新能源汽车 近日，百度智能汽车事业部总经理顾维灏在 CES Asia 上带来了主题为《自动驾驶新浪潮》。在演讲中，顾维灏详解了百度在自动驾驶领域的两大亮点成果——端到端的自动驾驶模型 Road Hackers, 以及与德赛西威、联合汽车电子分别开发的、国内首个可量产的自动驾驶计算平台 BCU（Baidu Computing Unit)。
长城汽车提供底盘控制技术，英伟达提供 DRIVE PX2 计算平台，百度提供自动驾驶技术
百度还在场馆外进行了自动驾驶车辆的测试，该车最大亮点是采用了基于单目摄像头、端到端深度学习自动驾驶解决方案。百度一位工程师向我们透露，除了此次与长城汽车合作的两款车型外，今年 8月，百度还将展示第三辆自动驾驶汽车——具备自定位、环境感知能力和决策控制能力。
今年 3 月，百度通过内部邮件宣布，对现有业务及资源进行整合，成立智能驾驶事业群组（IDG），由自动驾驶事业部（ADU）、智能汽车事业部（L3）、车联网业务（Car Life etc.）共同组成。作为百度智能驾驶事业群组的事业部之一，本届 CES Asia 可以看成是智能汽车事业部（L3）整体发展成果的一个展示窗口。眼下，百度的阿波罗计划依旧没有太多实质性的消息公布。在这次长达 45 分钟的演讲中，关于阿波罗计划」的介绍也仅在最后的 5 分钟：阿波罗计划是一套开放、完整，安全的生态系统和架构，它包含了四个层次：参考汽车层，参考硬件层，软件平台层、云服务层。
顾维灏表示，演讲中的内容对于整个阿波罗计划来说只是冰山一角。尽管如此，顾此次的演讲依然值得咀嚼，他代表的是百度另一种自动驾驶解决方案的思路：如何用低成本、成熟的传感器和端到端的深度学习实现自动驾驶。以下是顾维灏在 CES Asia 的演讲，我们在不改变原意的基础上做了编辑与删减：
自动驾驶仿真技术
在这次展会上，除了高精地图外，我们还带来了更多面向智能汽车、自动驾驶或智能驾驶的新产品。如果你到我们展台，会发现有一个互动的大屏，它展示的是自动驾驶仿真技术，这项技术主要解决的是自动驾驶测试问题。
我们相信未来的自动驾驶，它的能力一定会超过人类。但是，如何超过人类？我们需要在真实的道路和环境上实践多少才能达到人类的水平？有很多论文都在研究这个问题。其中我看到一篇比较著名的论文，通过各种可信度和置信度的计算，在理想情况下，汽车需要行驶两亿英里才能够达到人类的水平。而特斯拉通过自己的计算，需要六亿英里。
对中国来讲，路况更加复杂，我们需要测试多少里程才能让自动驾驶车辆赶上或者超过人类的水平？这是一个非常艰巨的任务。所以我们展示一个仿真的环境：将高精地图灌入到仿真环境里，再建立一个虚拟现实的 3D 环境。同时，我们把自动驾驶算法、车辆控制动力模型也加入到仿真器里——它可以随时地、不停歇地进行测试。有了这个仿真器，我们实际上就能更快、更好地加速自动驾驶的测试过程。
深度学习
当我们在谈人工智能的时候，我认为有最关键的两点：第一，有没有足够多的数据，这是人工智能基础；第二，有没有能力将这些数据转化为知识。语音识别把声音转化成文字，这是一种知识能力的转化，我们从图像里去识别猫狗、汽车，这也是知识的转化。所以，只有具备了数据，又有将数据转化为知识能力，才能称得上人工智能。
过去十几年，我们一直是最好的中文搜索引擎，也积累了大量的文本结构数据。现在的互联网或者过去十几年在互联网上存在的每一个网页，我们数据里都有存载。
有这么大的数据后，如何将这些数据通过搜索引擎的排序算法，更好的展现给不同的搜索者？随着人们对搜索的要求越来越高，我们对搜索引擎的算法也提出了更多要求。百度是最早引入机器学习算法作为搜索引擎的主算法，同时加入了个性化——我们叫做点击调台的能力，使得每个人看到的、搜索的结果，都会有针对个人特点的不同排序。
我们之所以说过去一段时间，识别的效果或搜索算法不好，是因为我们在面对有限计算资源时，要做很多 trade off（取舍）：主动进行剪枝，让搜索空间变小，更快拿出准确的结果，但这样我们可能就会丧失一些好的结果。随着计算能力的提升，包括 FPGA，GPU、CPU 的发展，这个搜索空间可以变得更大，这个时候好的结果被砍掉的机率会变小，更相关的结果就排到了前面。所以，我们在搜索引擎方面的能力积累，现在也应用在自动驾驶领域。
