作为高阶智能驾驶的元年，从2022年起，高速NOA功能的规模化量产正在进一步提速，城市NOA也进入到拼量产的阶段。未来两年将是各大高端品牌的产品对标、平台与架构落地的关键周期。高工智能汽车研究院认为，在下一阶段的赛事中，产品能否经受住市场的验证，将决定其全栈自研的软件能力与核心技术水平先进程度，决胜下半场的可能性将更大。作为走在第一梯队的玩家，百度在11月就公布了L4和L2+自动驾驶技术融合的最新进展，并宣布将于2023年中交付L2+三域融通智能驾驶解决方案“ANP 3.0”。不过，拥有量产能力只是第一步。随着各路玩家在城市及高速等NOA赛道的交火日益猛烈，抢占市场不仅要实现“量”的超前，还要做到真正的“好用和易用”。而这一直以来都是业内友商在复杂城市场景面临的最大难点。不仅需要依赖先进技术的支撑，还要构建企业完整体系的护城河。这其中，自动驾驶头部玩家百度Apollo已经走出了清晰的模板。
从官方提供的泛化测试视频中可知，无论是面对极为复杂的城市路况，还是大车密集的高速路，百度ANP3.0系统的性能都可以说是达到了行业第一梯队。ANP3.0全称“ANP Apollo Navigation Pilot 3.0”，是百度Apollo⾯向新⼀代智能汽⻋推出的L2+级智能驾驶软硬⼀体产品⽅案。作为业内⾸批可实现量产的“三域融合智能驾驶解决⽅案，ANP3.0能够在停⻋场、⾼速路、城市路等区域⾃由畅⾏。真正做到了安全、熟路、好体验。对于一套自动辅助驾驶系统来说，能否正确地识别各种道路信息及交通标识，响应对系统的安全性以及用户体验至关重要。而在这方面，整个行业目前依然存在诸多问题，比如公交车上的人像广告被错误识别为行人。以目前行业总体的技术水平而言，系统对于复杂的十字路口、交通灯的数量（适用于不同的车道），以及其他交通标志都有可能造成误判；交通灯的安装位置由于没有特定的统一标准，也存在与摄像头视场的偏差，造成无法识别；同时，各种光线条件也很容易对摄像头产生干扰。此外，对于各类异物的识别，以及在信号弱、复杂的施工和隧道等场景中保障安全一直是友商产品面临的难点。而在百度ANP3.0的测试中，车辆则可以在城市域路线包含多处⼈⻋混杂路段中实现精准识别临时红绿灯、隐蔽和部分遮挡红绿灯。且面临快递⻋、临停⻋、下⻋⾏⼈等复杂场景，可实现相较友商更为精准的避障功能；面对“异物识别”等行业难题，其测试车辆也表现得游刃有余。例如中巴近距离⾼速切⻋（50km/h），刹⻋迅捷平顺；应对路⼝⾮机混⾏、路⼝外卖⻋“⻤探头”、转弯过程中与主路直⾏⻋辆博弈、⽆保护掉头或左转而对向不断有直⾏⻋时，都可及时灵活避让。在高速场景中，百度ANP3.0系统也是业界首个且唯一可以⾃动通过ETC的产品。同时可实现高效的大车避让功能。甚至在测试中征服了⼤曲率魔⻤弯（曲率半径130m）。总结来讲，这套系统可通过⾃⻋环境感知和⾼精地图辅助信息，⽀持⾃动巡航、拥堵跟⻋、变道超⻋、过红绿灯路⼝、上下匝道、穿⾏隧道等常场景，此外也能礼让⾏⼈、避让⼤⻋、识别前⻋⻋灯信号、推理遮挡红绿灯信号、结合交通流速度⾃动调节限速、甚⾄⾃动通过ETC等更智能、安全、先的智驾策略，⼏乎可以覆盖到⽇常出⾏的各种驾驶场景。其AP辅助驾驶功能则能在没有⾼精地图覆盖的区域通过识别地⾯⻋道线结构，⽀持沿⻋道线⾃动进⾏⼀路向前、跟⻋和⼈⼯拨杆变道，能跟⻋直⾏过路⼝，甚⾄不赖⾼精地图也能识别红绿灯信号，当失去⻋道线时可⾃动降级ACC继续提供辅助驾驶，AP进⼀步提升了智驾的可获得感。
ANP3.0系统之所以能在各种复杂的城市道路中表现出色，正是由于百度是国内唯⼀同时⾃研⾃动驾驶和⾼精地图的智驾供应商，可谓是最懂⾃动驾驶的图和最懂图的驾完美组合。它为ANP3.0打造了全新⼀代覆盖⼴⽽深的量产“地图”，其中包含ANP智能驾驶必须的⾼精数据元素，⽆缝衔接ANP智能驾驶系统算法特征和需求。保障智驾即便在复杂的道路拓扑结构下依然畅通⽆阻，给⽤户⾼获得感。目前，百度可⽤于⾼级领航辅助驾驶的⾼速⾼精地图累计近40万公⾥，城市也率先获得了深圳、⼴州两座⾸发城市的城市地图审图号资质。其采集⻋队规模超500辆，结合⾼度⾃动化的地图⽣产技术，预计未来会成为国内城市和⾼速路⽹覆盖最多的智驾辅助⾼精地图。在硬件方面，ANP 3.0采用了百度自研的自动驾驶控制器，两颗500Top AI计算的NVIDIA Orin-X，800万像素400米视野的摄像头传感器，SOTA半固态激光雷达。具备Apollo的特⾊“BEV环视三维感知”功能。整体方案功能安全等级达ASIL-D，机身采⽤⽔冷散热，⼯作温度可⽀持-40℃~85℃。在研发测试阶段，依靠“BEV环视三维感知”技术，ANP3.0已经成为国内唯⼀⼀个能依靠纯视觉跑通城市域多场景的智驾⽅案。不过，为了真冗余，ANP3.0将在2023年的实际量产阶段采用“纯视觉+激光雷达”的双感知方案，进一步从感知上应对非常规异形障碍物、夜晚障碍物、动/静态遮挡鬼探头、停车场跨层泊车等复杂城市场景，进一步提升智能驾驶的安全和稳定性，带给用户更加安心的体验。总体上，继承了Apollo L4技术，ANP3.0可为用户带来更加安全稳健的体验；加持百度⾃研的新⼀代智驾辅助“轻地图”，系统可在更广泛的城市场景中顺畅运行；而百度特有的Learning化数据闭环架构，也将助力公司整体的智能驾驶产品体验持续成⻓。
在高工智能汽车研究院看来，在NOA+高阶APA/AVP赛道，数据储备和迭代能力、域控制器及传感器硬件、全栈软件能力将是决定市场未来格局走向的三个关键要素。其中，在数据部分，从目前行业技术开发趋势来看，基本上围绕着特斯拉的影子模式进行开发。这意味着，大量实际道路数据积累以及闭环迭代能力至关重要，尤其是对于高阶功能来说，OTA持续迭代是准入门槛，这也是大部分车企和Tier1比较薄弱的环节。而百度Apollo则是将L4级技术（数据和软件算法）、地图端/云端服务端/高级别自动驾驶量产经验渗透至AVP/ANP产品，实现了从泊车到高速和城市全域打通。需要强调的是，大量城市实际道路测试数据和AI算法经验复用（城市经验更复杂，降维到高速场景更容易）对于高阶智能驾驶方案商而言，是一种独特的竞争优势。而百度Apollo探索L4级⾃动驾驶近⼗年，巧妙采用了L4技术与L2+城市智驾技术共⽣技术。
也就是说，ANP3.0与L4的Robotaxi数据平台打通，从而实现共生。并结合百度Robotaxi AI算法经验复用到城市拥堵和长途高速场景，充分发挥了超前的硬件性能。
在中国各级城市的运营过程中，百度Apollo Robotaxi沉淀了中国各⾊红绿灯数据，ANP3.0得以实现“中国式”红绿灯的⼈眼级感知效果，有效解决了自动驾驶行业一直以来面临的红绿灯识别难的痛点难题。其算法经过超4000万公⾥专业路测验证，每⼀公⾥由持考核资质的测试⼈员验证完成，对系统的能⼒有充分专业的验证。
ANP3.0采⽤⾼度集成的AI系统，超过90%的感知系统模块采⽤learning化设计实现，感知系统可持续通过数据驱动进化。
在数据采集层⾯，针对性地在线挖掘每个模型任务最需要的⻓尾数据。通过动态挖掘和⻋云交互技术，有的放⽮地对补充模型AI能⼒所需的数据⽚段进⾏精准、动态低成本的挖掘，实现数据资产的快速积累。
结合MLOps⼯程⽂化和流程机制，数据闭环⼯具链将复杂的模型训练步骤进⾏标准化封装，让训练过程更⾼效，模型产出更稳定，可实现模型⽇常周级别迭代，⾼优问题最快天级别修复。
作为全球自动驾驶领域首屈一指的企业，百度Apollo一方面致力于为用户提供无人驾驶出行服务，另一方面将自动驾驶技术落地在量产智能驾驶领域。凭借真正意义上的数据闭环优势，其L4产品将持续为L2+智驾产品提供先进技术迁移与海量数据积累，更快地推进明年ANP3.0的量产落地。
