来源 | 无人驾驶俱乐部

【资料图】

知圈 |进“底盘社群”请加微yanzhi-6,备注 底

2023年上海车展已退下帷幕，其中长城汽车旗下的自动驾驶公司-毫末智行拉起来“去高精地图”的大旗，让人影响深刻。本篇文章便把高精地图那点事儿说一说，看看这位曾经的“宠儿”如何走到如今备受争议的一步。

01

近一年行业发展资讯

从2022年开始，也正是高阶智能驾驶技术突飞猛进的这一年，车企纷纷喊出了“弱化高精地图”的口号。去年4月，长城旗下毫末智行提出要做“重感知、轻地图”的城市智能驾驶，降低方案中高精地图的权重，乃至做到无需高精地图；同年5月底，华为智能汽车解决方案BU总经理余承东在车展上公开宣称：“自动驾驶未来不能过分依赖于高精地图、车路协同。”

前些日子，理想汽车首席执行官李想发出了一封全员信，信中表示，理想汽车的端到端训练城市NOA导航辅助驾驶（不依赖HDMAP，即不依赖高精地图）将会在2023年底开始落地。

无独有偶，就在李想发出这封全员信的不久前，小鹏汽车董事长兼首席执行官何小鹏在小鹏汽车全员会上明确提出，2023年的X-NGP辅助驾驶要抛掉高精地图。

2023年上海车展，毫末执行发布无高精地图版本的城市高级辅助驾驶。

02

高精地图有哪些牛逼之处？

曾几何时，高精地图被视为自动驾驶产业不断向前发展，不可或缺的一个重要组成部分。易图通首席执行官陆洪彬曾用“上帝之眼”这4个字来形容高精地图，在他看来，高精地图是自动驾驶技术落地的一个关键环节。

众所周知，当前自动驾驶技术大类上可以分为 单车智能和 车路协同两大技术路线，但随着单车智能的发展遭遇瓶颈，在发现高精地图可为自动驾驶提供超视距信息，比如可以提供相机无法感知的远距离信息后，大部分车企开始采用“高精地图＋多传感器融合”的技术路线，以此求得兼顾成本和安全的最优解决方案。

“高精地图可弥补汽车普通传感器性能边界，为自动驾驶决策提供重要信息，为RTK/GNSS等定位信号统一基础坐标系环境，它是实现L3＋以上自动驾驶功能的必备条件。”陆洪彬认为，高精地图还常用于车路协同，车-路-云端架构下的地图相关解决方案，能让自动驾驶汽车具有“上帝之眼”，在自动驾驶示范区、智慧交通等领域发挥着重要作用。此外，基于地理位置及实地物数据的虚实映射、一一对应，让数字孪生应用技术落实到智慧城市、智慧园区等应用项目上成为可能。

当时，业内普遍认为，无论是车企进行ADAS应用，或提供AR车载导航服务，还是路端的运营商想要提供多源信息汇聚增值服务、公开道路优化运行，亦或者是政府在进行交通态势仿真、统一安全管控等工作，都需要高精地图作为支撑。

03

高级辅助驾驶三种技术路线

高级辅助驾驶和自动驾驶领域可分为三种技术路线 （暂不考虑车路协同）：

一种是纯视觉感知，单纯依靠摄像头和算法实现高级辅助驾驶，车企代表有且仅有特斯拉。

二是传感器融合搭配高精度地图，把高精度地图视为全场景、全气候下的超视距感知传感器，用来降低对其他传感器整体性能的要求，补足算法短板，提升决策规划的正确性。这也是国内主流车企的技术路线。 （说白了就是重地图，轻感知）

三是重感知+轻地图，该路线设想的是在没有高精度地图的区域，通过视觉或多传感器融合来构建实时地图。这个技术路线介于前两者中间，高精地图在这个路线中的权重主要视车企对自家车辆上感知系统的能力有多少信心而定。

除特斯拉外，后两者都采用传感器和高精度地图相协同的方案，区别只在于车企对高精度地图的精度和覆盖范围的需求不同而已。

对高精度地图的认知和需求的不同，会对车企的自动驾驶技术路线产生巨大而深远的影响，不同主机厂的自动驾驶技术路线也会因此而大相径庭。

04

阻碍

为何高精地图会从炙手可热沦落到食之无味的地步？

高精地图距离真正大规模、低成本应用，还有很长距离，制作成本高、周期长、“鲜度”低，难以满足当前车企对高精地图的要求。

首先，高精地图制作成本高、周期长。相较于普通的导航地区，高精地图的精度一般可达到分米乃至厘米级（一般导航地图精度在米级），记录信息的维度也更多（包括但不限于道路的曲率、坡度、车道连接关系，交通管制情况、交通信号灯数据等）。基于此，高精地图制作需要专业的地图采集车，这些车辆的单车采购成本超过百万元，有的甚至接近千万元。出于成本考虑，每家图商一般只有上百辆专业车辆，但与之相对的，城市公路里程长，且需要在国内几乎所有主要城市路网进行较为全面的反复采集，进程自然非常缓慢。

根据《智能网联汽车高精地图白皮书》的介绍：

采用传统测绘车方式，分米级地图的测绘效率约为每天每车 500 公里道路，成本为每公里 10 元左右，而厘米级地图的测绘效率约为每天每车 100 公里道路，成本可能达每公里千元。

如果要彻底解决地图鲜度问题，反而会引发成本难题。

比如高精地图维护成本，以中国「基建狂魔」式的道路更新速度来看，靠采集车上路采集不仅数据更新速度慢，同时面对全国 1000 万公里城市道路将会为数据更新采集带来巨额成本。

武汉大学测绘遥感信息工程国家重点实验室李必军教授曾表示，「按照现在一辆采集车，两百万左右的成本计算，我们可能把全国数据采一下要 200 亿左右，没有哪一家能够解决。

这个成本反映到车企端，据产业调研的数据显示，目前业内的高精度地图收费主要采用的是授权费用以及每年收取服务费的模式，授权费用约为每车 1000 元，服务费有的按照车辆数量收费，也有按照使用路程区间收费的模式，每年每车在 100～500 元左右。如果车企采用完全依赖于高精度地图的智能驾驶方案，结果很可能是投入了高昂的使用经费，但智能驾驶的实际可运行区域却少得可怜。

其次，高精地图对数据的“鲜度”要求非常高，车企往往需要实现日更甚至分钟级的更新，以避免因数据更新不及时而让汽车作出错误的决策。但事实上，要实现这一点难度不小，背后的数据存储、数据筛选、建模解析都是挑战，成本也是一个不容忽视的大问题。骨感的现实是，高精地图目前的常态是以季度或月度的频率进行更新，即便是华为这样卯足了劲儿的“豪门”，也只能做到周更而已。

第三，行业目前缺乏统一的行业规范和行业标准，这也成为当前高精地图行业面临的共同课题。专家指出，高精地图的采集、内容编制、数据格式、发布传输、更新管理等方面都还缺乏行业标准。这导致高精地图数据格式多样，给应用企业增加了成本，也给用户带来数据通讯和处理方面的麻烦。而且，标准问题涉及行业发展的基础和方向，没有标准，犹如“蒙眼赛跑”，显然不利于行业健康发展。

基于以上种种原因，车企不得不采用“多传感器融合＋高精地图”自动驾驶技术模式，通过选用多传感器融合的感知方案。

05

前瞻

高阶辅助驾驶NGP覆盖高速、高架、城区快速路的采集、应用工作已困难重重。再看城市NGP，从采集面、更新频率、国家政策态度来看，依靠高精地图实现城市NGP是自欺欺人，几乎不可能。

但是想要真正完全摆脱高精地图，除非视觉感知技术或车路协同建设出现突破性进展，否则自动驾驶技术，尤其是在L4和L5技术的应用和推广上，高精地图仍扮演着不可或缺的角色。

总结：高精地图再次站在了发展的十字路口，倒逼融合感知技术的时刻来了。