聚焦汽車科技，剖析產業趨勢和變革浪潮

假如你今年有買車的打算，現在有兩臺配置幾乎一模一樣的車，價格也在預算范圍。唯一的不同，就是其中一臺輔助駕駛的功能。你愿意為這個多出來的功能花多少錢呢？

根據輔助駕駛實現的功能高低不同，這個市場價大約是幾千到幾萬塊，但很有可能大部分用戶的答案是：0。也就是說，直接選擇沒有配置輔助駕駛的、更便宜的車。我完全理解這樣的選擇，因為現在就算好用的高階輔助駕駛，大多有點雞肋，只能在有高精度地圖的區域使用，而高精度地圖覆蓋的區域又不多，這點兒為數不多的體驗，不買單顯然是比較理性的選擇。

高精度地圖曾經是各方爭奪的關鍵資源。但今年，華為率先站出來說，它的城市輔助駕駛技術，不再依賴高精度地圖了。

那么高精度地圖是什么？為什么當初做自動駕駛的企業會選高精度地圖這條技術路線？現在又為什么被放棄了？

Part 1

緣起

高精度地圖是一種精度可達厘米級的電子地圖，相比之下，傳統電子導航地圖精度為米級。高精度地圖包含了更多的信息：

車道模型：自動駕駛系統描述車道間拓撲關系，包括車道基準線、車道連接點、車道交通類型、車道功能類型，像普通車道、行車道、超車道、輔助車道等類型；車道功能類型定義，比如有公交車道、HOV車道、潮汐車道等類型。

道路部件：包括路面標線類和道路設施，路面橫縱向標線、標線類型，標線顏色、標線材質，清晰程度等。

道路屬性：包含車道類型的屬性和路側呈現設備屬性，包含車道數量、類型、坡度、曲率、航向、高程、側傾等信息。

道路環境特征：比如交通信號燈、交通標志、地標性建筑等。

高精度地圖提供超視距環境感知能力以及提供車道級別最優路徑規劃。因此，高精度地圖在高級別的輔助駕駛中，可以實現更可靠的融合高精定位。

●高精度地圖怎么生成的

曾經，激光雷達和高精度地圖是天生一對——Google旗下的Waymo率先開始研究自動駕駛技術，就是利用激光雷達制作高精度地圖。激光雷達輸出的點云數據，將每幀的數據拼接起來，從而建立整個場景的點云地圖，然后在拼接好的點云地圖基礎上，標注出車道線信息、交通標志信息、紅綠燈信息等，最后得出道路的結構化信息。

從高精地圖的生成方式就可以看出，這是一件數據量很大的工作，尤其一開始這些標注都是靠人工手動，后來改為效率更高的自動標注，但工作量并不會減少。所以高精度地圖一般只在封閉的路段提供，而且只是部分路段。

車企一般會選擇直接購買圖商提供的地圖，歐洲三大車企戴姆勒、寶馬和奧迪就斥資 25億歐元收購諾基亞地圖服務Here。

曾經，除了特斯拉之外，所有的玩家都覺得激光雷達是高精度地圖的必需品：

◎Waymo使用高精度地圖和激光雷達+定位做匹配

◎傳統汽車企業使用高精度地圖做匹配，讓L2級別的輔助駕駛可以做到脫手操作，比如通用汽車的Super Cruise

在中國，以小鵬汽車為代表的新勢力車企，在自動駕駛技術上迎頭趕上。他們在國內首先將高精度地圖與激光雷達技術相結合，取得了顯著的成果。

●特斯拉對高精度地圖的不同看法

然而，特斯拉憑借Tranfomer 模型取得重要突破，在兩次AI Day上展示了令人驚嘆的技術潛力。

特斯拉使用純視覺 、多視圖的方案，把攝像頭捕捉到的視覺信息融合在一起，讓他的車能更好地理解周圍的環境。

為了更準確地描述道路上的車道線和其他關鍵點之間的關系，特斯拉還會閱讀地圖上的文字描述，然后用Tranfomer 模型 把這些信息融入到自動駕駛的視覺系統中。這讓系統不僅能找到車道線、人行橫道線等地圖元素，還能了解更多車輛行駛所需的信息，提高定位準確性。

特斯拉還能把不同類型的數據翻譯成同一種語言，讓他們在同一個“語義空間”中對話，然后用Tranfomer 模型 讓他們相互學習，獲得更豐富的信息。這里本質上也是建立了高精度地圖，但不同于 之前的地圖，這是一種局部、實時構建高精度地圖，這種方式更有效率，可以降低制作成本、提高使用便利性和能夠實時更新。

Part 2

城市戰場

隨著自動駕駛技術的普及，全球各大車企開始將競爭從高速場景轉向城市自動駕駛場景。傳統的高精度地圖制圖方式，開始趕不上新的需求了。特斯拉的技術優勢開始凸顯，而中國汽車企業也緊隨其后。

●高精度地圖技術的突破

傳統的高精地圖想要全面鋪開使用，難度非常大。第一是因為高精度地圖要覆蓋全國，范圍太大，很多道路使用頻度不高，因此用標注的方式去生成地圖，不知道什么時候才能收回成本。另一個問題是城市場景對高精地圖的鮮度要求很高，國內的道路幾乎實時在變動，傳統制作高精度地圖的方法是沒辦法滿足鮮度要求，所以需要局部實時構建高精度地圖的技術，就成為實現城市輔助駕駛的關鍵。

高精度地圖的鮮度（Freshness）指的是地圖數據的實時性和更新頻率。隨著道路狀況、交通標志、建筑物等地理環境不斷發生變化，高精度地圖的準確性和可靠性可能會受到影響。因此，為了確保地圖數據的準確性和可靠性，需要定期更新地圖，使其保持新鮮狀態。

簡而言之，地圖鮮度是衡量高精度地圖數據是否保持最新狀態的一個重要指標。更新頻率越高，地圖的鮮度就越好，用戶在導航、自動駕駛等方面的體驗也就越好。

◎小鵬在第二代智能輔助駕駛系統 XNGP 中逐步擺脫高精地圖的依賴，今年 3 月底推送的第一階段能力，已經在全國無精度地圖城市部分解鎖了 NGP：

- 2023 年上半年，城市 NGP 發布，支持廣州、深圳、上海；全國范圍（所有無圖城市）開放識別紅綠燈并直行通過路口能力

- 2023 年下半年，大部分無圖城市開放變道、超車、左右轉能力

- 2024 年上半年，全場景打通，實現從車位到車位的智能導航輔助駕駛能力

◎2023華為智能汽車解決方案發布會上，華為發布了高階智能駕駛系統ADS 2.0，宣布不再依賴高精地圖。同時，公布了一項激進計劃：今年第三季度將在15城落地，第四季度擴大至45城。搭載HUAWEI ADS 2.0系統的汽車，都可以實現城區的輔助駕駛。

HUAWEI ADS 1.0已實現基于Transformer的BEV架構，而HUAWEI ADS 2.0進一步升級，基于道路拓撲推理網絡進一步增強，即使無（傳統）高精地圖也能看懂路，紅綠燈等各種道路元素。

●合作與競爭

可以看出，所謂“無圖”指的就是不再依賴傳統的高精度地圖，那以前的高精度地圖還能用嗎？

目前來看傳統的高精度地圖有點像自動駕駛的輪椅，過分依賴高精地圖會讓自動駕駛系統變得極其脆弱，普及起來更加困難，所以目前大家都在嘗試從這個輪椅上站起來。智能輔助駕駛后續的發展路線，將會在高速等有地圖的路段，繼續使用高精度地圖，而在無圖的路面，采用實時構建高精度地圖的模式。從而逐漸減少對傳統高精地圖的依賴。

Part 3

未來之路

自動輔助駕駛技術正在改變我們的出行方式。技術路線的競爭如火如荼，已經從高速公路的較量進入了城市駕駛的新戰場。特斯拉引領著時代的潮流。中國汽車企業也緊隨其后。

高精度地圖并未真正消失，它僅是從傳統標注的方式蛻變為實時局部的高精度地圖。真正消失的，是傳統的高精度地圖生成方法。用Tranfomer 模型+BEV架構生成的高精度地圖，能夠更加迅速地更新，適應各種場景的需求。這是在大數據計算能力和創新方法的基礎上所實現的技術突破，為自動輔助駕駛的不斷改進提供了強大的推動力。

審核編輯 ：李倩