車企“去圖化”成風，高精度地圖上演“行路難”

圖片來源：視覺中國

近年來，經過各大車企對高精地圖高強度的 " 宣傳轟炸 "，一股 " 去圖化 " 的風潮逐漸興起。

(資料圖片僅供參考)

早在 2019 年，馬斯克就曾公開 " 炮轟 " 傳統高精地圖 " 無法適應任何變化 "，并將特斯拉引向了純視覺感知方案的技術路線之上。

在 2022 年，華為的余承東、小鵬汽車的何小鵬等人也相繼加入到了 " 抨擊 " 高精地圖的行列之中，此后一眾車企也先后宣傳起各自 " 不依賴 " 高精地圖的解決方案，甚至有車企直接喊出了 " 去圖化 " 的口號。

而以毫末智行、智行者等一眾智能駕駛解決方案商們，其實早在車企之前，就相繼宣布發力 " 重感知，輕地圖 " 的技術路線。

" 不依賴高精地圖 " 仿佛在一夜之間，就成為智能汽車自動駕駛技術新的角力點。

隨著車企與智能駕駛解決方案商們，相繼 " 陳述 " 著對高精地圖的不滿，這個昨日還欣欣向榮的行業，似乎轉瞬之間就成了 " 昨日黃花 "。

更為關鍵的是，為了搶占城市 NOA（Navigate On Autopilo，自動輔助導航駕駛或領航輔助駕駛）的落地先機，很多車企已經開始付諸行動。日前，小鵬和理想兩家頭部新勢力品牌，先后公布了各自的無高精地圖以及不依賴高精地圖方案。

先是何小鵬在社交平臺上表示，將在全國沒有高精地圖的城市陸續開放 " 無圖化 " 的 XNGP。隨后，理想也以試乘活動的形式向媒體展示了其 " 不依賴 " 高精地圖的城市 NOA 系統，并宣布將向北京和上海的內測用戶交付體驗功能。

除此以外，蔚來、上汽、百度Apollo、小馬智行等眾多車企或產業鏈上的企業也正在積極布局，它們大多將于年內實現城市 NOA 的全面落地。換言之，隨著城市 NOA 先頭部隊迎來落地，高精地圖在車圈的處境也將更顯微妙。

而一場關乎車企乃至圖商未來命運的博弈，卻早已圍繞高精地圖的 " 去留問題 " 悄然展開。

車企為何紛紛 " 拋棄 " 高精地圖？

自誕生之日起，便與自動駕駛深度綁定的高精地圖，為何如今會遭到各大車企 " 拋棄 "？要想弄明白這個問題，不妨先來看看高精地圖在自動駕駛中扮演的角色，以及近年來的發展現狀。

要說高精地圖，其實就是指絕對精度和相對精度均在 1 米以內的高精度、高新鮮度、高豐富度的電子地圖。通俗來說就是，相比普通 SD 地圖在精細度或豐富度上面有更高要求的地圖。

目前車輛的感知和定位技術，在可靠性、定位精度以及衛星信號缺失場景再定位情況下，都有著一定的技術痛點。而高精地圖的加入，就可以有效彌補自動駕駛傳感器的性能邊界，為自動駕駛提供安全保障。

同時，高精地圖除了上述在感知層的作用之外，其也可以作為規劃決策的載體，將路口紅綠燈狀態、路網變化、交通信息等情況進行反饋，實現最優路徑規劃。

簡單來說，高精地圖的主要作用貫穿于自動駕駛汽車定位、感知、決策三個重要環節之中，總結起來就是解決 " 我在哪里？"" 我前方有什么？"" 我要怎么開？" 三個基礎而又重要的問題。

因此，從目前的技術來看，高精地圖在自動駕駛方面仍發揮著難以替代的作用，其也是未來車路協同的重要載體。

圖商向車企提供高精地圖，車企拿高精地圖來服務自動駕駛，看起來是一門能夠互惠互利的好生意。但就是這看似互相成就的背后，仍存在著難以消除的 " 矛盾 "，橫亙在圖商與主機廠之間。

眾所周知，將智能輔助駕駛系統從高速公路應用到城市公路，被認為是高階智能輔助駕駛系統走向無人駕駛的關鍵一步，也被認為是車企未來數年最重要的競爭力之一。

值得注意的是，造車行業頭部玩家們拋棄高精地圖的時機，恰恰是高階智能駕駛開進城市開放道路的這個時間節點，矛盾也由此爆發。

城市開放道路相比高速場景，道路元素更加豐富，交通參與者更多，同一場景的變化更快，這就對高精地圖的鮮度提出了更高的要求。小鵬汽車自動駕駛副總裁吳新宙曾特意強調這一點：對于城市場景，高精地圖的 " 鮮度 " 非常關鍵，希望 NGP 發布的時候能夠做到以 " 天 " 級更新高精地圖的能力。

" 天 " 級更新的鮮度，聽起來非常美好，但可惜現階段的圖商們卻根本做不到。目前，市面上城市級高精地圖產品的鮮度，更新頻率一般都要以月甚至季度為單位計算。這種情況之下，高精地圖難以滿足車企對城市高階智能駕駛的應用要求。

而擺在各大圖商面前的首要難關就是成本問題。目前，我國主流的測繪方式還是以高精地圖采集車來完成的，通過安裝在車端的激光雷達、攝像頭、輪速計、IMU 等裝置，收集道路信息。據透露，這樣一臺車本身的成本預計就在百萬元以上。

而根據《智能網聯汽車高精地圖白皮書》，分米級地圖的測繪效率約為每天每車 500 公里道路，成本達每公里 10 元左右，而厘米級地圖的測繪效率約為每天每車 100 公里道路，成本達每公里千元左右。

另據交通運輸部最新數據顯示，目前我國公路總里程已達 528 萬公里，數據采集成本就堪稱 " 天價 "，而這還是不考慮錯綜復雜的鄉村小路以及測繪效率問題。因此，周更乃至日更的高精地圖，現階段確實沒有一家圖商能夠單獨完成。

此外，由于國家嚴格的測繪管理標準，高精地圖的行業準入門檻很高，目前國內擁有 " 導航電子地圖制作甲級測繪資質 " 的企業數量十分稀少。再加上除高速路段外，我國僅開放了北京、上海、廣州、深圳、杭州、重慶這六座城市的高精地圖采集權限，由此也導致了各大車企的規模推廣普遍受到高精地圖范圍的掣肘，無法擴張到其他地區。

在此前的 HUAWEI ADS 2.0 發布會上，余承東便指出，高精地圖覆蓋全國的難度太大，中國道路幾乎實時在變動，只有不依賴高精地圖的智駕系統，才具備大規模上車實用的價值。

受困于高精地圖的應用局限，車企的高階輔助駕駛體驗無法得到量級的提升，但同時車企又要面臨著巨大的成本負擔。既然如此，不如徹底掙脫高精地圖的 " 束縛 "，轉而投向 " 無圖化 " 的懷抱。可以說，這也是車企和供應商在現階段跳出條件限制，探索全新可能性的一次重要嘗試。

純 " 無圖化 " 方案尚需時日

看過了車圈很多 " 頭部玩家 " 的發言，對于高精地圖的去留問題，車企間仿佛已經達成了一定 " 共識 "。但從現階段的產品表現來看，" 無圖化 " 距離真正實現似乎仍需時日。

日前，小鵬汽車宣布解綁高精地圖并舉辦 XNGP 的試乘試駕活動。從技術邏輯來看，小鵬汽車在高精地圖覆蓋區域，仍依賴高精地圖去實現高階輔助駕駛功能，而無高精地圖覆蓋的區域僅開放識別紅綠燈和執行通過路口的能力，仍無法達到有圖時的效果。

而余承東提到的華為 ADS2.0 計劃，展開試乘試駕活動的城市仍居六大高精地圖開放城市之列，其他城市的推送時間充滿著不確定性。目前，大多數車企的城區 NOA 測試或者體驗活動，也仍舊放在六個高精地圖開放城市。

對此，騰訊地圖數據負責人馬常杰也曾表示，在解綁高精地圖成為主流聲音的當下，圖商與車企在高精地圖方向的合作并未受到太多影響。也就是說，車企關于 " 無圖化 " 的宣傳口徑與實際落地情況之間存在著不小的差距。

數據來源：公開信息整理，截至 2023 年 4 月

近幾年，BEV+Transformer 的算法架構在 CV 領域（Computer Vision 計算機視覺）勢頭正猛。面對此種現狀，國內主流車企選擇將破局的希望傾注在了實時建圖路線上。

自 2020 年起，特斯拉發布論文引入 BEV 感知方法，目前大多數公司的方案也由基于 CNN 的感知方法漸漸替換為 BEV 感知。另外 Transformer 模型也取代了 NLP 中的 RNN 網絡結構，具有可以計算的特點。

"BEV+Transformer" 這種新的感知算法架構，在車企 " 去圖化 " 過程中起到了至關重要的作用。

在剛剛結束的理想科技日上，官方公布了不依賴高精地圖方案，其大致流程是通過 "BEV+Transformer" 組合將傳感器收集到的數據實際構建在線矢量地圖，可以理解成 " 新鮮出爐 " 的一種高精地圖。

如果碰到復雜路口遮擋，信息缺失等情況，理想還提出了通過 NPN（神經先驗網絡），用之前收集的道路信息對實時生成的地圖進行補充的辦法。

NPN 能夠實現的一個前提是，車輛已經提前收集并存儲了該路口的數據。這和攝像頭的視覺感知有點像，需要提前感知才能識別，沒見過就不認識。由此也帶來一個問題，對于第一次碰到的場景，NPN 也沒有太好的辦法，只能先收集數據。

換言之，在車端部署 BEV+Transformer 算法需要海量的數據支撐，要保證國內的每一條道路它都 " 見過 "" 開過 "，才能保證系統的全場景覆蓋，這對于國內的路網規模來說無疑相當困難。

并且，除了實時建圖路線的 " 技術門檻 " 之外，用戶數據的體量能否支持企業完成全國層面的路網掃描，也是該技術的 " 硬性門檻 "。這對于非頭部的造車企業而言，困難程度甚至遠遠高于資金和技術本身的投入。

其實在國內的智駕圈，不管是車企亦或是智能駕駛方案供應商，都沒有將高精地圖完全排除出技術方案中，反而是能用圖就用圖。一邊高喊 " 去圖化 " 的口號，一邊用著高精地圖并表示 " 真香 "，這就是當下智駕相關企業對高精地圖的真實態度。

根本原因在于，高精地圖在自動駕駛中扮演的角色主要是定位和先驗信息，有助于自車 PnC（Planning and Control），也就是規劃域控制。就比如當車輛行駛到路口時，高精地圖能夠提前先驗信息，告訴自車所有的路面信息，不僅如此，還能顯示各個信息之間的拓撲關系，比如哪個紅綠燈負責哪條道路，這樣自車就能快速進行 PnC。

而如果放棄高精地圖，智駕車輛靠實時感知順利通行十字路口需要付出多大代價？

在去年的 AI Day 上，特斯拉給出了答案——特斯拉團隊專門訓練了一個參數量達到 7500 萬的神經網絡 "Lanes Network"，這個模型在運行時大約會占用計算平臺峰值算力的 10%，其作用只是 " 讓車輛弄明白面前每條車道到底通向哪里 "。

而現實中的道路情況，尤其是國內的道路環境，其復雜程度遠比想象中更高。高精地圖更善于應對十字路口等高難度場景，豐富的先驗信息可以為感知系統減負，節省計算資源，騰出的算力可用于更好地感知動態物體。同時，它提供的先驗信息和省出的算力，也會降低智駕算法中預測和規控模塊的難度。

通俗來講，就是一個剛學走路的孩子，與其直接教他走路技巧，不如先給他一個 " 學步車 " 先走起來再說。現階段的高精地圖扮演的就是那個 " 學步車 " 或者說 " 拐杖 " 的作用，車企想扔了它還能健步如飛，確實為時尚早。

來自圖商的反擊：" 輕高精地圖 "

雖說完全 " 去圖化 " 對于行業來說仍舊為時尚早，但趨勢已然顯露無遺，圖商必須開始尋找新的可能性。

根據智研咨詢發布的《2022-2028 年中國高精地圖行業市場供需形勢分析及投資前景評估報告》顯示，高精地圖作為自動駕駛重要的感知基礎技術之一，已經成為國內外車企量產智能駕駛汽車的優先選擇，預計 2025 年國內外自動駕駛高精地圖市場規模將達到 89.6 億美元。

同時，根據高工智能汽車研究院監測數據顯示，目前在中國市場，具備提供高級輔助駕駛地圖數據能力的公司，僅有 11 家；其余具備資質但沒有完整數據的公司，則僅能夠支持車企的數據合規，而上述兩種情況總計也不過只有 31 家。

長江商學院的一份報告顯示，目前車企和圖商合作，比較公認的收費模式是，車廠簽下訂單時支付一筆訂單費用以供圖商進行高精度地圖的開發，后續在搭載車輛上每年收取一定的 License（許可）費用。目前，訂單費用大約為幾千萬，而 License 費用則在單車 1000 元 / 年左右。

而中國汽車市場的智能化潛力有多大，相信不用任何贅述。面對 " 粥多僧少 " 的市場紅利，各大圖商們肯定不會甘于沉寂，生存壓力之下 " 輕量級高精地圖 " 方案應運而生。

那么，何為輕量級高精地圖？簡單來說，就是 " 低配版 " 的高精地圖，通過降低精度，來規避上文提到的地圖鮮度、成本以及法規等一系列問題。

目前，業內主流的 " 輕量級高精地圖 " 主要分為兩種：

其一是特斯拉目前采用的技術路線，采取的是眾包地圖的邏輯。簡單來說就是通過已售車輛收集道路信息，然后繪制地圖，部署在車端，依然屬于預裝地圖，不過嚴格來說，也可以歸為 " 輕高精地圖 " 的行列，只不過是 " 當場繪制 " 而已。

而另一種，則是來自各大圖商的解決方案，采用輕高精地圖解決方案。這種地圖介于導航地圖和高精度地圖之間，其在精度、要素的豐富度上，要比導航地圖更高，但弱于高精度地圖，在保留智能駕駛所必需的基礎要素基礎上，簡化了不必要的元素。

騰訊輕量級高精地圖 HD Air

今年 4 月，百度，騰訊，四維圖新先后發布了 " 輕高精地圖 " 方案。百度稱其 " 輕地圖 " 方案比傳統高精地圖要輕 80%，騰訊則表示會做到地圖周更，四維圖新則稱會將高精地圖的成本從 " 幾萬塊直接降到百元級 "。

業內人士分析，原本需要的高精地圖精度大概在厘米級，要素信息大概在一兩百個。而 " 輕高精地圖 " 方案將需要的地圖可能只需要在米級精度上，外加五十個左右的要素。這樣一來，采集的成本也會大大降低，生產效率會變高，質量控制也會越來越好，對圖商的影響也是一種正向的促進。

借由 " 輕高精地圖 " 方案的助力，各大圖商也算初步 " 擺脫 " 了高精地圖在鮮度、成本、測繪條件上的限制，不甘淪為 " 昨日黃花 " 的一眾圖商，再次吹響了反擊的號角。

車企與圖商的博弈，將把自動駕駛帶向何方？

從高精地圖誕生至今，車企與圖商的關系便圍繞技術與監管兩個主軸，開始了相互滲透，但結果往往都收效甚微。2021 年開始的地圖資質收緊將車企推回了原本的陣地；同年 BEV+Transformer 掀起的智駕感知技術進化，則讓高精地圖失去了原有的地位。

在技術迭代與法規完善的過程中，雙方圍繞高精地圖去留的博弈仍將繼續，不禁讓人產生疑問，二者的較量將會把自動駕駛技術引向何方？

其實就現階段而言，車企與圖商的關系并非完全對立的，" 輕高精地圖 " 與 "BEV+Transformer" 技術路線為二者的共贏創造了先決條件。

為了解決某個非開放場景下自動駕駛，用激光雷達補盲以及高精地圖，其實無可厚非；但長期來看，依靠大規模高精地圖是有場景泛化的局限性的，尤其是進入到城市道路之中。而 " 輕高精地圖 " 明顯是無法完全勝任這種情況的，這時候就需要 "BEV+Transformer" 在感知層面的支持。

從將自動駕駛完全依賴高精地圖，變為了圖商負責 " 輕地圖 "，車企搭配 " 重感知 "。此舉既降低了對高精地圖的依賴，也可以拓展到更多的城市，而不是僅僅停留在幾個城市的范圍。

數據來源：高工智能汽車研究院整理數據

對于圖商而言，輕高精地圖方案在規避高精地圖問題的同時，又能大大降低成本和采集難度。而對于車企來說，" 頭部玩家 " 想要完全脫離圖商也并不容易。

就像特斯拉的 FSD，何時能推送正式的量產版本仍未有定數。國內很早就拋棄高精地圖的玩家打造的城市高階智能駕駛方案，實際體驗下來很難說已經達到可商業化量產的狀態。

其實，不管是特斯拉的眾包地圖還是頭部新勢力的實時建圖都有一個關鍵點，就是數據量的問題。

這類方法更適合頭部企業，對于銷量沒有那么大的腰部或者尾部企業，沒有足夠的數據量就沒辦法訓練模型，沒有好的模型就不能保證智駕系統的安全和體驗，那把這一部分工作交給圖商也未嘗不可。

更有圖商認為，智能駕駛等級越往上走，精度要求越高，高精地圖的存在感會越高。此前，四維圖新就曾表示，在 L1、L2 的輔助駕駛階段，高精地圖并非剛性需求，但其對于 L4、L5 級別的自動駕駛是必選項，對于 L3 級別的自動駕駛是可選項。

并且值得注意的是，雖然目前高精地圖面臨一定程度上的發展阻礙，但一眾傳統造車巨頭們還未真正 " 下場 "。

要知道高精地圖的采購成本，如果規模化均攤之后其實不算昂貴，因此也不排除傳統車企青睞高精地圖解決方案的可能。在時代轉型之中，往往傳統巨頭與新勢力們總是存在巨大的割裂，而高精地圖的命運自然也遠未到 " 宣判 " 之時。

現在的高精地圖之于自動駕駛技術，更像一個蹣跚學步之人的 " 拐杖 "，有這根拐杖走得自然輕松穩妥許多。但其實大家都明白 " 孩子 " 總有長大的一天，而那時才是真正決定這根 " 拐杖 " 的去留之日。

（本文首發鈦媒體 App，作者｜常笑，編輯｜張敏）