12月8日，在第二届百度Apollo生态大会上，百度重磅发布了高级别智能驾驶解决方案ANP，即业界常说的领航辅助驾驶。

据介绍，ANP是基于目前国内唯一的L4级纯视觉自动驾驶技术Apollo Lite产品化形成，是L4级自动驾驶技术降维释放到辅助驾驶领域的产品。

与其他行业方案不同之处在于，ANP基于10个摄像头的纯视觉感知方案，利用不到30Tops的算力，就能够实现城市道路场景下的红绿灯识别、环岛绕行、无保护左转等自动驾驶能力。

当越来越多的车企开始接受和采用激光雷达的时候，百度却搞了一出“逆潮流”，究竟是为何？

百度副总裁、智能驾驶事业群总经理李震宇在接受采访时表示：由于目前受限于FSD或者车规级的实时需要，以及缺乏高算力芯片的支持，大家希望能够有低成本的视觉方案。

未来，自动驾驶将成为决胜的制高点，每一家车企都不希望在此期间落后，但从事实的角度来说，以激光雷达为主的多传感器融合解决方案，想要大规模的量产落地，确实存在着诸多难题。

因此，不难看出，百度此时推出纯视觉的L4级自动驾驶解决方案，是希望能够以低成本的优势快速实现量产落地。百度方面自己也表示，希望借助这套方案，大幅提升量产自动驾驶系统的用户体验，帮助车企打造下一代领先的智能汽车。

更轻量化的ANP

事实上，去年百度就已经对外公布了ApolloLite的存在。

当时，Apollo技术委员会主席王亮介绍称：Apollo Lite能够支持对10路摄像头、 200 帧/秒数据量的并行处理，单视觉链路最高丢帧率能够控制在5‰以下，实现全方位360°实时环境感知，前向障碍物的稳定检测视距达到 240 米。

王亮还表示，经过前期的技术研发投入和 2019 年上半年的路测迭代，依靠这套10相机的感知系统，百度无人车已经可以在城市道路上，实现不依赖高线数旋转式激光雷达的端到端闭环自动驾驶。

一年后，百度正式将该系统发布，相较于传统的L4解决方案，Apollo Lite更为轻量化，但却具有更强的感知能力。

这里的轻量化，一方面是轻传感器：10个摄像头，就能够实现全方位360度实时环境感知；另一方面是轻算量：30+的深度学习网络，只需要单一GPU显卡就可以支撑，整体算力需求小于30Tops。轻量化的产品，也就意味着更低的成本，以及更快速的尽量规模化量产。

此外，百度还在ANP中还融合了自身的高精度地图和V2X，从而能够为用户带来更好的自动驾驶体验。

事实上，除了ANP之外，百度Apollo还在今年9月发布了可量产的AVP自主泊车系统，目前已经与广汽、威马、长城等品牌展开量产合作。

从泊车域到行车域，百度Apollo智驾产品实现了面向城市复杂道路的全场景自动驾驶量产解决方案。百度方面表示，未来3-5年Apollo智驾产品预计前装量产搭载100万台。

纯视觉，还是激光雷达？

作为一直采用激光雷达为主的解决方案的百度，却开始采用纯视觉的解决方案，其实还蛮令人震惊的。

业内皆知，自动驾驶等级被划分为L0-L5级别，其中，L3作为分界线，往上是无需人驾驶的更高级别的自动驾驶，往下，则被统称为高等级的辅助驾驶。目前，车企已经量产上车的基本上都是辅助驾驶，也就是L3级别以下。

从整个汽车产业发展周期来看，短时间内，L3级别以上的自动驾驶很难实现，毕竟其中涉及到众多细节、安全、法律法规等问题。

现阶段，前文也有所言，以激光雷达为主的自动驾驶解决方案，想要应用上车，一方面缺乏高算力芯片的支持，另一方面，最重要的一点就在于其成本居高不下。

事实上，对于激光雷达，此前采埃孚中国研发总监綦平表示，业界普遍认为L4级别的自动驾驶开始用固态激光雷达比较有意义，而L4在乘用车大批量使用前，还需要做大量的工作。

基于此，从百度的角度来说，虽然ANP是以L4级别的纯视觉自动驾驶解决方案形成，但其实其赋能的场景仍然是L4级别以下的自动驾驶。在L4级别之下，纯视觉的解决方案成本更低、能更快速的量产上车，对于车企、对于百度来说，都是双赢。

事实上，从此前百度的自动驾驶解决方案来看，相较于其他各家无人驾驶的技术方案，百度的激光雷达所占的感知比重一直是比较低的，只有主激光雷达。

因此，百度方面也表示，在研究无人驾驶这一条路径上，百度一直坚持的事情就是希望视觉的比重越来越大，说不定有一天是以视觉为主。

不过，王亮也强调过，百度下决心投入资源研发纯视觉感知解决方案，并不意味着放弃现有基于激光雷达的技术路线，而是在技术实践过程中，充分意识到无人驾驶系统true redundancy的必要性，决定通过压强环视视觉技术来夯实多传感器融合感知框架。

摄像头和激光雷达谁将主导未来自动驾驶行业发展的争论从未停止过。业界对于激光雷达的否定，主要源于其高额的成本。此前，华为方面表示，其激光雷达产品即将量产，在成本上具有很大的优势，已经有多家车企与其在谈合作。

那么，一旦激光雷达成本快速下降，纯视觉的解决方案是否还会有市场？值得期待。