2023年，乘用车市场智能驾驶如火如荼，高速NOA、城区NOA的快速推进，让智能驾驶进入C端消费者的购车选项，带动了供应链和应用快速发展。

在To B应用场景，虽不如乘用车市场热闹，但人力逐渐短缺、工作环境恶略、成本逐年上涨等真实痛点，逼迫企业不得不探索新的解决方案。与此同时，政策的支持力度也逐渐加大，相应的扶持政策和补贴力度也在不断加强。

随着供应链日趋成熟和自动驾驶产品的务实演进，园区、矿区、港口、环卫、配送等低速自动驾驶应用场景较几年前已经发生了质的变化。

在矿区，踏歌智行、易控智驾、中科慧拓等多家企业已经将自动驾驶车辆投入到矿山的实际生产过程中，实现去安全员常态化运营，运营时长超过人工驾驶，运营效率接近人工驾驶。

截止2023年11月，踏歌智行的无人驾驶技术方案已经应用到超400辆矿用运输车上；易控智驾已经实现单矿203辆无人驾驶线控矿卡交付和运营；中科慧拓则在今年10月与华为、宇通合作出海，落地泰国最大的综合性企业SCG（泰国暹罗水泥集团）。

在配送场景，美团、九识智能、新石器、白犀牛等企业也实现了较大的突破，一方面线控底盘和自动驾驶套件成本快速下探，另一方面企业的自动驾驶产品和运营配套能力也有显著提升。在客户层面，物流配送、商超零售、社区团购、医药和快消品等行业的头部企业对无人配送的认知和认可也快速提升。

所以我们看到低速配送车越来越多地在合肥、成都、长沙、苏州等诸多二、三线城市街道运营，为了满足实际配送任务和效率需求，无人配送车辆的装载空间、载重量、续航里程快速提升，最高速度也提升至40km/h左右。

以九识智能的Z5产品为例，装载空间达到5m³，最大载重可达800kg，在部分场景和线路，已经帮助客户实现配送的降本增效。

头部企业的运营破局和规模投放，意味着低速自动驾驶应用接近商业化拐点。可以说，低速自动驾驶已经来到商业化前夜，就差临门一脚。

然而，众所周知，自动驾驶是个高技术门槛、重数据积累的行业，想要入局，就必须有算法能力，想要算法强大，就必须有海量的数据训练。这让过去多年来，自动驾驶都是少数人的游戏。

在园区、配送、矿山、港口、环卫等场景，大量有运营场景、业务需求、硬件能力的企业，因为算法能力和软件团队的缺失而难以转型。而传统企业入局自动驾驶的高门槛，又导致了自动驾驶产品和应用推进缓慢、数据积累量少。

12月19日，百度Apollo开放平台 9.0（以下简称Apollo 9.0）正式发布，这将为低速自动驾驶商业化带来神助攻。

1—

Apollo 9.0，为应用场景再进化

2017 年百度推出了Apollo自动驾驶开放平台1.0时，就宣布了全球开放计划，决定用自己的自动驾驶能力赋能全行业，这也是百度竞逐智能汽车赛道的战略。

此次百度发布的全新Apollo 9.0平台，进化的锚点，依然是开发友好、工程框架的优化以及软件和应用场景能力的提升。以此为核心，在硬件层、核心软件层、应用软件层和工具服务层，Apollo 9.0平台带来全方位的提升。

首先是硬件设备层，百度刷新了参考硬件的列表，接入了更多传感器和硬件设备，Apollo 9.0也第一次适配了ARM架构。

去年Apollo开放平台8.0发布时，首次提出了应用软件这个概念，并同步发布了教育和低速封闭园区的通用版本。经过一年迭代，Apollo 9.0在教育、矿卡、环卫、物流、接驳以及安防巡检等领域都有了非常多的突破。

在工具服务层，除了在既有工具的基础上新增功能之外，本次升级还引入了很多新的工具，包括高精地图的制图工具、传感器标定和集成工具等。这些工具的引入不仅可以帮助个人开发者更好地学习、掌握开源平台的能力，也可以有效地帮助企业合作伙伴构建自动驾驶全栈能力，并结合软件，更快地完成自动驾驶的应用闭环和规模化的落地部署。

在核心软件层，Apollo 9.0也将所有的核心模块进行了全面升级。

首先在工程框架层面，此前Apollo 8.0首次带来了包管理的解决方案，使得原有的工程架构和软件模块进行了有效的解耦，大大提升了模块编译发布的效率。Apollo 9.0在此基础之上，按照支持多种子功能灵活组合的原则进行拆分，从模块级下沉到应用能力和具体功能层级。

自发布至今，Apollo开放平台已经聚集了16万+的开发者，涵盖各类用户群体，用户根据自身不同的能力阶段与诉求，使用的程度不一。

Apollo 9.0对软件模块进行更细腻拆分之后，开发者在搭建自动驾驶系统时，就可以根据自己的需求更精细化地对各软件模块进行选择和应用，进一步提升软件搭建的效率。

比如，对于需要直接调用Apollo 9.0能力搭建自动驾驶应用示范或者测试车辆的开发者，只需要用Apollo提供的完整接口封装的模式，就能快速搭建车辆闭环。用这种方式，最快只需要1天，就能搭建一个完整的自动驾驶应用车辆闭环。

如果是有更深层次开发需求的开发者，Apollo 9.0也提供了非常系统的调参方式。通过全局和局部参数结构化的处理，开发者能够对整个自动驾驶软件的表现和最终结果进行差异化的管理和控制。同时可以自定义参数并保存为对应的参数组合，当需要在不同场景和应用下进行切换时，只需要切换参数定义即可。

对于深层次开发者的需求，Apollo把核心模块里面的核心功能做了插件化管理，能灵活地组合到自己的应用场景下，快速搭建一个相对复杂、针对某些特定场景的自动驾驶应用。

算法升级是每个开源平台迭代的重头戏，此次Apollo 9.0算法的升级把重点集中在了感知方向。

首先，Apollo 9.0将激光雷达和摄像头两个感知主模型都做了升级和替换。激光雷达的主模型由原来的CNNseg替换成了CenterPoint，摄像头的主模型由Yolo 模型换成了Yolo X + Yolo 3D的模式。

百度自动驾驶平台生态部总经理张亮表示，Apollo 9.0引入了当下最先进、最流行的算法和能力，同时对这两个模型灌入了百万级数量的训练，大幅提升了模型的准确性和最终效果。此外，在推理延迟的大幅降低上做了很多优化工作。

据悉张亮介绍，目前这两个模型都可以在Orin芯片上流畅运行，满足实际生产的需求。

为了让开发者更好地使用平台，Apollo 9.0将平台配套开发工具Dream View进行了改善，解决了很多老版本中的问题和不足。比如原本需要在多个页面上来回切换和跳转才能够完成的开发工作，新版本可以下载集中在了一个界面上去呈现和完成，流畅、简洁，又高效。

此外，新版Dream View+还提供了非常灵活便利的自定义功能，无论是页面、结构、窗口的拖拽，还是整个页面功能的排布，开发者都可以根据自己的开发习惯和应用需求进行自定义。

最后就是文档模块的更新。根据张亮介绍，Apollo 9.0的文档中心也做了全面的重构和升级，无论是个人开发者、院校开发者还是企业开发者，都可以找到对应的开发文档，让开发者阅读文档的时候更加流畅。同时，对于代码和代码的管理和完备性、相关的注释和说明都有非常好的提升，大大降低了代码的阅读量，也降低了学习和使用的成本。

2—

快速落地场景，Apollo 9.0搭建了一条捷径

自动驾驶并不是一个全新的技术，但是一个全新的应用。不是颠覆性的技术，但技术门槛很高，工程化要求很高，商业化落地的体系要求也极高。

虽然当前自动驾驶特定场景应用的探索已经在全国多点开花，但由于算法和应用的高门槛，更多有需求、有场景、有硬件基础的个人和企业，还在门外徘徊摸索，不之如何转型或者引入自动驾驶。

对于自动驾驶行业的玩家来说，给想向智能化转型升级的传统企业赋能便成了关键。

不同于乘用车智能化对驾驶任务本身的替代，商用车领域的智能化变革往往与商业化场景有着紧密联系，自动驾驶本身做好只是基础，更需要将其融入道整个作业流程中，必须是一套完整的解决方案。

那么，在面对这么一套全新且复杂的体系时，如何快速切入就是摆在自动驾驶公司和传统企业面前共同的难题。

从自动驾驶系统构成来看，至少包括算法、系统软件、系统硬件、传感器、数据闭环工具链等环节。与乘用车车企相同，商用车车企也面临着各个环节是自研、采购还是合作自研的选择。

成本、自身技术累积、方便程度、可靠性等都是做选择时的考虑因素。

对于初创自动驾驶公司而言，每一个技术模块都需要不小的人力和时间投入，从0开始搭建意味着时间和成本，甚至有些工作就是“重复造轮子”。

对于传统企业而言，往往面临着软件能力累积不足、难以招到相关人才、时间紧任务重等困难。

想要高效实现自动驾驶应用落地，Apollo 9.0这样高水平、完整且可模块化使用的自动驾驶开源平台，就像是搭建了一条捷径。

发布会现场，Apollo平台深度合作伙伴苏州金龙介绍了自己的智能化布局，以及和Apollo平台的合作过程。

苏州金龙前瞻技术研究院副院长刘明春博士介绍，苏州金龙的智能化布局主要在两块，一是基于传统客车业务扩展而来的自动驾驶巴士，二是近两年布局的低速无人作业车辆，包括无人清扫、无人配送、无人售卖等。

作为传统制造企业，苏州金龙从2021年开始组建自动驾驶研发团队，但由于缺乏软件开发基础，很难招到资深的软件和算法人才，人才培养、项目管理的难度也很大。为了完成2024-2025开始承接相关项目的目标，苏州金龙选择了与百度Apollo开放平台深度合作。

在人才培养方面，苏州金龙通过Apollo自动驾驶社区的各类开放学习资源，让应届毕业生能够快速了解自动驾驶完整架构，初步掌握自动驾驶的上手研发能力。对于感知、定位等自动驾驶研发中所遇到的难点算法和问题，苏州金龙的工程师也经常与百度技术专家交流探讨，得益于Apollo开放平台的赋能和百度自动驾驶团队的全面指导，自身研发能力得以持续提升。

△苏州金龙与百度Apollo合作的无人物流车

在自动驾驶系统平台的搭建上，百度Apollo开放平台的通用能力，帮助苏州金龙实现了自动驾驶系统完整、快速的搭建解决，大大减少了苏州金龙的研发投入，缩短研发周期。

同时，为了让苏州金龙实现技术自主可控，Apollo开放平台通用能力版本通过开放接口、包管理等方式，打造了工程易用度高、可二次开发性强的自动驾驶系统能力。苏州金龙基于百度的版本基础，能实现进一步迭代、开发，真正让自动驾驶功能落地到应用场景。掌握系统二次开发的能力，就是苏州金龙拥有自主可控的自动驾驶能力的关键。

对于一些自动驾驶技术难点，Apollo开放平台团队也帮助苏州金龙实现了技术突破，解决了瓶颈问题。比如，自动驾驶车辆未来要面向商业量产，苏州金龙需要解决嵌入式域控制器的适配研发。其中包括实车的通信和联调、近处行人检测等技术问题，这些问题在Apollo开放平台通用能力版本就得到了有效解决。

3—

不止开源，还帮行业培养人才

虽然Apollo开放平台可以让企业快速拥有或提升自动驾驶能力，但并不意味着引入这套平台没有门槛。

智车星球采访多名使用过Apollo平台的自动驾驶创业者，他们均表示，对于自动驾驶创业团队，如果想要快速做产品，在Apollo的基础上可以减少代码量和开发工作。但Apollo开放平台对使用者的技术能力有一定的要求，工程量其实并不少。而这块，正是希望转型的传统企业的痛点。

为了解决这个问题，百度从三四年前就开始探索人才培养，最近一两年形成一些体系化的方案。

“我们做这件事的初衷很简单，作为特别迫切的用人单位，我们非常想把自动驾驶人才培养和技术技能的形成，前置到人才教育这个环节，让各类同学们从学校毕业之后，走入社会、走进企业的第一天就具备很好的专业技能。”张亮说道。

△百度自动驾驶平台生态部总经理张亮

为此，百度做了两件事：

第一，形成了体系化的校企合作人才培养解决方案。从课程、师资合作、创新合作、实训合作到基础资源的支撑，形成了非常体系化的解决方案。在Apollo9.0架构里面，百度很好的将教学和人才培养找到结合点，在此基础上也形成了一套完整的智能网联汽车专业建设的方案。同时，在人才培养的过程中，Apollo会跟产业的需求更紧密结合，并结合百度对行业的洞察与经验，培养出真正适合产业发展的人才。

第二，百度在基础理论学习的前提下，做了很多产教融合的拉通，建立了很多教学实验基地。有了基础的课程培训之后，通过教学仿真实验、关键技术实验和整车实训实验，让学生群体在学习理论基础的同时，可以直接上手去做真正的技术开发和验证。

在此基础上，百度梳理出了一系列自动驾驶人才缺口专业、培养方向和人才岗位的定义，把这些东西给到学校的合作伙伴，让校方能够更有针对性地培养专业人才。

“同时，我们还提供了非常强大的服务保障体系，包括师资培训、教材刷新，以及赛事的引入等，能够覆盖更广泛的学生群体，帮助就业双选的直接对接。通过这些工作，相信我们可以把经验和需求，非常好地和教育环节、人才培养紧密结合起来。”张亮说道。