低速無人駕駛汽車將成為推翻自動駕駛的第一張多公尺諾骨牌。
讓我們從乙個場景開始。 寒潮襲來，北方城市迎來了大雪，但與故宮下雪天一樣的，故宮裡卻是短暫的清雪：負責清潔景區衛生的保潔師傅拿著鐵鍬，將一堆積雪運到欄杆上，為遊客清理出一條安全的道路。
大雪的浪漫背後，是一場艱苦的城市除雪戰。
以自動駕駛冰鏟、清掃車為代表的低速無人車，是此類場景最具價效比的解決方案。 在這樣的場景下，環衛工人的角色從勞動者轉變為監督者，既保證了環衛工人的安全，又進一步提高了清潔效率。
據車心統計，2024年新增無人環衛專案30餘個。 據新戰略低速無人車產業研究院**預測，到2024年，我國低速無人車產業規模將超過500億元。
由於在封閉場景下實現自動駕駛技術難度較低，商業模式完善，與開放場景下的自動駕駛相比，它將率先實現盈利。
事實上，隨著傳統商用車企業積極與自動駕駛強國聯手，低速無人車不僅將率先完成商業閉環，還很可能率先實現自動駕駛，為全場景自動駕駛注入新的信心。
低速無人車迎來潮汐倒流時刻
做自動駕駛就像在玩一場無限的遊戲。 這是困擾自動駕駛工程師已久的問題，但這個問題在低速無人車領域並不存在。
在腦海中建立乙個坐標系，問題就可以拆解了。
坐標軸的橫軸是自動駕駛的落地場景，分為：開放場景和封閉場景，縱軸是運輸型別：分為貨物和人。
這四個關鍵要素的結合導致了自動駕駛的產生：
開放場景 + 貨物 = 幹線物流。
開放場景+載人=機械人計程車、乘用車自動駕駛。
封閉場景+貨物=礦山、港口自動駕駛、無人環衛、無人配送、無人安防......
封閉場景 + 載人 = 自動駕駛巴士。
如果你看一下從這四個關鍵詞中誕生的自動駕駛應用，你會發現商用車和乘用車所需的自動駕駛，以及封閉和開放場景下的自動駕駛，是不同的。
從交通型別來看，乘用車自動駕駛是L2+自動駕駛與駕駛體驗的融合。 在這個層面上，自動駕駛不僅要解決高速和城市地區複雜場景的問題，還要兼顧使用者的駕駛體驗。
這不僅是對結果的考驗，也是對比賽過程的考驗，比如系統的剎車是輕柔的還是激進的，需要結合不同的場景和乘客狀態來適應情況。
商用車需要的自動駕駛顯然更直接——非人性化、少操縱化、各種場景下的無人化。
商用車作為一種重要的生產手段，強調生產效率高、生產成本低。 從這個角度來看，商用車可以充分發揮自動駕駛的生產價值。
從場景分類來看，封閉場景賦予了自動駕駛場景確定性，相比之下，低速無人車已經開始走向規模化量產應用。
根據IHS Markit報告，預計到2024年，L2及以上自動駕駛系統在中國乘用車市場的滲透率將達到342%。
根據這一預測，2024年至2024年的年均增長率為384%。如果開放場景下的自動駕駛逐漸滲透，那麼低速無人車就像潮汐一樣，當政策、成本、資源形成交匯點時，就會大規模爆發。
變化正在發生。 比如，一位在礦井裡搞過自動駕駛的業內人士曾經說過：現在，礦井甚至會催促礦井無人駕駛。 目前，一些地方已經開始對無人駕駛礦山的滲透率有指標要求，比如內蒙古，要求礦山產能降低30%，同時通過無人駕駛擴大產能。
在低速無人車爆發前夕，自動駕駛企業要麼聽到聲音就動起來，要麼組隊走。
目前，在低速無人車領域有兩種突破方式：
一是以Nuro、Neolithic、White Rhino為代表的自動駕駛企業切入封閉場景，開發自己的低速無人車。 雖然高維切入低維技術豐富，但低速無人車行業是乙個需要打產品合作之戰的領域，單打獨鬥是遠遠不夠的。
另一方面，具有商用車開發經驗的主機廠與自動駕駛企業聯手，一方擁有開發商用車的工程經驗，另一方面通過深厚的技術幫助車廠實現快速發展，從而最大限度地發揮其量產和工程優勢，形成集團軍，更快地開啟市場。
打造低速無人車，為什麼需要通用能力？
蘇州金龍與阿波羅開放平台的結合，是低速無人車群軍作戰模式。
蘇州金龍從2024年開始製造商用車，至今，中型客車和大中型客車仍是一張王牌，市場占有率位居前五。
不過，正如蘇州金龍前瞻性技術研究院副院長劉明春博士所說：企業的電動化、智慧型化、網聯化程度決定了企業的天花板。
面對下半年汽車產業的激烈洗牌，蘇州金龍進軍低速無人車。 一方面在傳統客車業務的基礎上拓展無人駕駛客車，另一方面布局低速無人系列產品線。
經營邏輯已經想清楚了，但如何落地，蘇州金龍和其他傳統主機廠一樣，面臨著智慧型化轉型的典型問題：在低速無人車領域塑造生態的能力仍是短板。
劉明春提到，與乘用車相比，低速無人車更注重整體解決方案，除了車輛端的可靠性外，還必須關注運營端、客戶端、雲端、遠端監控等。
因此，今年以來，蘇州金龍與阿波羅聯手，圍繞自動駕駛汽車的各種細分場景，共同打造低速無人車生態圈。
今年，蘇州金龍攜手合作，打造了集車端、自動駕駛端、運營端、客戶端、雲端、遠端端於一體的整套解決方案。
在蘇州市中心的公園裡可以看到由阿波羅技術驅動的自動駕駛汽車，兩個月前在世界人工智慧交通大會上看到了九輛自動駕駛巴士，將人們從交通樞紐連線到核心酒店。 」
阿波羅開放平台之所以能夠全方位賦能低速無人車，是阿波羅的整體公升級。
就在今天，阿波羅開放平台公升級到了9版本 0。
10 個字總結阿波羅開放平台 90：靈活、易用、通用、易擴充套件。
阿波羅開放平台的A面強調系統的靈活性，B面強調系統的多功能性。
第乙個是阿波羅開放平台9號0 工程框架、演算法能力、工具鏈、文件平台全維度公升級。
工程架構：支援ARM編譯;包管理方案下沉到應用功能層面;
演算法能力：新增增量訓練方案雷射雷達感知模型公升級為CenterPoint，攝像頭感知公升級為YOLO X + YOLO 3D
工具鏈：開發新的配套工具 DreamView+
文件平台：重構文件中心。
如果我們說阿波羅開放平台8版本 0 是開發人員的通用工具，然後是 90的公升級，其實為不同場景、不同程度的自動駕駛發展提供了乙個更加專業、更精細的寶庫。
例如，8工程框架版本 0 實現了工程架構與軟體模組的解耦，提高了模組編譯和發布的效率0 將更進一步，進行深度處理，將停留在模組級別的能力委託給應用功能級別，以便開發人員在構建自動駕駛系統時可以更精細地設定軟體構建。
這種能力在演算法層面更為突出。
根據汽車的心臟，9除了引入4D公釐波雷達，公升級雷射雷達和攝像頭主模組的感知演算法外，版本0還增加了增量訓練方案。 相當於阿波羅開放平台9號版本 0 的功能閾值再次擴大。
困擾自動駕駛的冰淇淋蛋筒和有缺陷的汽車識別被工程師解決了，但會有新的冰淇淋蛋筒無法識別。 因此，阿波羅開放平台9新增了 0 增量訓練，對原有訓練資料的技術進行了不斷的擴充套件，是滿足開發者和合作夥伴感知系統結果的特定需求的路徑。
卡車可以正常識別，但如果是沒有車廂，只有車頭的卡車呢？
自動駕駛平台生態部總經理張亮在阿波羅開放平台9號上0 發布會上提到了乙個案例，一位 OEM 開發人員能夠使用增量訓練和僅 2000 幀資料在感知系統中準確檢測出這輛特殊車輛。
根據汽車的心臟，通過增量訓練，檢測的準確性和障礙物邊界的範圍將更加清晰地呈現出來。
整體架構的公升級是一回事，但如何將其應用到低速無人車領域，也是必須考慮的問題。
一位業內人士提到，商用車的細分場景非常複雜，礦用卡車、清潔、配送等種類繁多，但每個品類都不如乘用車。 因此，主機廠投入大量精力針對每個細分場景進行全棧自研，成本分配難度巨大，需要針對低速無人車的通用解決方案。
對此，阿波羅開放平台90 在低速無人場景、礦山場景等方面做過定製化開發。 從提公升自動駕駛軟體能力、豐富場景應用落地能力、硬體選型、系統部署四個層面，實現低速無人車更快、更低成本的場景對接。
例如，在封閉的校園場景中遇到的障礙物通常與在開放道路上遇到的障礙物不同，例如躺椅可以出現在校園中，但不能出現在開放的道路上。
因此，在自動駕駛軟體能力層面，阿波羅開放平台90 結合深度習，增加了一種新的背景分割演算法，可以更好地檢測封閉公園內的具體外星障礙物。
再比如，在自動駕駛業務能力閉環之後，阿波羅還打造了三種系統部署方式：
第一種是通過標準協議模型與自動駕駛汽車相結合
其次，通過引數的部署和介面的呼叫，賦予車輛有效的能力
三是通過第三方協助落地。
至此，實現了低速無人車自動駕駛應用的完整閉環。
構建自動駕駛水庫
與成為自動駕駛的領導者相比，Apollo開放平台90 似乎更像是乙個適合所有場景的自動駕駛水庫。
從2024年阿波羅開放平台1開始版本0已經推出至今，在6年的時間裡迭代了9個大版本，經歷了自動駕駛的四個階段。
第一階段：10-2.0階段基礎能力提公升，阿波羅開放平台從封閉場地公升級為單純城市路況自動駕駛，在國內率先開啟L4級自動駕駛的大門，並廣泛引進自動駕駛人才，開創了中國自動駕駛的早春。
第 2 階段：20-6.第 0 階段場景能力公升級。 阿波羅開放平台已經從封閉的園區、點對點的城市自動駕駛一路走向無人駕駛，而這一時期伴隨著技術的進步，自動駕駛的應用場景不斷增長，是自動駕駛最動盪的擴張期。
第三階段：70—8.系統在階段 0 的易用性有所提高，Apollo 開放平台引入了乙個里程碑式的完整演變，從**到工具，從開源平台到基於工具的平台，並在 80 這些功能在平台中不斷公升級。
第四階段：9從第0階段開始，它通過靈活、易用、普遍易擴充套件等特點，為生態共創開闢了新的維度。
原因是因為從 10-9.在0的公升級迭代中，阿波羅秉持開放的態度，變不可用為可用，變難為易用，打造全場景自動駕駛水庫。
場景曾經是自動駕駛公司最容易被忽視但致命的關鍵詞。
在大西洋的另一邊，著陸場景和商業模式的選擇過於簡單，這使得以克魯斯為代表的公司陷入了寒冬期。
然而，依靠全場景擴充套件的阿波羅，為自動駕駛的落地提供了全新的解決方案——打造基於場景的生態圈。
儘管低速無人車行業比RoboXi更難，但仍需面對需求、資源、方向這三個新卷。
首先，低速無人車的需求需要填補，其次，場景落地方向複雜，有礦山、環衛、安防、零售等不同場景。
其次，資源波動性很大，需要先進技術和高質量製造的疊加，才能到處落地專案。
阿波羅開放平台打造的水庫，為低速無人車行業提供了答案
目前，除了蘇州金龍之外，阿波羅正在與更多的合作夥伴合作，通過兩種方式突破低速無人車
目前，阿波羅已與凱沃集團、東風商用車、廈門金龍等建立了合作關係;
另一種方式是與中航裝備、惠爾智慧型、超興智慧型、金銳奇、魯特捷等垂直科技公司合作，全面鋪開低速無人車市場。
蓄水池就是要為製造企業智慧型化轉型提供新的動力引擎，而打造引擎，要從長遠主義的角度出發。
阿波羅開放平台不是一次易。 在蘇州金龍的合作中，不僅解決了自動駕駛系統建設的問題，也幫助蘇州金龍解決了長期的人才問題。
蘇州金龍雖然擅長底盤製造，但缺乏軟體開發人才。 Apollo開放平台從誕生之初就強調開源技術，目前Apollo開發者社群擁有16萬開發者。
通過阿波羅開放平台的各種開放學習和習資源，讓剛剛進入蘇州金龍自動駕駛團隊的新鮮血液能夠快速了解自動駕駛的完整架構，初步掌握自動駕駛的動手研發能力。
蘇州金龍只是眾多傳統製造企業向低速無人駕駛邁進的乙個縮影，隨著阿波羅開放平台的集團大軍之戰，傳統製造企業的新動力引擎已經推出。