一、百度的L3与L4——改革与革命
百度L3事业部主要的目的是想给量产车提供L3自动驾驶解决方案，推动更多车企的量产车能在自动驾驶领域做到安全、舒适以及经济。
目前，自动驾驶业界主要有两个打法：一个是直接切入L4（Level 4），比如谷歌；另一个是一步一步走，譬如传统车企。

百度则希望两条腿并行，因此成立了两个事业部（自动驾驶事业部、L3事业部），前者是革命性的，目标是无人驾驶汽车；L3事业部最主要还是提供自动驾驶解决方案。
二者定位不同，也导致采用的关键技术不一样。L3这个部门主要采用可量产的传感器，不会使用那么昂贵的雷达；自动驾驶事业部采用的传感器价格昂贵，精度要求更高。
L3属改革，L4属于革命。
二、百度L3事业部产品规划
L3事业部最主要提供的产品分四大块：
第一块是L3的自动驾驶解决方案；
第二块是提供车联网相关产品，比较大家熟知的地图；
还有一块是未来自动驾驶会产生非常多的数据，怎么应用这些数据让其产生更大的价值，也即大数据分析；
从百度地图延伸出来的地图数据，则作为第四块。
三、地图——高精地图——实时更新的高精地图
百度地图目前月活用户3亿，其中600万为车主，每天有300亿次的定位请求，把这些位置连起来，可以覆盖中国所有的道路。这些数据是非常宝贵的资源，而百度要做的就是挖掘数据背后的价值。
除了数据和技术，百度地图还有一块很重要的资源：有70万的中小企业开发者，一直用百度地图为其APP应用提供服务。
目前，百度的高精度地图也在不断开发中，从二维到三维，地图信息更加丰富和精确，相对坐标上已经达到10到20厘米的范围，绝对精度在6厘米以内。制作地图所需的采集车有250辆，有10辆专门用于高精度地图的采集。高精地图方面有28万公里的里程覆盖，所有采集的道路里程在600万公里以上。
但昂贵的采集成本也让百度在制作地图上更加追求自动化。他们的具体做法是：
车辆出去采集车道线、交通标志，包括一些路牌、路灯这些都会通过车辆去采集。采集车带回来几样东西，一个是图片，百度从2013年开始就在全国范围采集大量的图片，这个图片还不是普通的图片，是360度的图，每隔几米就有一张，现在已经积累了几十亿的图片；
每一张图片还配有点云。简单来说，就是把图像中物体的像素都标出绝对位置在哪儿。以往，一张照片其实是没有位置或者深度信息的，加了这个数据之后，配置精度非常高，每一个像素每一个物体都能带来一个坐标，所有的元素融合好传回内部生产。基于图像、视频、深度学习的方法，自动处理完后再人工的检查和验证。
高精度地图只是静态的还远远不够，必须要做到实时更新。百度也跟很多车企有合作，正开展这方面的实验。
一个框架：
采集车采集一套非常基准的数据作为底层，中间会把采集其他更细腻的元素放到数据平台上，最顶层是与各个车企合作，整个行业联合起来，一块更新数据。
几个阶段：
当前能够收回的数据主要还是手机上的，因为百度地图有几亿的用户，现在手机的用户只能提供轨迹，即便这个轨迹精度不是那么高，依然可以用来生产道路。
接下来，百度会有类似于“智能后视镜”的产品出来，图片精度比手机更好，还可以将图片回传数据中心，我们不指望所有使用智能后视镜或者行车记录仪的厂商将所有图片都回传，只要一小部分就够了。
第三个阶段我们希望有更多的传感器装在车上，有更多的数据从车上的传感器传给我们。
在未来整个车都可以看成一个传感器，通过这些社会的力量，众包的力量把更多数据传回平台，把粗精度的数据和高精度的数据融合好，更新反馈给所有车厂使用。
这些，也将依赖百度地图如何添加店铺后台的数据算法及云端处理能力的良好基础。
四、L3的自动驾驶解决方案
L3实际上主要在两个场景做文章：一块是高速，另外一块是停车场。高速有几个重要的场景，包括一个自动跟车、超车以及自动变道；还有一块是自动泊车。
整个L3的自动驾驶解决方案包括这样一个框架：
用户与车打交道的部分。L3是一个人机共驾的环境，车给人不断的反馈：要做什么、将要做什么，所以HMI这一块在L3阶段非常重要；
另外，底层数据处理、传感器的融合感知这一部分是核心技术，这些一方面需要与云端服务打通，依赖于跟车厂进行合作。
五、结语
百度L3事业部主要是提供自动驾驶的软件解决方案，但不仅仅只有软件，硬件层面也需要非常多的合作：
第一块是传感器相关的，雷达、像机，有非常多的厂商在生产这些东西，应用效果也很好；
然后是地图，包括深度学习和自动化制作地图，涉及到很多的技术积累以及政策法规的东西。
之后是HMI（Human Machine Interface），这个肯定是车厂更有经验；
最后是处理层，要做很多事情，比如控制，就要把车的方向盘、油门以及刹车控制起来。这个也和硬件相关，百度愿意跟OEM厂商一块去共建车内大脑。
也许，这也解释了百度L3事业部与NVIDIA、福田汽车等芯片厂商及车企进行合作的原因。