無圖自動駕駛，高精地圖真的不需要了嗎？

去年，華為問界M5智駕版城市領航在重慶自主行駛的視頻在社交平臺引發(fā)大量圍觀，重慶的道路比較復雜，交通參與者的行為變化也較多，華為問界M5智駕版嫻熟的避讓、超車，很多人直說“比老司機開的還好”。隨后，具備高速和城市領航輔助功能的小鵬G6、問界新M7等車型收獲大量訂單，看起來購車用戶對于智能駕駛的關(guān)注程度越來越高，高階智駕已經(jīng)成為部分用戶的關(guān)鍵購買因素。而在這一輪智駕風口來臨之際，高精地圖卻成為了車企普及高階智駕的“掣肘”，去圖化的自動駕駛也成為了車企們的共識，即將讓智駕落地迎來新的拐點。

高精地圖在智駕中的重要角色

高精地圖在自動駕駛感知層扮演極其重要的角色：高精地圖是精度更高、數(shù)據(jù)維度更多的電子地圖，精度更高體現(xiàn)在精確到厘米級別，數(shù)據(jù)維度更多體現(xiàn)在其包括了除道路信息之外的與交通相關(guān)的周圍靜態(tài)信息，和我們常用的導航地圖完全不一樣，它可以被理解為寫給車的整體的算力模型，也可以說高精地圖是一種具備“超視距”感知能力的傳感器。

在2023年之前，國內(nèi)幾乎所有落地的領航輔助系統(tǒng)都需要高精地圖的輔助，作為自動駕駛感知層核心部分，可彌補普通傳感器的性能邊界、提供重要先驗信息，助力單車智能落地；與此同時，很多靜態(tài)信息可以預先存留在高精地圖上，使其極大減輕了感知實時檢測的算力負擔，使得感知有更多資源進行動態(tài)物體的識別與跟蹤。事實上，大多數(shù)智駕方案也都是基于高精地圖進行設計與開發(fā)的。

然而，高精地圖的缺陷也顯而易見。首先，車企多依賴于和圖商進行合作而非自己采集高精地圖信息。目前大部分圖商只能做到 3 個月更新一次高精地圖，而對于自動駕駛而言，理想狀態(tài)是日更，乃至小時級的更新。此外，在當下車市極度內(nèi)卷的情況下，車企也需要考慮高精地圖較為高昂的成本。據(jù)了解，目前市場上分米級地圖的測繪成本為每公里10元左右，而厘米級地圖的測繪成本可達每公里千元。

去圖化成為車企主旋律

縱然高精地圖可以幫助車企更快地實現(xiàn)智駕功能的落地，但與此同時，其本身具備的固有缺陷也導致了受其約束，智駕的最大能力無法完全發(fā)揮，且許多場景依然難以解決。在這樣的條件下，有華為、小鵬在國內(nèi)率先掀起了一股“去圖化”的智駕浪潮，而實現(xiàn)的技術(shù)路線主要分為兩方面：

一方面是通過眾包建圖的方式，例如特斯拉就并未完全拋棄地圖，而是采用了“眾包”的形式，來繪制駕駛所需要的地圖。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，有專業(yè)人士分析認為，特斯拉的眾包地圖也屬于輕量化地圖的一種。但這條路徑在當下的國內(nèi)市場很難走通。首先，國內(nèi)大部分新能源車企銷量難以和特斯拉匹敵，這也就導致其已售車輛能夠采集的數(shù)據(jù)遠少于特斯拉；其次，目前國內(nèi)正在收緊對高精地圖甲級資質(zhì)的審批，沒有獲得資質(zhì)的企業(yè)，無法在國內(nèi)道路進行高精采集、測繪以及繪制高精地圖。

另一條路線就是通過感知層面，BEV（Bird's-eye-view，鳥瞰圖視角）+Transformer的技術(shù)架構(gòu)來構(gòu)建實時的局部地圖，BEV是將傳統(tǒng)自動駕駛2D圖像視角加測距的感知方式，轉(zhuǎn)換為在鳥瞰圖視角下的３D感知；Transformer最早由谷歌提出，可將多攝像機數(shù)據(jù)從圖像空間轉(zhuǎn)化為BEV空間。這套技術(shù)架構(gòu)可以將攝像頭和其他硬件采集的數(shù)據(jù)統(tǒng)一到一個空間進行融合，再通過 Transformer 模型大量處理數(shù)據(jù)，比如真實車道線識別、判斷可行駛空間等，使得車輛的感知更穩(wěn)定，預測更可靠。在車輛感知能力大幅提升的情況下，高階智駕對于高精地圖的需求將有所降低。

然而在這一路線下，另一個關(guān)鍵問題就凸顯出來：那就是“去圖化”智能汽車智駕方案是否涉及測繪行為？這其實屬于目前政策法規(guī)中較為模糊的地帶，而要想符合政策合規(guī)性，車企與圖商的合作也必然會越來越緊密。一方面，基于地圖使用的服務通常是動態(tài)變化的（主要體現(xiàn)在數(shù)據(jù)要素層面），以補充自動駕駛能力。另一方面，考慮到對地圖精度和數(shù)據(jù)要素需求的降低，眾源車輛成為保證地圖鮮度的關(guān)鍵。

無圖下的城市NOA進入兌現(xiàn)期

城市NOA（Navigate on Autopilo，導航輔助駕駛）即針對城市交通環(huán)境開發(fā)的駕駛輔助系統(tǒng)，主要功能是在高精地圖、激光雷達、毫米波雷達等感知層的支持下，實現(xiàn)點到點的智能駕駛，直面上班通勤等出行場景。在特斯拉引領的Transformer+Bev架構(gòu)驅(qū)動下，智駕算法趨近于端到端的智駕大模型，使得智能駕駛開始步入城市NOA新時代。

在國內(nèi)，城市NOA的競爭也愈發(fā)火熱。不僅有小鵬、蔚來、上汽智己為代表的新勢力代表，也有“華為系”極狐、阿維塔、問界等車型紛紛“開城”，也不乏長城這樣的傳統(tǒng)車企。目前來看，大多目標在2024年實現(xiàn)在50-100座城市實現(xiàn)NOA。與此同時，華為也計劃今年將無圖版的ADS 2.0推廣到全國。而能幫助城市NOA如此迅速開展到全國各個城市的關(guān)鍵，便是“去圖化”的智駕整體方案，也只有不再過分依賴離線的高精地圖，智駕功能才能越來越被消費者所接受。

車企與圖商的合作共贏

縱然對外界宣傳時，車企總喜歡將“無圖”掛在嘴邊，但事實上目前為止，筆者從業(yè)界了解到的信息來看，大多數(shù)車企并沒有完全拋棄掉高精地圖，而是向“輕地圖”的方向去努力。盡管隨著智能駕駛車輛感知能力的提升，地圖對于視線內(nèi)信息的補充的重要性降低，但它對于視距外信息的補充仍然發(fā)揮著重要的作用，直接影響駕駛的舒適性和效率。因此，車對于圖的需求存在動態(tài)變化的可能性，但無圖方案可行性不強。在未來，筆者認為車企與圖商之間還是存在著合作共贏的可能性：例如采用地圖眾源、數(shù)據(jù)閉環(huán)的業(yè)務方向，圖商在其中的作用不可替代。大模型的落地應用解決了車端對高精地圖的依賴問題，但同時感知能力的提升，車端實時建圖，也讓民用車輛眾源建圖成為可能。盡管從數(shù)據(jù)采集、數(shù)據(jù)傳輸、數(shù)據(jù)清洗、數(shù)據(jù)加工到數(shù)據(jù)的應用各環(huán)節(jié)存在一定的問題，在成本計算上也存在收益性評估困難等問題，但不失為是一種車企、圖商雙贏的方式。

通過深入研究我們發(fā)現(xiàn)，無論是輕圖還是無圖，并不足以完全替代傳統(tǒng)的地圖功能。圖商的作用在諸多方面都是不可替代的，包括但不限于基于地圖服務的數(shù)據(jù)服務、地圖眾源、數(shù)據(jù)閉環(huán)業(yè)務等方向。在可預見的未來，地圖在自動駕駛中的角色仍然不可或缺。