在正式回答之前，我先说个很有意思的事。
前几天知乎有个非常相似的问题，「为什么感觉百度现在在自动驾驶领域毫无存在感」？
大家可以看下，大多数回答是否都在就事论事分析百度的问题，讨论技术和商业决策？
甚至于，是否有些前排高赞在讨论时拿菊厂当做正面例子？
然而现在问题换成「百度自动驾驶为什么被华为超越」，某些PTSD一窝蜂就过来了；
好几个数百赞的高票再也不谈技术，无非又是「营销」、「海军」、「行业百草枯」那老一套。
两相对照反差巨大，着实令人忍俊不禁：
有些人呐，要他们承认菊厂领先比XX他们都难……
以上是闲话，下面正式回答问题。
坦白说，我一直认为百度技术实力不弱，在自动驾驶领域的积累也比较扎实。
国内基本公认的自动驾驶第一梯队是华为和小鹏，我认为百度综合看仍算得上第二梯队前列。
（甚至不乏少数业内人士认为百度也是第一梯队，只不过比头两名稍弱）
所以即使到现在，我认为百度的自动驾驶技术在行业内仍然是值得称道的。
只是百度是国内最早投入自动驾驶的大厂，业内「皇甫军校」的称号也是名不虚传。
眼看着百度从业界领头羊沦落到第二梯队，甚至 量产车 被造车新势力小鹏超越，也是令人颇为唏嘘。
在我看来，百度自动驾驶技术被友商后来居上，有商业模式瓶颈、技术路线切换以及团队管理效能执行力相对低下三方面原因。
五千字长文，一项项说吧：
1，百度早期选择跟随谷歌Waymo高举高打的路线，后续事实证明技术和商业模式存在一定瓶颈；
不论支持百度还是嘲讽百度，有一点我想大家应该都承认：
百度赖以崛起的主航道是搜索引擎，至今为止业务根基也是搜索引擎。
这就使得，一直以来百度在很多方面都习惯性的 对标谷歌。
这种策略也谈不上错，而且很多时候确实帮助百度减少了试错成本。
但类似策略的弊端就在于， 一旦谷歌「行差踏错」，百度也容易跟着踩坑 。
在自动驾驶领域，这种比较不幸的情况就发生了。
2016年前后，谷歌母公司将Waymo从Google中独立，并且大幅加大投入。
技术大牛云集、测试车队组建、路侧全面启动……一时间好不热闹。
眼见自动驾驶的大潮似乎「近在眼前」，百度自然是不甘落后。
2017年陆奇加盟百度，同年百度推出了Apollo自动驾驶计划与技术平台。
一切看上去都很美好，只可惜随后的事实与早期设想存在一些「小出入」。
一直以来，对于如何实现真正意义上的自动驾驶解决方案，业界有两种思路：
以特斯拉为代表的造车新势力，在量产车上装备大量传感器采集数据，目标从L2开始逐级演进；以Waymo、百度为代表的互联网企业，则通过自建车队收集数据，试图一步跨入L4行列；
二者的技术路径也有一定区别：
前者考虑到早期激光雷达成本过高，因此以视觉识别方案为主，近期华为、小鹏、理想等企业才大量铺开激光雷达。
后者因自建车队对成本相对不敏感，因此从一开始就装配激光雷达，走多传感器融合的道路。
后续的事实很明显，造车新势力派销量节节攀升，算法也在数据喂养下愈发完善；
而高举高打派屡屡受挫，Waymo已经数次裁员，百度也选择自我降维开始跟车企合作L2+；
归根结底，真正自动驾驶实现的技术难度和复杂度，远比早些年业界预期要高。
以现有的技术水平，自动驾驶算法的进步离不开大量真实世界数据的喂养。
现实世界有太多超乎想象的corner case，更是需要持续不断的训练与迭代。
一步到位直奔L4需要海量的资本投入和时间成本，却在很多年内无法产生实际收益，商业模式一直不太明朗。
等到百度发觉不对开始转向，已经两三年过去了。
而且L4路线往往是激光雷达摄像头等全部顶配，硬件武装到了牙齿，相关技术成果并不能完全复用到量产车上。
不过话说回来，目前为止全自动驾驶运营的商业探索固然不算成功，但要说完全失败可能也未必。
激光雷达等硬件的成本也在不断降低，无人驾驶运营车实践中也可以搭配云监控，而且正在通过「一人配多车」降低运营成本。
随着未来算法逐步完善，需要人工介入的情形越来越少，无人驾驶运营车的成本可能会逐渐跟网约车持平甚至更低。
而在L4无人运营车这个领域，百度目前仍处在行业领先位置。
只是就我个人观点，无人驾驶运营车的推广速度恐怕还是会比量产车普及高阶辅助驾驶慢。
2，BEV+Transformer深度学习算法席卷业界，百度早期积累的大量规控算法沦为沉没成本；
如果说商业模式的问题对Apollo是一记重拳，那么百度的不幸在于，他们技术路线选择上又吃了一记狠的。
事先声明，rule-based和learning-based两派的争论有时很尖锐，我并非专业人士，只是简单说下个人的理解，有不同意见欢迎指出。
简单来说，业界关于自动驾驶算法实现也有两种流派：
一种是传统的规控式（rule-based模式）；
rule-based模式发展时间较长，而且规控算法下感知、定位、规划、控制各模块非常清晰，很符合「理工科对世界的想象」。
只是规控式整体仍然是「有多少人工就有多少智能」的模式，甚至简单粗暴的说，就是用无数个「if else」覆盖现实世界中所有场景，编写对应的代码。
很显然，传统规控式早期起步快，但越到后面就越是冗杂，需要堆积无数人力。
而rule-based模式的代表，就是百度的Apollo。
另一种是新兴的深度学习式（learning-based模式）；
特斯拉率先在全行业引入BEV+Transformer，一举将深度学习算法推上自动驾驶技术前沿。
深度学习本身是个黑箱，而且还需要海量的真实世界数据积累，才能不断喂养和训练算法。
但很显然，只要有足够多的数据，覆盖足够多的场景，理论上深度学习算法就能不断接近直至超越人类的行为。
learning-based模式的代表自然就是特斯拉，现如今华为、小鹏、蔚来乃至全行业几乎都加入了这个阵营。
需要指出的是，rule-based与learning-based实践中并非完全对立的关系。
事实上，至今所有以深度学习模式为主导的新势力，量产车的算法很多模块其实还是有传统的规控算法兜底。
用深度学习算法吃掉一切规控算法，这固然是业界长期趋势，但目前即是特斯拉也没完全实现这一点。
（据说特斯拉的计划是FSD V12会去掉所有基于规则的后处理，不过具体是否实现我还没核实）
但是总体来看，BEV+Transformer取代传统算法，深度学习吃掉所有规控处理，这已经是业界公认的大趋势。
这也就意味着，百度多年积累的大量规控算法瞬间沦为沉没成本，数年间投入的人力物力全打了水漂。
不过话说回来，国内其他几家或多或少也面临这一问题。
华为和小鹏都在高精地图和规控算法上折腾了很久，这两家的沉没成本也不少。
华为多年来投入的人力和研发成本都比较高，而且这两家都有部分基于传统算法的部分车型取得了一定销量（极狐/P5），后续还需要维护和切换升级。
唯有理想自动驾驶投入晚、规模小，等真正开始大举投入时运气好正赶上了BEV+Transformer成为行业共识的窗口，也算是多少有点「后发优势」，能部分弥补早期投入的不足。
然而同样面临技术路线切换的沉没成本，华为和小鹏表现就比百度强不少，这就不得不说第三点了：
3，百度团队管理效能和执行力都不尽如人意，技术骨干频繁出走，很长一段时间内硬件部分参与过少，与车企的合作也是跌跌撞撞；
其实真要刨根问底，上述两方面（商业模式问题和技术路线切换）在我看来还不是百度最核心的问题。
平心而论，百度一直以来都不缺人才，相当长时间内Apollo的技术功底也比较扎实。
然而百度已经不止一次展示出类似景象： 有顶层战略、有底层技术，但业务就是推不动。
恕我直言，一次两次还好，次数多了难免让人怀疑：
百度的管理效能和团队执行力，着实令人担忧。
管理体系和人才积淀方面，百度的问题简直一目了然：
所谓「业界黄埔军校」，可从来不是纯粹的褒义词。
自己辛苦培养的人才纷纷出走或者被挖走，可不就成了「业界黄埔军校」么。
企业执行力方面，百度的问题更是令人忧心。
数年间不能说百度毫无行动，百度总归也跟车企合作，投资激光雷达供应商。
只是百度一直以来都在互联网的舒适圈呆习惯了，已经很难沉下心去做又苦又累的硬件活。
而在与车企的合作方面，百度的进展也一直不太顺利。
当初百度和吉利官宣合作造车时，我就说过：
电动化时代造车门槛已大大下降，自动驾驶、车机和生态必将占据价值链高地。站在整车厂的角度，辛辛苦苦从事制造业，会甘心放弃数据么？
站在百度的角度，费心费力打造自动驾驶算法和生态，有可能放手么？
百度固然是国内互联网企业自动驾驶的领头羊，但吉利又何尝不是自主品牌 的一哥呢？
双方合作最大的隐患， 就是长期发展过程中关于主导权的博弈。
以我个人观点，只有坚持垂直整合，在动力电池和车用半导体方面颇有建树的比亚迪，有可能出于战线太长、聚焦主航道的考虑放弃自动驾驶和车机生态，但也仅仅是可能而已。
要知道，当年谷歌能够推广安卓生态，关键是iPhone的压力迫使手机厂商急需智能化的系统，否则将面临迫在眉睫的销售压力。
而现在，特斯拉、蔚来、小鹏等给传统车企的压力，又显然还没到那一步。
如今回过头看，百度曾经投资威马并打成合作，但后续威马黄了；
百度的确曾与比亚迪接触并尝试合作，但如今基本告吹了；
而吉利与百度的合作，更是陷入难产。
百度和吉利合资的集度，不仅迟迟没能达成量产，如今更是更名极越。
从百度占据主导的集度，到吉利占据股份大头的极越，双方的博弈已经是昭然若揭。
从集度变成极越，百度已经折腾了多久？
而且百度量产的还是对数据和算力要求更高的纯视觉方案，城区高阶辅助驾驶现在才开始开城，等全面铺开又要多久？
总而言之，瘦死的骆驼未必比马大，但总归还是有底子。
百度的自动驾驶经历不少变故，团队管理和执行力又有问题，能取得如今的成果已经是百度工程师努力以及技术功底扎实了。
说了这么多，华为呢？
凭心而论，菊厂超高的研发投入、极强的管理能力与执行力，在国内堪称首屈一指。
在自动驾驶领域，菊厂确实拥有诸多先天优势：
比如多年积累的智能手机生态和开发经验，一定程度上能够复用在车机领域；
比如海思多年来打磨出的全球顶尖的芯片设计，使得菊厂智能车可以用自家昇腾芯片；
配合激光雷达、三电平台等核心零部件的布局，菊厂可以说是全行业最有底气喊 全栈自研 的厂商。
尤其是菊厂有自家的昇腾计算卡和数据中心，长期看算力方面的差距简直令人绝望：
然而以上这些，可能还不是最直观的例子。
同样在自动驾驶发展过程中遭遇诸多问题，华为与百度的表现简直是鲜明对比：
同样面临上游零部件的性能和供应问题，菊厂能够亲自上阵，咬着牙一点点去啃；
同样面临技术路线切换，菊厂能够迅速做出调整，明确了方向就坚定推到底；
同样面临车企主导权博弈，菊厂能否HI/智选车两条腿走路，经过波折最终导向余大嘴的智选车；
问界累计销量已经十多万，问界新M7智驾版更是在不久前爆单，智界S7也即将交付。
百度现如今智驾交付连阿维塔等智驾版都赶不上，就更不用说智选了……
我看到一些PTSD在那阴阳怪气，「菊厂做什么都是第一，这科学吗？」等等无端猜测不绝于耳。
然而从我上文分析中大家也能看出来，任何高技术领域发展都不是一帆风顺。
自动驾驶技术研发过程中，菊厂走过曲折的路，踩过大量的坑。
然而菊厂的表现给我的感觉，很像是【三国志】中的一句名言：
折而不挠，终不为下。
正是无数次从跌到中爬起，正是无数次脚踏实地的艰苦奋斗，最终塑造出菊厂业界顶尖的智驾实力。
