今天小编分享的汽车经验：被嫌弃的高精地图，欢迎阅读。
撰文 / 韩 玲
编辑 / 张 南
设计 / 师 超
" 重感知，轻地图 " 在业内已经不是什么新鲜话题，但今年，情况又有了新的变化。为了抢先拿到下半场智能化淘汰赛的门票，车企开始快速推动城市 NOA 在全国多个城市的落地，而他们之所以能够实现这一目标，正是在 " 去高精地图 " 上达成了共识。
在行业人士看来，高精地图的去与留，从来不是一个技术问题而是基于商业化的考量。简而言之，就是高精地图阻碍了智能驾驶的商业化落地，更有人直言，高精地图就是伪需求。
不过，汽车商业评论在和相关从业者交流时发现，目前大多数车企在对待高精地图上都有些言行不一，明面上都在谈论 " 去高精地图 "、" 无图 " 方案，但实际应用时只是减少对高精的依赖，并非完全不使用，基本处于 " 有高精地图就优先使用高精地图，没有高精地图就功能降级 "。
但从车企对城市 NOA 商业化的决心来看，" 去高精地图 " 或许只是时间早晚的问题，至于 " 无图 " 方案未来会将智能驾驶带向何处，目前下结论还言之尚早。
一场商业化的考量
在过去短短几个月时间里，城市 NOA（Navigate on Autopilot）成了各大车企下一个角力点。
作为智能驾驶最坚定的拥趸者之一，小鹏率先发起进攻。今年 3 月，小鹏陆续在广州、深圳和上海开放城市 NGP 功能，同时在全国范围内所有无高清地图的城市开放直行红绿灯识别起停、跨线绕行障碍能力。3 个月后，小鹏开放了北京城市 NGP，目前主要适用于北京各环线及主要快速路。
除了全国几个具备高精地图的城市之外，今年下半年，小鹏计划在无高精地图覆盖的城市开放自动变道、超车、左右转的能力，并预计在 2024 年，实现车位到车位的全场景辅助驾驶能力。
同一时间，理想也在北京上海开启了城市 NOA 内测，而通勤 NOA 将于下半年开放。官方强调这次发布的智能驾驶技术是 " 中国首个不依赖高精地图的 NOA 系统 "，今年年底前，理想将推动最新版的城市 NOA 在 100 个城市的落地。
越来越多的车企加入到这场城市 NOA 的争夺赛中，余承东甚至给出了清晰的城市落地数量，今年第三季度（AITO 问界 M5 智驾版）将率先在 15 个城市落地不依赖高清地图的城市智驾领航辅助功能。第四季度扩大至 45 城。搭载 HUAWEI ADS 2.0 系统的汽车，都可以实现城区的辅助驾驶。上汽、蔚来、阿维塔、长城等诸多车企都明确表示，今年将在全国多个城市落地城市 NOA。
这场抢滩城市 NOA 的运动，能快速在全国多个城市蔓延开来，与各大车企和智能驾驶公司达成的 " 去高精地图 " 共识有着直接关系。毫末智行数据智能科学家贺翔告诉汽车商业评论，" 去高精地图 " 其实就是为了更快的商业化落地，他认为，高精地图就是伪需求，阻碍了智能驾驶的落地。
但在过去很长一段时间，高精地图备受业内追捧，" 自动驾驶的拐杖 "、" 上帝之眼 "，从业内对它的形象比喻就能看出高精地图对智能驾驶的重要性。城市 NOA 意味着人类驾驶员得到进一步解放，一部分感知、决策和判断交都由车辆完成，系统根据导航地图在高速、城区路况中，完成自动变换车道、超车、进出匝道等操作。
而这张导航地图就被称为高精地图，定位精度可达到厘米级，它能告诉自动驾驶车辆周边的交通环境信息、走哪条车道、什么时候减速、何时变道，还能提供红绿灯、限速指示牌和交通管制等实时动态信息，精准完成车辆的行驶道路规划和决策辅助。
通常，高精地图分为两个基本层级，从底层到上层分别是静态地图和动态地图。静态地图包括道路网、车道网、车道线、交通标志牌、路面标志等信息，帮助自动驾驶车辆在转向、刹车等动作上完成精准的决策和控制执行。而动态地图体现为一些可能实时变动的交通信息，如道路拥堵、施工、交通管制、天气、周边车辆、行人、交通事故等，用于车辆的实时动态路径规划，增加信息冗余，提升驾驶的安全度。
减少依赖并非完全 " 抛弃 "
得益于高精地图的绝对优势，车企往往对其极度依赖，一旦脱离高精地图的区網域，其智能驾驶功能的表现立马大打折扣，甚至失灵。为此，不少车企还曾试图通过收购地图厂商，来获得地图绘制资格。2021 年，小鹏斥资 2.5 亿元收购智途科技获得高精地图的资质，这也是造车新势力中第一家拥有甲级测绘资质的公司。
但就在收购的第二年，小鹏发现有了地图公司并不代表就能快速推进智能驾驶落地。" 我们碰到了巨大的困难，原来城市 NGP 依赖于具有更高清晰度的地图，最开始我们认为在今年上半年甚至一季度下旬，小鹏就可以将城市 NGP 从一个城市推到数个城市，但困难比想象的要多。" 何小鹏在 2022 年的 1024 科技日上坦言，压力不小。
这时不少车企才幡然醒悟，高精地图就像硬币的两面，它虽然好用，但却限制了自动驾驶大规模商业化的可能性。因为高精地图的弊端非常明显：更新周期漫长、绘制成本高昂以及政府对图商资格的收紧。
今年 3 月，余承东坐不住了，直言 " 高精地图更新太慢了，且一个城市一个城市获取的速度也太慢。我们连上海市的一条小路都要折腾很久。" 此外，自动驾驶供应商们也苦高精地图久矣，毫末智行、小马智行、轻舟智航等纷纷喊出 " 轻地图，重感知 " 的口号。
贺翔表示，首先全国有资质的图商就十几家，而且国家每年都要审核，如果审核不通过图商将面临着资质取消的风险；其次，即便有了资质，但采集的数据成本非常高，成本和收益不成正比；最后，高精地图的更新周期太长，尤其是大城市道路，几乎每年都有变动，高精地图的更新频率多则半年，少则两个月，而智能驾驶需要的是小时级、分钟级的更新。
在理想汽车智能驾驶产品总监赵哲伦看来，高精地图最本质的问题其实不是审核周期长，而是采图、作图、制图这套流程耗时耗力耗钱。
但这场去高精地图的运动，显然并不容易。" 坦白来讲，现在有高精地图，我们肯定优先使用高精地图，毕竟效果好。" 贺翔这番表述真实地描述了当下车企面对高精地图的态度，即 " 能用就用，不能用再想办法 "。
" 如果没有高精地图，完全通过车端实时去生产和构建难度比较大，一是车端的视野比较有限，二是可能道路会被一些车辆遮挡，三是算法本身稳定性也没有那么高。" 赵哲伦表示，这意味着车端的挑战会更大，如果不用高精地图，只能通过车端的网络实施构建，这其实非常考验车企的算法模型和数据量的训练。
小鹏今年 3 月底的城市 XNGP 试驾活动中，工作人员也承认，目前只是减少依赖并非完全抛弃高精地图。从实际试驾体验来看，在有高精地图覆盖的区網域，城市 NOA 功能更加丰富、体验也更流畅，一旦到了无高精地图的区網域，整体表现就不及有图时的效果。
事实上，当前车企的城区 NOA 测试或体验活动，都选择在有高精地图开放的城市。
城市 NOA 如何做出差异化？
现阶段，市场上能看到的城市 NOA 方案基本无法做到无图，区别只是对高精地图的依赖程度不同。
清华大学车辆与运载学院助理研究员江昆表示，地图是获取与处理位置信息的超级平台，也将是多车多传感器异构信息的融合平台，因此，特征地图的构建以及传感器与地图的匹配就显得尤为重要。
" 重感知，轻地图 " 并非是一种非此即彼的关系。高德地图汽车业务中心总经理江睿在第十五届中国汽车蓝皮书论坛上谈到，感知和地图应该是相辅相成，为同时存在的关系。
" 感知解决的是近场问题，比如车辆周围或者前方 200 米之类的环境信息，而地图要解决的则是全局问题。" 他认为地图是对近场感知的补充，目前的车辆仅靠传感器很难知道 5 公里外发生了什么。
当前，车企、地图厂商和智能驾驶第三方供应商都在朝着 " 轻地图 " 的目标迈进。所谓的 " 轻地图 " 其实是处于导航地图和高精地图之间的一种地图形式，其精度、要素丰富度比普通导航地图高，但弱于高精地图，在保留智能驾驶所必须的要素上，去掉了部分元素。而之所以 " 轻地图 " 方案能得意实施，很大程度上与 BEV 和大模式技术在智能驾驶上的应用有关。
BEV （Bird's-eye-view Perception）是鸟瞰图的简称，它将多传感器采集的信息进行多帧时序前融合，转化成汽车周边环境动态（车速、距离等）和静态（车道线）的目标信息。在环境感知阶段，BEV 可以将激光雷达、雷达和相机等多模态数据融合在同一平面上。这种方法可以消除数据之间的遮挡和重叠问题，提高物体检测和跟踪的精度。
在这其中，神经网络模型 Transformer 起到了重要作用。作为一种基于自注意力机制的深度学习模型，Transformer 最早应用于自然语言处理任务，而在智能驾驶领網域，Transformer 不仅能够处理海量的数据，而且能够自动学习这些数据的内在结构和相互关系，为车辆对周边环境的感知和决策提供准确的判断。
目前，国内厂商的去高精地图方案基本是基于 BEV 和 Transformer 技术框架下的改良优化。小鹏、理想、毫末智行和百度等都先后公布了 BEV 的新一代感知架构的最新进展，在提升车辆感知能力的前提下降低对高精地图的依赖。
但新的挑战也会随之而来，首先基于 Transformer 大模型的 BEV 技术需要处理的数据量呈指数级上升，对汽车芯片的计算和算法能力提出了更高的要求。
此前，小鹏汽车自动驾驶负责人吴新宙也曾谈到过，由于国内各个城市道路差异大，因此小鹏的 XNGP 和 XNet 的能力还不足以支持开放到所有城市，其中的工程量巨大。其次，轻地图的方案使得车辆感知端的压力增大，实际城市道路环境复杂多变，系统需要随时应对可能发生的突发情况，比如识别掉落的石块、违规占道停放的车辆等等。
" 一是工程量，二是算法比较新，国内车企在这方面的经验比较少，三就是要有充实的云端计算资源，也就是海量的数据。" 赵哲伦解释称，这几点也是未来车企如何在城市 NOA 做出差异化的关键，研发能力、基础建设（云端平台搭建能力）以及车企的数据训练量。
如今，虽说完全 " 去图 " 还不太现实，但随着城市 NOA 号角的吹响，这种趋势已然越发明显，因为这是一场事关车企、图商以及第三方智能驾驶供应商，能否拉开竞争差距以及如何生存的问题。
加入轩辕之学 成就新汽车人
巨浪班——顶级产业链创新课程
铃轩班——顶级供应链创新课程
金轩班——顶级营销创新课程
轩辕之学与里昂商学院共创课程
点击阅读原文
▼
