百度的无人驾驶汽车项目被称为“阿波罗计划”（Apollo Project），其成本受到多种因素的影响，包括技术开发、硬件配置、软件算法、测试与验证以及量产规模等。具体成本因车型、配置和技术复杂程度而异。

成本构成分析：

1. 硬件部分

- 传感器：激光雷达（LiDAR）是无人驾驶汽车的核心部件之一，目前市场上高端激光雷达的价格较高，单个设备可能在数千到数万美元之间。

- 摄像头和毫米波雷达：这些传感器的成本相对较低，但数量较多时也会增加总成本。

- 计算平台：用于处理数据的高性能计算单元（如英伟达的Orin芯片或华为的MDC模块）价格通常在几千美元左右。

- 其他硬件：如定位系统、惯性导航设备等。

2. 软件部分

- 百度阿波罗平台提供了开源的自动驾驶解决方案，开发者可以基于此进行二次开发。然而，软件的研发和优化需要大量的人力投入，这部分成本虽然不直接体现在硬件上，但也会影响整体预算。

3. 测试与验证

- 无人驾驶汽车需要经过大量的道路测试和仿真环境验证，这涉及场地租赁、人员工资以及车辆维护等费用。

4. 量产与规模化

- 如果是小批量研发车辆，成本会显著高于大规模生产的商用车型。例如，一辆实验用的原型车可能需要几十万美元，而未来如果实现商业化生产，成本可能会降低至几万美元甚至更低。

具体数字参考：

- 根据行业公开信息，目前一辆普通自动驾驶测试车的成本通常在5万到10万美元之间，其中激光雷达等高精度传感器占了很大一部分。

- 百度阿波罗计划的目标是通过开源模式降低开发门槛，推动产业链上下游的成本下降。因此，未来随着技术成熟和规模化应用，成本有望进一步压缩。

总结：

百度无人驾驶汽车的成本目前大致在5万到10万美元之间，具体数值取决于车辆的配置和技术水平。未来随着技术进步和供应链优化，这一成本有望逐步降低。