在正式回答之前，我先說個很有意思的事。
前幾天知乎有個非常相似的問題，「為什麽感覺百度現在在自動駕駛領域毫無存在感」？
大家可以看下，大多數回答是否都在就事論事分析百度的問題，討論技術和商業決策？
甚至於，是否有些前排高贊在討論時拿菊廠當做正面例子？
然而現在問題換成「百度自動駕駛為什麽被華為超越」，某些PTSD一窩蜂就過來了；
好幾個數百贊的高票再也不談技術，無非又是「行銷」、「海軍」、「行業百草枯」那老一套。
兩相對照反差巨大，著實令人忍俊不禁：
有些人吶，要他們承認菊廠領先比XX他們都難……
以上是閑話，下面正式回答問題。
坦白說，我一直認為百度技術實力不弱，在自動駕駛領域的積累也比較紮實。
國內基本公認的自動駕駛第一梯隊是華為和小鵬，我認為百度綜合看仍算得上第二梯隊前列。
（甚至不乏少數業內人士認為百度也是第一梯隊，只不過比頭兩名稍弱）
所以即使到現在，我認為百度的自動駕駛技術在行業內仍然是值得稱道的。
只是百度是國內最早投入自動駕駛的大廠，業內「皇甫軍校」的稱號也是名不虛傳。
眼看著百度從業界領頭羊淪落到第二梯隊，甚至 量產車 被造車新勢力小鵬超越，也是令人頗為唏噓。
在我看來，百度自動駕駛技術被友商後來居上，有商業模式瓶頸、技術路線切換以及團隊管理效能執行力相對低下三方面原因。
五千字長文，一項項說吧：
1，百度早期選擇跟隨谷歌Waymo高舉高打的路線，後續事實證明技術和商業模式存在一定瓶頸；
不論支持百度還是嘲諷百度，有一點我想大家應該都承認：
百度賴以崛起的主航道是搜尋引擎，至今為止業務根基也是搜尋引擎。
這就使得，一直以來百度在很多方面都習慣性的 對標谷歌。
這種策略也談不上錯，而且很多時候確實幫助百度減少了試錯成本。
但類似策略的弊端就在於， 一旦谷歌「行差踏錯」，百度也容易跟著踩坑 。
在自動駕駛領域，這種比較不幸的情況就發生了。
2016年前後，谷歌母公司將Waymo從Google中獨立，並且大幅加大投入。
技術大牛雲集、測試車隊組建、路側全面啟動……一時間好不熱鬧。
眼見自動駕駛的大潮似乎「近在眼前」，百度自然是不甘落後。
2017年陸奇加盟百度，同年百度推出了Apollo自動駕駛計劃與技術平台。
一切看上去都很美好，只可惜隨後的事實與早期設想存在一些「小出入」。
一直以來，對於如何實作真正意義上的自動駕駛解決方案，業界有兩種思路：
以特斯拉為代表的造車新勢力，在量產車上裝備大量傳感器采集數據，目標從L2開始逐級演進；以Waymo、百度為代表的互聯網企業，則透過自建車隊收集數據，試圖一步跨入L4行列；
二者的技術路徑也有一定區別：
前者考慮到早期雷射雷達成本過高，因此以視覺辨識方案為主，近期華為、小鵬、理想等企業才大量鋪開雷射雷達。
後者因自建車隊對成本相對不敏感，因此從一開始就裝配雷射雷達，走多傳感器融合的道路。
後續的事實很明顯，造車新勢力派銷量節節攀升，演算法也在數據餵養下愈發完善；
而高舉高打派屢屢受挫，Waymo已經數次裁員，百度也選擇自我降維開始跟車企合作L2+；
歸根結底，真正自動駕駛實作的技術難度和復雜度，遠比早些年業界預期要高。
以現有的技術水平，自動駕駛演算法的進步離不開大量真實世界數據的餵養。
現實世界有太多超乎想象的corner case，更是需要持續不斷的訓練與叠代。
一步到位直奔L4需要海量的資本投入和時間成本，卻在很多年內無法產生實際收益，商業模式一直不太明朗。
等到百度發覺不對開始轉向，已經兩三年過去了。
而且L4路線往往是雷射雷達網路攝影機等全部頂配，硬體武裝到了牙齒，相關技術成果並不能完全復用到量產車上。
不過話說回來，目前為止全自動駕駛營運的商業探索固然不算成功，但要說完全失敗可能也未必。
雷射雷達等硬體的成本也在不斷降低，無人駕駛營運車實踐中也可以搭配雲監控，而且正在透過「一人配多車」降低營運成本。
隨著未來演算法逐步完善，需要人工介入的情形越來越少，無人駕駛營運車的成本可能會逐漸跟網約車持平甚至更低。
而在L4無人營運車這個領域，百度目前仍處在行業領先位置。
只是就我個人觀點，無人駕駛營運車的推廣速度恐怕還是會比量產車普及高階輔助駕駛慢。
2，BEV+Transformer深度學習演算法席卷業界，百度早期積累的大量規控演算法淪為沈沒成本；
如果說商業模式的問題對Apollo是一記重拳，那麽百度的不幸在於，他們技術路線選擇上又吃了一記狠的。
事先聲明，rule-based和learning-based兩派的爭論有時很尖銳，我並非專業人士，只是簡單說下個人的理解，有不同意見歡迎指出。
簡單來說，業界關於自動駕駛演算法實作也有兩種流派：
一種是傳統的規控式（rule-based模式）；
rule-based模式發展時間較長，而且規控演算法下感知、定位、規劃、控制各模組非常清晰，很符合「理工科對世界的想象」。
只是規控式整體仍然是「有多少人工就有多少智慧」的模式，甚至簡單粗暴的說，就是用無數個「if else」覆蓋現實世界中所有場景，編寫對應的程式碼。
很顯然，傳統規控式早期起步快，但越到後面就越是冗雜，需要堆積無數人力。
而rule-based模式的代表，就是百度的Apollo。
另一種是新興的深度學習式（learning-based模式）；
特斯拉率先在全行業引入BEV+Transformer，一舉將深度學習演算法推上自動駕駛技術前沿。
深度學習本身是個黑箱，而且還需要海量的真實世界數據積累，才能不斷餵養和訓練演算法。
但很顯然，只要有足夠多的數據，覆蓋足夠多的場景，理論上深度學習演算法就能不斷接近直至超越人類的行為。
learning-based模式的代表自然就是特斯拉，現如今華為、小鵬、蔚來乃至全行業幾乎都加入了這個陣營。
需要指出的是，rule-based與learning-based實踐中並非完全對立的關系。
事實上，至今所有以深度學習模式為主導的新勢力，量產車的演算法很多模組其實還是有傳統的規控演算法兜底。
用深度學習演算法吃掉一切規控演算法，這固然是業界長期趨勢，但目前即是特斯拉也沒完全實作這一點。
（據說特斯拉的計劃是FSD V12會去掉所有基於規則的後處理，不過具體是否實作我還沒核實）
但是總體來看，BEV+Transformer取代傳統演算法，深度學習吃掉所有規控處理，這已經是業界公認的大趨勢。
這也就意味著，百度多年積累的大量規控演算法瞬間淪為沈沒成本，數年間投入的人力物力全打了水漂。
不過話說回來，國內其他幾家或多或少也面臨這一問題。
華為和小鵬都在高精地圖和規控演算法上折騰了很久，這兩家的沈沒成本也不少。
華為多年來投入的人力和研發成本都比較高，而且這兩家都有部份基於傳統演算法的部份車型取得了一定銷量（極狐/P5），後續還需要維護和切換升級。
唯有理想自動駕駛投入晚、規模小，等真正開始大舉投入時運氣好正趕上了BEV+Transformer成為行業共識的視窗，也算是多少有點「後發優勢」，能部份彌補早期投入的不足。
然而同樣面臨技術路線切換的沈沒成本，華為和小鵬表現就比百度強不少，這就不得不說第三點了：
3，百度團隊管理效能和執行力都不盡如人意，技術骨幹頻繁出走，很長一段時間內硬體部份參與過少，與車企的合作也是跌跌撞撞；
其實真要刨根問底，上述兩方面（商業模式問題和技術路線切換）在我看來還不是百度最核心的問題。
平心而論，百度一直以來都不缺人才，相當長時間內Apollo的技術功底也比較紮實。
然而百度已經不止一次展示出類似景象： 有頂層戰略、有底層技術，但業務就是推不動。
恕我直言，一次兩次還好，次數多了難免讓人懷疑：
百度的管理效能和團隊執行力，著實令人擔憂。
管理體系和人才積澱方面，百度的問題簡直一目了然：
所謂「業界黃埔軍校」，可從來不是純粹的褒義詞。
自己辛苦培養的人才紛紛出走或者被挖走，可不就成了「業界黃埔軍校」麽。
企業執行力方面，百度的問題更是令人憂心。
數年間不能說百度毫無行動，百度總歸也跟車企合作，投資雷射雷達供應商。
只是百度一直以來都在互聯網的舒適圈呆習慣了，已經很難沈下心去做又苦又累的硬體活。
而在與車企的合作方面，百度的進展也一直不太順利。
當初百度和吉利官宣合作造車時，我就說過：
電動化時代造車門檻已大大下降，自動駕駛、車機和生態必將占據價值鏈高地。站在整車廠的角度，辛辛苦苦從事制造業，會甘心放棄數據麽？
站在百度的角度，費心費力打造自動駕駛演算法和生態，有可能放手麽？
百度固然是國內互聯網企業自動駕駛的領頭羊，但吉利又何嘗不是自主品牌 的一哥呢？
雙方合作最大的隱患， 就是長期發展過程中關於主導權的賽局。
以我個人觀點，只有堅持垂直整合，在動力電池和車用半導體方面頗有建樹的比亞迪，有可能出於戰線太長、聚焦主航道的考慮放棄自動駕駛和車機生態，但也僅僅是可能而已。
要知道，當年谷歌能夠推廣安卓生態，關鍵是iPhone的壓力迫使手機廠商急需智慧化的系統，否則將面臨迫在眉睫的銷售壓力。
而現在，特斯拉、蔚來、小鵬等給傳統車企的壓力，又顯然還沒到那一步。
如今回過頭看，百度曾經投資威馬並打成合作，但後續威馬黃了；
百度的確曾與比亞迪接觸並嘗試合作，但如今基本告吹了；
而吉利與百度的合作，更是陷入難產。
百度和吉利合資的集度，不僅遲遲沒能達成量產，如今更是更名極越。
從百度占據主導的集度，到吉利占據股份大頭的極越，雙方的賽局已經是昭然若揭。
從集度變成極越，百度已經折騰了多久？
而且百度量產的還是對數據和算力要求更高的純視覺方案，城區高階輔助駕駛現在才開始開城，等全面鋪開又要多久？
總而言之，瘦死的駱駝未必比馬大，但總歸還是有底子。
百度的自動駕駛經歷不少變故，團隊管理和執行力又有問題，能取得如今的成果已經是百度工程師努力以及技術功底紮實了。
說了這麽多，華為呢？
憑心而論，菊廠超高的研發投入、極強的管理能力與執行力，在國內堪稱首屈一指。
在自動駕駛領域，菊廠確實擁有諸多先天優勢：
比如多年積累的智慧型手機生態和開發經驗，一定程度上能夠復用在車機領域；
比如海思多年來打磨出的全球頂尖的芯片設計，使得菊廠智慧車可以用自家昇騰芯片；
配合雷射雷達、三電平台等核心零部件的布局，菊廠可以說是全行業最有底氣喊 全棧自研 的廠商。
尤其是菊廠有自家的昇騰計算卡和數據中心，長期看算力方面的差距簡直令人絕望：
然而以上這些，可能還不是最直觀的例子。
同樣在自動駕駛發展過程中遭遇諸多問題，華為與百度的表現簡直是鮮明對比：
同樣面臨上遊零部件的效能和供應問題，菊廠能夠親自上陣，咬著牙一點點去啃；
同樣面臨技術路線切換，菊廠能夠迅速做出調整，明確了方向就堅定推到底；
同樣面臨車企主導權賽局，菊廠能否HI/智選車兩條腿走路，經過波折最終導向余大嘴的智選車；
問界累計銷量已經十多萬，問界新M7智駕版更是在不久前爆單，智界S7也即將交付。
百度現如今智駕交付連阿維塔等智駕版都趕不上，就更不用說智選了……
我看到一些PTSD在那陰陽怪氣，「菊廠做什麽都是第一，這科學嗎？」等等無端猜測不絕於耳。
然而從我上文分析中大家也能看出來，任何高技術領域發展都不是一帆風順。
自動駕駛技術研發過程中，菊廠走過曲折的路，踩過大量的坑。
然而菊廠的表現給我的感覺，很像是【三國誌】中的一句名言：
折而不撓，終不為下。
正是無數次從跌到中爬起，正是無數次腳踏實地的艱苦奮鬥，最終塑造出菊廠業界頂尖的智駕實力。
