如何用超低算力实现行泊一体？百度给出答案

2022 年，智能驾驶领域开启行泊一体化热潮。

根据高工智能汽车研究院最新的数据，今年前 9 个月，中国市场（不含进出口）前装标配搭载行泊一体域控制器的乘用车交付上险量为 49.85 万辆，同比劲增 117.12%，搭载率为 9.75%。就车型来看，小鹏 P7、理想 L9、智己 L7 以及吉利星越 L 等车型均已实现行泊一体方案的量产落地。而比亚迪、红旗、奇瑞等多家车企也计划将行泊一体方案拓展至未来多款车型中，到时该方案将不仅仅应用于 30 万级别以上的车型，也会搭载在 10-20 万级别的车型上。

显然，行泊一体已逐渐成为当前智能驾驶领域的主流方案。

行泊一体关键在量产

随着汽车电子电气架构由分布式向域集中式架构升级演变，带来软硬解耦原本独立的泊车和行车两套独立的系统也慢慢趋向一体化。那么，什么样的产品能被称为行泊一体方案？

对此，百度认为能称之为行泊一体的产品需要满足三个基本条件。首先，行车和泊车功能共用控制器和传感器，硬件能够复用。其次，行车和泊车使用的是相同的算法框架，而且能够深度融合，支持行泊切换。最后，真正的行泊一体方案能够实现行车域与泊车域的能力互补。比如，在低速场景中，环视检测能力支持行车、前向检测能力支持泊车。

图片来源：百度

采用行泊一体方案的车辆，可以使用行车系统的传感器补充感知、增强泊车功能的安全性，而行车域的 Cut in 场景，可以通过泊车域的环视摄像头对后车切入进行预判。因此，相较于独立的两套系统，一体化的产品在满足两大功能需求的同时，能够大幅降低硬件成本。

降本之外，行泊一体还可大幅提升开发效率。由于集成为一个系统，因此汽车制造商可以直接对应一个供应商，且有些供应商还可提供定制开发，产品的底层基础软件和标准中间件适用于不同车型平台，开发周期更短，资源投入相对较少。

此外，不同于分布式架构，行泊一体能够实时回传各个传感器收集的数据，避免出现数据割裂情况，进而能更精准推动系统迭代。而且行泊一体方案的以太网接口一般能达到百兆甚至千兆，足以支持高级算法模型部署，能够更好地实现功能的 OTA 升级，进一步提升用户体验。

正是鉴于种种优势，行泊一体已经成为汽车行业的新赛道。根据高工智能汽车研究院的预测，随着车企的加速布局，2022 年全年行泊一体方案的交付量将冲刺 80 万辆目标，而明年的交付量有望突破 150 万辆。

进入 2022 年以来，入局者越来越多，但是大部分方案似乎并不是真正的行泊一体，可能只是将行车和泊车的功能生硬地拼错起来。百度智能驾驶事业群组首席产品架构师、百度智能汽车事业部总经理郭阳在近日的媒体沟通会上表示，" 目前行泊一体很火，市场前景也很广阔，相关产品在乘用车上的搭载量呈快速上升趋势。蛋糕足够大，但是市场中也充斥着很多 PR 内容。"

郭阳指出，就现阶段而言，用户的需求是比较广泛的，因此供应商需要先明确具体的需求。" 对于行泊一体，我们认为，关键是先实现量产，让用户真正能使用到相关产品。"

百度 ANP2.0：低算力，高性能

在行泊一体化领域，百度的目标是成为实实在在做量产的智驾解决方案供应商，郭阳在媒体沟通会上如是说。百度推出了行泊一体技术解决方案 ANP2.0，旨在为行业提供更加经济实惠、能够实现快速大规模部署的智能驾驶产品，并且已经与多家车企达成量产合作。

据官方介绍，ANP2.0 聚焦高速路、城市环路、停车场等场景，是业界首个基于双 TDA4超低算力平台（16TOPS+44kDMIPS）实现高阶行泊一体的技术解决方案，同时配备 9 颗摄像头、12 颗超声波雷达、5 颗毫米波雷达。

高阶主要体现在两大方面。在高速和城市环路场景下，ANP2.0 能够实现点到点的自动驾驶，用户只需设置终点，车辆就能自行设置路线，为用户提供完善和连贯的体验。具体来看，ANP2.0 总覆盖超过 30 个主要行车场景，可自动通过匝道、Y 型路、大曲率弯道、隧道等路段，自主进行效率变道、变道避让，也可根据道路限速的要求进行自动限速。即使在像雨天、积水等恶劣环境下，ANP2.0 也有良好表现。

另一方面，在停车场内，ANP2.0 可以帮助车辆在 20-30 秒内完成常规的泊车动作，泊车成功率大于 95%。此外，该方案还能处理机械车位等复杂车位场景，以及学习固定路段的行驶路线实现同路段的全过程自动驾驶。

相较于市面上现有的行泊一体方案，百度 ANP2.0 与百度 Apollo Robotaxi 基于相同的数据云平台，是百度将 L4 级无人驾驶技术降维至驾驶辅助领域。根据百度公布的信息，其 Robotaxi 已经经过近十年的真实路测和数十万例仿真 case，积累了海量的数据。高工智能汽车研究院在其最新的《高阶行泊一体化》本土供应商市场竞争力榜单上，也认为百度 Apollo 的数据竞争力名列前茅。

百度其将在 Robotaxi 领域多年积累的感知、定位和融合的算法在低算力平台进行优化，进而提升整体能力，并且降低产品对硬件算力的依赖。比如，小鹏 P7 使用的 Xavier 芯片的算力大约为 ANP2.0 双 TDA4 平台的两倍，但是借助于百度的优化算法能力，ANP2.0 可以用更低的算力实现同样的功能，且成本更低。

此外，ANP2.0 也经过了 30 万公里以上的实际道路泛化测试，其各项功能得以实现充分的测试验证。反过来，ANP2.0 也会给 L4 技术提供更多的补充，形成数据的闭环。

至于选择中低算力平台的原因，郭阳解释道，" 中低算力平台现在是一个很好的普及手段 "，可以满足 " 在短期内很快使用的需求 "，而百度是目前供应商里唯一能在低算力平台上实现泊车和高速场景实现高阶功能的供应商。

从用户体验的角度来说，ANP2.0 能为用户带来更稳定的体验感，比如加减速控制平缓、应对跟车 / 切入响应及时、智能选择最优车道自主变道、变道过程稳健舒适等。

ANP2.0 方案还将智驾与车机地图融为一体。借助百度自有地图业务的优势，ANP2.0 可以享受更优质的图端服务，相较于外采高精地图的模式，百度有更高的调试效率，能极大减少联调成本。

对于近期行业出现的 " 重感知轻地图 " 的观点，百度认为 3-5 年内城市高阶辅助驾驶仍无法完全摆脱高精地图。百度 Apollo 汽车智能化以 "BEV 模型 " 为核心感知技术，能实现 360 ° 实时道路结构的三维重建以及道路元素的识别。在有高精地图区域等于增加了一层车端冗余，与地图互为校验，能够应对道路变更等地图存在的挑战。迈入 L3、L4 更高等级的自动驾驶，面向复杂的中国道路情况，高精地图不可或缺。

未来，随着三域融合的趋势越来越明显，百度 ANP2.0 也会持续提升能力，降低成本。郭阳表示，" 未来，我们也会逐渐解锁更多的出行场景，比如会解决低速拥堵，城市内的一些安全和舒适场景。" 而百度 Apollo 赋能的智驾产品的搭载量也会保持平均每年 100% 的增速。