[首發(fā)于智駕最前沿微信公眾號(hào)]在智能駕駛領(lǐng)域，有些公司擅長(zhǎng)說(shuō)話，有些公司擅長(zhǎng)做事。百度在自動(dòng)駕駛領(lǐng)域的投入可以追溯到2013年，到現(xiàn)在已超過(guò)十年。這十年間，百度搭建了全球最大的自動(dòng)駕駛開(kāi)放平臺(tái)Apollo，積累了超過(guò)1.5億公里的L4級(jí)自動(dòng)駕駛測(cè)試?yán)锍蹋蛟炝巳蛞?guī)模最大的Robotaxi車隊(duì)之一。

然而在主流媒體中，百度的名字更多出現(xiàn)在AI大模型和搜索業(yè)務(wù)上，它在自動(dòng)駕駛底層技術(shù)上的積累反而沒(méi)有太多的聲音。一個(gè)在全球范圍內(nèi)同時(shí)擁有高精地圖、自研AI芯片、開(kāi)源平臺(tái)和規(guī)模化運(yùn)營(yíng)能力的自動(dòng)駕駛參與者，在2026年的自動(dòng)駕駛領(lǐng)域還有技術(shù)新突破嗎？

端到端模型做了什么根本性的改進(jìn)？

過(guò)去幾年，主流的自動(dòng)駕駛系統(tǒng)一直靠模塊化架構(gòu)支撐，感知、預(yù)測(cè)、規(guī)劃、控制各跑各的模型，再靠規(guī)則把結(jié)果串起來(lái)。這套架構(gòu)上的每個(gè)模塊只看自己的事，上一個(gè)環(huán)節(jié)的誤差傳到下一個(gè)環(huán)節(jié)會(huì)被放大，而且各模塊間缺乏對(duì)環(huán)境反饋的閉環(huán)理解。

2024年，百度發(fā)布了Apollo ADFM大模型，這是全球首個(gè)支持L4級(jí)自動(dòng)駕駛的大模型，基于大模型技術(shù)重構(gòu)了自動(dòng)駕駛算法體系，兼顧安全性和泛化性，據(jù)稱安全性高于人類駕駛員十倍以上，覆蓋城市級(jí)全域復(fù)雜場(chǎng)景。

圖片源自：網(wǎng)絡(luò)

到2026年，ADFM已經(jīng)進(jìn)入了更成熟的階段，1月發(fā)布Apollo開(kāi)放平臺(tái)11.0版本時(shí)，核心方向之一就是讓功能型無(wú)人車實(shí)現(xiàn)從發(fā)車準(zhǔn)備、路線設(shè)定、自動(dòng)駕駛行駛、任務(wù)執(zhí)行、異常接管到回庫(kù)停車的完整端到端作業(yè)流程。車輛不再依賴大量人工規(guī)則來(lái)銜接不同任務(wù)，模型直接從感知數(shù)據(jù)出發(fā)，端到端地決定車輛動(dòng)作。

在這個(gè)方向上，百度與上海交通大學(xué)聯(lián)合提出的FlowAD框架是一次有明確數(shù)據(jù)支撐的探索，該成果于2026年3月被機(jī)器學(xué)習(xí)頂會(huì)ICLR 2026錄用。在FlowAD框架下，當(dāng)車輛做出如變道或減速動(dòng)作時(shí)，周圍其他交通參與者的行為會(huì)也會(huì)因此改變。

傳統(tǒng)反應(yīng)式規(guī)劃只看當(dāng)前狀態(tài)做反應(yīng)，不考慮自車動(dòng)作如何反過(guò)來(lái)影響整張場(chǎng)景圖。FlowAD是在特征層面顯式地建模相對(duì)場(chǎng)景流，讓模型理解自己動(dòng)一下之后別人會(huì)怎么動(dòng)。在nuScenes數(shù)據(jù)集的標(biāo)準(zhǔn)測(cè)試中，這項(xiàng)改進(jìn)使碰撞率降低了19%，響應(yīng)速度提升60%，為端到端模型帶來(lái)了直接的性能增益。

占用網(wǎng)絡(luò)帶來(lái)了什么質(zhì)的變化？

端到端模型解決的是決策問(wèn)題，但決策的前提是看得清楚、看得完整。傳統(tǒng)目標(biāo)檢測(cè)有一個(gè)根深蒂固的局限，那就是模型只能識(shí)別它見(jiàn)過(guò)的東西，當(dāng)高速公路上出現(xiàn)一輛側(cè)翻的貨車，或者路邊突然冒出一根施工遺棄的水管時(shí)，由于這些障礙物不在它有限的類別列表里，檢測(cè)框很可能直接漏掉。

占用網(wǎng)絡(luò)（Occupancy Network）提供了一條完全不同的感知路徑，百度將其稱為自動(dòng)駕駛感知從有限檢測(cè)到無(wú)限理解的轉(zhuǎn)變。它把車輛周圍的三維空間切成密集的體素網(wǎng)格，每個(gè)網(wǎng)格獨(dú)立判斷有沒(méi)有被占據(jù)，而不需要去辨認(rèn)前面到底是什么東西。這意味著任意形狀、任意類別的障礙物，只要是實(shí)體，就能被識(shí)別出來(lái)。

圖片源自：網(wǎng)絡(luò)

百度Apollo從10.0版本起就將占用網(wǎng)絡(luò)引入開(kāi)源框架，2024年初，百度與極越聯(lián)合研發(fā)的OCC占用網(wǎng)絡(luò)在極越01上首次量產(chǎn)上車，這是行業(yè)較早將占用網(wǎng)絡(luò)從論文推向?qū)嵻嚨膰L試，雖然極越最后的結(jié)局大家都知道了，但這也是百度智駕的一次商業(yè)化落地（相關(guān)閱讀：新勢(shì)力的繁榮與沒(méi)落，從極越 “原地散伙”看行業(yè)宿命）。

到2026年，這一技術(shù)已更加成熟。與傳統(tǒng)檢測(cè)相比，占用網(wǎng)絡(luò)在異形障礙物和通用障礙物場(chǎng)景下的感知表現(xiàn)有質(zhì)的提升，尤其在中國(guó)的復(fù)雜城區(qū)路況中，修路遺留的錐桶、臨時(shí)堆放的建材、貨車掉落的雜物，這些過(guò)去屬于檢測(cè)盲區(qū)的東西有了可靠的技術(shù)手段來(lái)應(yīng)對(duì)。

工程工具與車路協(xié)同如何降低智駕門(mén)檻？

技術(shù)再好，如果開(kāi)發(fā)者用不起來(lái)，始終走不出實(shí)驗(yàn)室。2026年，百度為BEV感知模型開(kāi)發(fā)者推出了一套標(biāo)準(zhǔn)化的工具鏈，即Apollo-BEV-Train（模型訓(xùn)練）、Apollo-BEV-Model-Export（模型導(dǎo)出）、Apollo-Model-Deployment（模型驗(yàn)證），三個(gè)階段順序銜接，覆蓋從算法開(kāi)發(fā)到上車驗(yàn)證的完整閉環(huán)。

開(kāi)發(fā)者不需要從零搭建環(huán)境，可以按這套標(biāo)準(zhǔn)流程快速完成模型迭代。對(duì)自動(dòng)駕駛這樣一個(gè)工程極其復(fù)雜的領(lǐng)域來(lái)說(shuō)，工具鏈?zhǔn)欠颀R全，很大程度上決定了技術(shù)能否擴(kuò)散到更廣泛的開(kāi)發(fā)者群體中。

圖片源自：網(wǎng)絡(luò)

將野從單車?yán)瓕挼降缆坊A(chǔ)設(shè)施上，百度Apollo車路協(xié)同在2026年也有新動(dòng)作，3月發(fā)布的車路協(xié)同5.0全域方案，打通了車、路、云、人全鏈路數(shù)據(jù)，據(jù)實(shí)測(cè)數(shù)據(jù)，這套方案能讓城市道路通行效率提升40%，早晚高峰擁堵時(shí)長(zhǎng)縮短近一半。這條路線將智能駕駛能力的一部分從車輛轉(zhuǎn)移到道路上。一輛本身不具備高性能感知硬件的車，駛?cè)胍淹瓿芍悄芨脑斓穆范危材芟硎艿揭欢?jí)別的高級(jí)駕駛能力。

AI芯片與計(jì)算基礎(chǔ)設(shè)施有哪些新動(dòng)作？

算法和感知的進(jìn)步，最終需要算力來(lái)托底，百度在AI芯片這個(gè)方向上布局已久，昆侖芯是百度旗下自研芯片團(tuán)隊(duì)，2026年1月正式向港交所提交了分拆上市申請(qǐng)。根據(jù)公開(kāi)披露的產(chǎn)品路線圖，昆侖芯M100芯片面向推理場(chǎng)景，計(jì)劃2026年量產(chǎn)；M300芯片則面向更高性能需求，同時(shí)支持訓(xùn)練與推理任務(wù)，預(yù)計(jì)2027年初推出。

圖片源自：網(wǎng)絡(luò)

在計(jì)算基礎(chǔ)設(shè)施上，百度針對(duì)自動(dòng)駕駛大模型訓(xùn)練和推理的算力需求，也在持續(xù)擴(kuò)大部署規(guī)模。百度副總裁石清華在2026年4月的一個(gè)行業(yè)論壇上指出，汽車行業(yè)正在從AI訓(xùn)練階段邁入全量推理時(shí)代，行業(yè)面臨嚴(yán)重的算力短缺，推理算力的占比和調(diào)用量正在激增。百度的百舸AI計(jì)算平臺(tái)與自研昆侖芯芯片形成的底層能力，正成為百度自動(dòng)駕駛體系里不可或缺的一環(huán)。

2026年在百度自動(dòng)駕駛的技術(shù)演進(jìn)中，能夠看出一條相對(duì)清晰的路線，端到端的大模型把決策做得更連貫，占用網(wǎng)絡(luò)把感知的邊界向外推了一大步，標(biāo)準(zhǔn)化的工具鏈讓更多人能夠參與進(jìn)來(lái)，車路協(xié)同把單車智能的壓力分擔(dān)了出去，自研AI芯片則在底層把算力這條命脈攥在自己手里。這五個(gè)方向的進(jìn)展，每一項(xiàng)單獨(dú)看都不是革命性的，但當(dāng)它們被鉚合在一起時(shí)，就會(huì)構(gòu)成的是一個(gè)完整且可控的自動(dòng)駕駛技術(shù)體系。

最后的話

相較于現(xiàn)在火熱的一些智駕公司或平臺(tái)，百度的關(guān)注度好像并沒(méi)有那么高，也有很多人在評(píng)價(jià)百度時(shí)，采用起個(gè)大早，趕個(gè)晚集來(lái)形容。這種評(píng)價(jià)不能說(shuō)全無(wú)道理，過(guò)去幾年，當(dāng)一些同行在發(fā)布會(huì)上頻繁喊出時(shí)間表和規(guī)模目標(biāo)時(shí)，百度在自動(dòng)駕駛上的公開(kāi)聲量的確不算高，但如果把目光從發(fā)布會(huì)轉(zhuǎn)向技術(shù)棧本身，會(huì)看到一個(gè)不太一樣的百度。

2026年的百度在端到端大模型、占用網(wǎng)絡(luò)感知、車路協(xié)同、自研AI芯片和開(kāi)發(fā)者工具鏈上都有實(shí)際進(jìn)展，而且這些進(jìn)展覆蓋了從感知到?jīng)Q策、從車端到路端、從算法到芯片的完整鏈路。在自動(dòng)駕駛這樣一個(gè)還沒(méi)有真正撞線的領(lǐng)域，趕晚集的判斷是否下得太早，最終要看技術(shù)積累能在多大程度上轉(zhuǎn)化為可持續(xù)的落地能力，至少?gòu)?026年的技術(shù)更新來(lái)看，百度手里還捏著一把牌，并且這些牌正在一張一張擺上桌面。