從 1.0 到 1.5 再到未來的 2.0，可以看出的是，百度很看重 Apollo 的迭代能力，做個可能不恰當的比喻，這就有點兒像特斯拉的 OTA 遠程更新。作為 Apollo 生態的合作伙伴，不斷地獲得自動駕駛能力的更新，可能這也是一件有「生命力」的事兒。

　　而當問及 Apollo 到底如何贏利的時候，鄔學斌的回答簡短但卻意味深長：不在現有價值鏈里淘金，而是從云端提供服務。