高精地图，一夜失宠

“进城”之后，想再依赖高精地图不太现实。

速途车酷研究院 ·

文|速途车酷研究院

自从新能源汽车普及以来，作为重要卖点之一的自动驾驶便走进了大众的视野。小鹏的XNGP、蔚来的NOP、理想的NOA、广汽埃安的NDA……通过它们，很多人第一次接触到了以往只在科幻片里看到的自动驾驶。

而它们无一例外，都依赖于高精地图的辅助。

高精地图，汽车的“上帝视角”“千里眼”，也是自动驾驶技术的重要“拐杖”。但近段时间以来，众多主流车企却纷纷宣布弃用高精地图，主动丢掉拐杖，关闭“上帝视角”。

这究竟是为何？

2017年，美国通用汽车发布了半自动驾驶系统Super Cruise（超级巡航），定位为L2级自动驾驶，最大的亮点是接入了高精地图数据，而通用旗下的凯迪拉克CT6也成为其首款搭载车型。2018年，凯迪拉克CT6进入中国，高德成为其高精地图供应商，这也是首个在中国市场前装量产落地的高精地图商业应用项目。

图源：钛媒体

此后，高精地图在国内便开始迎来了一段黄金时期。

相对于传统的电子导航地图，高精地图的优势是很明显的——它的精度更高、数据维度更丰富、鲜度也更及时。论精度，一般电子地图精度在米级别，而高精地图则可达到厘米级别；论数据的种类，除了道路的方向、宽度、坡度等基本数据之外，像交通信号灯、防护栏、路边地标等大小细节也都会被涵盖在内；论更新频率，高精地图通常以季度为单位进行更新，数据比传统的导航地图更新鲜。

显然，掌握了如此详尽的道路信息，车辆就能在感知能力尚不够强的时候得以“超水平发挥”，因此高精地图在很长一段时间内都被视为实现高阶智能驾驶的必要工具之一。

但近两年，情况逐渐起了变化——众多车企乃至芯片厂商开始不约而同地减轻对高精地图的依赖。

3月16日，地平线创始人兼CEO余凯透露，地平线今年将推出不依赖于高精地图的视觉高级辅助驾驶方案；22日，元戎启行发布拥有精确感知系统的DeepRoute-Driver 3.0，它也摆脱了对高精度地图的依赖；23日，华为2023春季旗舰新品发布会上，余承东表示：即将上车M5 EV的高阶自动驾驶系统为ADS 2.0版本，它将不依赖于高精度地图，而是主要通过车端融合感知来进行环境识别；而在更早的时候，理想和小鹏也都表达过“摆脱高精地图”的想法……

图源：@新浪汽车

短短几年，高精地图似乎从香饽饽变成了一块烫手的山芋。

一个重要原因是，进城了。

此前的自动驾驶通常只能在高速公路实现，因为高精地图覆盖的区域仅限于此。然而，随着技术的发展及车企们竞争的需要，自动驾驶较量的战场逐渐从高速公路转移到了城市里——显然，一个真正理想的“自动驾驶”应该是能够实现“点对点”的，从高速到城市再到泊车，你得全程负责，送佛送到西。

然而，相比于路况常年不变的高速公路，城市道路的复杂度可是指数级上升——道路维修、红绿灯增减以及各种难以预料的临时状况，都会给道路带来变化，因此可以说：城市道路才是真正考验辅助驾驶水平的试金石，你精度再高、数据再丰富，面对城市道路日新月异的变化，显然也难以招架，除非能做到实时更新，但这就牵扯到更加根源的成本问题了，即便是国内头部的地图厂商也难以承受。就像余承东指出的：“国内的道路天天在变，依赖高精度地图的话，根本没办法普及。另外，高精度地图的制作成本非常高，想要把全国范围内的数据都采集下来非常难，甚至有时候今天采集完数据，明天就要改。”

图源：Pixabay

中国的城际高速公路和城市快速路加起来也就30万公里，但全国的城市道路则有近1000万公里，目前高精度地图的覆盖范围仅为高速路、快速路及北京、上海、广州、深圳等少数城市的部分路段。

因此，“进城”之后，想再依赖高精地图就不太现实了。毕竟相对于指数级增长的需求，图商们的采集和维护效率却很难迅速提高。

而除了难度和成本问题，政策方面也在逐渐收紧。众所周知，地图测绘是一个比较敏感的领域，是被严格限制的。企业要想测，就必须拥有测绘资质，我国的测绘资质分为甲、乙、丙、丁四级，其中导航电子地图的编制必须要有甲级资质（也就是业内所说的牌照）。但近两年国家收紧了相关政策，去年自然资源部对甲级资质进行了复审，31家单位只有19家通过了复审，这般缩紧趋势，也对短期内厂商态度的转变起了推动作用。

另外，硬件性能日新月异地提升，也给了车企们抛弃拐杖的底气。高算力芯片、激光雷达、毫米波雷达、高清摄像头等负责感知的硬件不断进步，以及辅助驾驶数据积累和算法的不断优化，当前汽车的整体感知能力已经有了很大升级。靠它们扛起辅助驾驶的大旗，时机已到。

由于这种种原因，“重感知，轻地图”将是可预见的未来辅助驾驶的大趋势。目前看来，“BEV（Bird's Eye View，鸟瞰图）+Transformer”模式可能将成为国内自主品牌的主流方案，它的基本原理是由BEV将摄像头、激光雷达等采集的数据输入到统一的空间，然后由Transformer模型对它们进行处理、识别。