2021年4月，上海車展開幕前，一台搭載華為ADS（Autonomous Driving Solution）系統的極狐阿爾法S，在無人接管的狀態下游走於上海街頭，輕鬆地躲避外賣小哥並穿過複雜的十字路口。這段Demo演示視頻在B站上迅速走紅，人們似乎都以為城市內的無人駕駛時代已經到來。

極狐阿爾法S Hi版

然而，一年多時間過去了，視頻裡所展示的功能，仍處於Demo階段。按照當初的規劃，華為ADS系統將於2022年一季度全面量產。

在今年5月極狐阿爾法S Hi版開始交車時，城市道路高階智能駕駛功能的交付時間又被延期到了12月。屆時能否如期交付，目前來看仍是未知數。因為這套系統依賴高精地圖的數據，而只有高精地圖全面開通之後，該功能才能落地。

所以，導致延期的罪歸禍首，不是芯片、不是激光雷達，而是“看不見、摸不著”的——高精地圖。

早在2019年4月舉辦的特斯拉Autonomy Day上，其CEO埃隆·馬斯克就公開表示，“過分依賴高精度地圖會讓自動駕駛系統變得極其脆弱，普及起來更加困難。”

在業內看來，高精地圖更像是一條“人民幣玩家”的捷徑。大疆車載公關總監謝闐地向虎嗅表示：“硬件、外部數據源、額外的配置就好比神兵利器，如果自身內功不高，靠神兵利器也能完成不少複雜的挑戰，但很昂貴而且受限制很多。真正的武林高手，是落葉飛花皆可用。”

然而，監管部門對高精地圖的限制，來得比大家想像的要更快，而且更嚴格。

前段時間，自然資源部下發《關於促進智能網聯汽車發展維護測繪地理信息安全的通知》，明確規定，高精地圖測繪製作，只能由具備導航電子地圖製作甲級資質的單位進行。而這一《通知》的公示，無異議對自動駕駛行業的一次嚴令重申。尤其是在當下，國產車企們為了提高產品力，擠了破頭想要獲取城市高精地圖，以快速實現城市內的功能落地。

特斯拉FSD

“高精地圖放在城市道路上都會面臨非常大的挑戰。”毫末智行CEO顧維灝告訴虎嗅，第一是城市道路很多、公里路很長、變化度又很高。高精地圖如果能夠完全地體現時效性，這對於圖商來講要求很高。第二是成本問題，如果大家真正能做到這樣的新鮮度，本身地圖的成本會非常高。

所以，即便華為ADS解決了高精地圖的資質和技術難題。在大規模交付用戶之後，華為仍要背負著昂貴的更新成本。但面對屢屢延期的交付壓力，華為ADS已是進退兩難。

那麼問題就來了：實現城市的自動駕駛，或者乘用車的高級別的智能駕駛，高精地圖不可或缺嗎？

高精地圖，高明在哪？

眾所周知，自動駕駛技術發展的三要素分為：感知、規劃、執行。將其類比到人類的身上，就是眼睛看到的、腦子裡想到的，以及腳上的動作。

但是，現階段車輛的自動化能力，不足以讓其像人類一樣自由地在道路上行動。所以按照業內流行一種說法，激光雷達和高精地圖是兩根拐杖——靠激光雷達來增強感知能力，靠高精地圖來提高規劃能力。通過這兩根拐杖，就可以幫助車企快速地實現高超前的智能駕駛功能。

高精地圖在街道上的應用

在《割韭菜最快的刀，叫激光雷達》一文中，我們已經介紹過激光雷達的前世今生。所以，今天我們著重聊一聊，車企們的另一根拐杖——高精地圖。

根據《智能網聯汽車高精地圖白皮書》（以下簡稱《白皮書》）的介紹：

高精地圖，是指絕對精度和相對精度均在1米以內的高精度、高新鮮度、高豐富度的電子地圖，英文稱為HD Map（High Definition Map，從數據精度和要素豐富度的角度定義）或HAD Map（Highly Automated Driving Map，從自動駕駛功能的分級標準角度定義）。

高精地圖所蘊含的信息豐富，含有道路類型、曲率、車道線位置等道路信息，以及路邊基礎設施、障礙物、交通標誌等環境對象信息，同時包括交通流量、紅綠燈狀態信息等實時動態信息。

跟我們平時使用的導航地圖相比，高精地圖的精度更高，信息的豐富程度也更大。此外，普通導航地圖都是給人看的，但高精地圖主要是給車“看”的。

目前，高精地圖應用得較多的地方，主要是封閉場景中，比如高速公路、封閉園區等。除特斯拉之外，絕大多數車企都利用高速公路上的高精地圖，實現了與特斯拉NOA導航輔助駕駛類似的功能。比如，小鵬的NGP、蔚來的NOP、毫末智行的NOH，以及理想的NOA。

高精地圖在高架橋上的應用

這些功能雖然叫法不同，但可實現的效果大致相同——當用戶駕駛車輛進入高精地圖覆蓋的區域時，就可以開啟導航輔助駕駛功能，這時車輛會根據導航自動的調整車距、車速，並且可完成自動變道超車、自動切換匝道等功能。

其中，高精地圖對於智能駕駛功能的幫助主要有兩種：首先，是為車輛的自動駕駛系統提供道路先驗信息。為車輛縱向加減速、橫向轉向及變道等決策提供先驗信息，提高駕駛舒適性和安全性；其次，可預知車道線、道路標識牌等交通要素的位置， 有助於提高傳感器的檢測精度和速度。

舉個更具體的例子，比如高速自動切換匝道功能。當開啟導航輔助駕駛功能的車輛，距離需要駛出的高速匝道還剩2公里左右時，車輛就會自動開始向右側車道變道。而當需要在左右兩條匝道中進行選擇時，基於高精度車道數據，利用車道級定位，車輛可以提前判斷出行駛的路線。

總之，有了高精地圖之後，車輛就像有了“順風耳”一般，能夠預知前方道路情況。

高精地圖在十字路口的應用

在高速上嚐到甜頭之後，車企們試圖把導航輔助駕駛功能從高速擴展到城市，最後拼接自動泊車場景，以而實現A點到B點的完全自動駕駛功能。這也是為什麼，在實現高速導航輔助駕駛功能之後，越來越多的廠家就大肆開始宣傳，城市導航輔助駕駛很快就能量產落地。

這背後，在一定程度上是對於城市高精地圖的重度依賴。但能誰料到，城市高精地圖“解鎖”的速度，並未趕上車企當初宣傳時的預期。

地圖“進城”，卡在哪了？

“高精度地圖技術倒不是問題，現在最大的問題就是保持地圖的鮮度。畢竟，道路一直在修。”蓋世汽車研究院總監王顯斌告訴虎嗅，從時效性來看，目前圖商提供的城市高精地圖，只能按月或者按季度更新，很難保證智能駕駛系統所需的準確性和實時性。

作為對比，中國城際高速公路和城市快速路加起來也就30萬公里，但全國的城市道路有近1000萬公里。其中，高速輔助駕駛功能因為修路或者施工而導致的事故，早已屢見不鮮。比如，2021年8月，一輛蔚來ES8在啟用NOP領航輔助駕駛時，撞上了停在快車道上的公路養護車。

高速修路（圖源：視覺中國）

相比高速公路，城市道路的總長度更長，就意味著突發情況更多，對於城市高精地圖來說，準確性就會大打折扣。這也就是為什麼，在各個城市進行Robotaxi無人駕駛出租車運營的車輛，只能在電子圍欄之內進行運營，因為出了範圍就沒有辦法獲得高精地圖的支持，很難保證系統的安全性。

毫末智行技術副總裁艾銳告訴虎嗅，如果把高精地圖看成一個傳感器，那麼這個傳感器經常不准，而且不知道它什麼時候不准。從使用傳感器的角度，它存在一個不可信任的問題。

若要徹底解決地圖鮮度問題，反而會引發成本難題。武漢大學測繪遙感信息工程國家重點實驗室李必軍教授，在蓋世汽車舉辦的自動駕駛地圖與定位大會演講時表示，“按照現在一輛採集車，兩百萬左右的成本計算，我們可能把全國數據採一下要兩百億左右，沒有哪一家能夠解決。”

據《白皮書》顯示：採用傳統測繪車方式，分米級地圖的測繪效率約為每天每車500公里道路，成本為每公里10元左右，而厘米級地圖的測繪效率約為每天每車100公里道路，成本可能達每公里千元。

即便是採集完數據之後，高精地圖的更新又是另一個大難題。目前業內主流的方式，就是眾包模式——簡單來說，就把每一輛搭載智能駕駛系統的車輛，成為移動的地圖採集車。

從技術角度而言，眾包模式固然是好的。因為通過用戶車輛上傳，可以形成“用戶使用-反饋- 地圖更新-價值提升-吸引用戶”的正反饋鏈條。一般情況下，當車停下來了以後，實時收集到的道路更新信息，就會通過網絡上傳到服務器端。再通過處理手段，對高精地圖進行數據更新。

激光雷達

看到這個，你一定發現了，眾包模式背後所隱藏著數據安全的問題。

這也是為什麼，在中國自然資源部出台的《關於加強自動駕駛地圖生產測試與應用管理的通知》中，明確要求，從事自動駕駛地圖數據採集與製作的單位必須具備導航電子地圖製作資質，且外資企業不得從事導航電子地圖製作。

光是外資企業這一條，就將眾多有外資背景的車企、科技公司、創業公司擋在了門外。截至2020年11月，僅有28家企業獲得導航電子地圖甲級資質，也就意味著這些企業可以製作高精地圖。

然而，在今年開始對導航電子地圖製作甲級資質進行複審後，目前已經公示的3批複審通過的單位，只有19家。其中2022年2月21日公示的這批名單，包括了高德地圖、華為、騰訊等公司。而像以前滴滴旗下的滴圖科技、東風汽車投資的立得空間、吉利參與投資的易圖通，都沒能完成複審。

“複審沒有通過的話，一般來說可以申請再次復審。但複審未通過的話，具體原因不會告知。而原則上，還是可以使用區域內的離線地圖，這屬於灰色地帶”，某自動駕駛公司業內人士告訴虎嗅。

實際上，高精地圖行業的發展，全靠自動駕駛技術的演進來推動。從全球範圍來看，以美國為首的發達國家，在高精地圖行業仍具有極強的先發優勢。

根據《白皮書》顯示：早在20世紀80年代，美國就提出了自主地面車輛（ALV）計劃。美國在自動駕駛領域的研究處於世界領先地位，由於具備自動駕駛所必須的高精地圖，以及政策法規對自動駕駛的包容與開放，自動駕駛車輛的測試很早就開始進行，自動駕駛相關企業可以將研究與實驗相互結合，極大促進了自動駕駛技術的發展。美國也成為擁有自動駕駛技術、高精地圖初創企業最多的國家。

美國在相關政策支撐方面，也十分完備。目前， 美國在測繪地理信息領域頒行了多項政策，包括《美國聯邦地理空間數據共享政策》《美國NASA遙感數據政策》《美國天基定位、導航與授時政策》《美國國家地理空間數據政策》《美國有關安全訪問地理信息的指導方針》等。

以凱迪拉克的Super Cruise超級輔助駕駛系統為例，按照當地法規，該功能可以提供的是“放手式”的輔助駕駛。而相關團隊在美國和加拿大擁有超過40萬英里的高精地圖數據。基本覆蓋了美國和加拿大基本的主要城際交通網。但該功能來到國內以後，覆蓋範圍和功能邊界都有明顯的“收斂”。

Super Cruise的高精地圖覆蓋北美的範圍

同樣的，日本在高精地圖領域也更早地形成了統一標準。2013年，日本內閣政府啟動了名為SIP（戰略性創新創造方案）項目計劃，其中自動駕駛是核心之一。隨後，日本整車企業和供應廠商一同成立了“Dynamic Map Platform Co., Ltd.”（簡稱DMP）公司，作為高精地圖數據平台的建設主體。

在德國，對於自動駕駛地圖的管理與其他類型地圖的管理要求相同，沒有特殊要求。而且對地圖繪製的相關條例出台都較早。比如，2000年通過了《德國國家土地測繪管理條例》、2010年通過了的《聯邦州地理空間數據基礎設施法》。

這也難怪，梅賽德斯-奔馳去年底就在德國獲得全球首個L3級有條件自動駕駛系統的國際認證。由法雷奧提供的激光雷達，HERE提供的高精地圖，才讓德國人喊出“可以脫手的自動駕駛”、“發生事故由奔馳承擔全部的法律責任”。

奔馳在德國的L3自動駕駛

另外，高精地圖的安全性驗證還沒有行業統一的共識。但美國、日本、德國等國家先後建立了一些高精度動態地圖相關的平台， 形成了各自的高精度動態地圖採集、更新和應用模式。

國內的玩家們，要么就靜靜的等圖來，要么只能另謀出路。

丟掉拐杖，遲早的事

“就像十多年前，我們沒有智能手機。要找路，大部分人也是能找的。”

大疆車載公關總監謝闐地告訴虎嗅，打造一套好的智能駕駛系統，應該把基本功打磨到極致，用基礎的硬件能力來處理核心需求。比如，與五菱合作的2023款KiWi EV車型上，大疆只用一套“1前視雙目+4環視魚眼+1前向毫米波雷達+12超聲波雷達”的硬件組合，就能城市復雜路況中進行智能駕駛。

大疆車載管這套系統叫“靈犀智駕系統”，其最大的特點就是：無需提前學習，可針對駕駛安全有威脅場景，包括動靜態的任意隨機障礙物進行識別避障。同時，在沒有配置高精地圖及激光雷達的情況下，可實現智能泊車+城市道路場景的駕駛輔助。

從技術路線來看，大疆車載走的是與特斯拉類似的純視覺方案。依託大疆在無人機領域所積累得到的雙目視覺技術，基於雙目融合點雲的算法，得到一個帶有包括深度信息在內的幾何信息，以此來判斷前方障礙物是否會威脅行車安全。

純視覺方案的好處就在於成本低、規模化能力強，但是由於車端感知和計算能力有限，系統的邊界也是比較明確的。比如，大疆這套靈犀智駕系統，在出現未開發或確實無法應對的場景時，將按照預設的降級策略進行層層降級，並主動提醒用戶接管。

這其實，就把問題又轉移到了“人機共駕”上面。可能用戶們更希望車輛更多的自行處理問題，但實際情況是，系統遇到不能解決的問題，就把車輛的控制權交給用戶。

一旦用戶出現分神、玩手機的情況，就會存在一定的風險。比如，當前軟件版本的靈犀智駕系統，還無法識別紅綠燈，在路口處仍需要人工介入。而且，由於沒有高精地圖支持，在錯位路口、施工道路時，需要人工接管。

速騰聚創125線激光雷達

出於安全冗餘的考慮，目前業內更認可的作法是“重感知、輕地圖”的路線。

“重感知、輕地圖的路線，就是為了規避地圖的問題。”毫末智行技術副總裁艾銳告訴虎嗅，在感知技術有了比較大的能力提升之後，毫末主推的路線就是盡量地相信實時感知，而主要利用地圖的拓撲關係，那些地圖裡面不會改變的信息。“就像人開車的時候，人主要還是相信自己的眼睛。”

從感知硬件來看，毫末城市NOH （Navigation on HPilot）系統包含了2顆125線激光雷達，5顆毫米波雷達，12顆超聲波雷達，4顆環視攝像頭，4顆側視攝像頭，4顆800萬像素感知攝像頭。從算力平台來看，其配備了5nm高通驍龍8540+7nm高通驍龍9000芯片。其中，8540作為SoC芯片，而9000作為AI加速卡，用來做AI模型計算。

感知硬件、計算平台，就好比人的眼睛和大腦，幫助其做出正確的判斷。舉個城市場景裡最常見的案例，看紅綠燈。如果有高精地圖的話，可以根據地圖里紅綠燈位置信息，在感知上做預瞄，然後再進行識別。並且，車輛可以很好的找到當前道路、車道所對應的紅綠燈信息。有些高精地圖服務商還能為車輛實時提供動態信息，比如紅綠燈倒計時等。

但如果沒有高精地圖，車輛行駛到路口時，系統需要依靠感知和計算作出正確判斷。目前，毫末是通過遷移學習領域中的混合遷移訓練方法，將仿真數據和真實數據進行混合訓練，從而提高紅綠燈識別度。此外，還通過用Transformer做時間和空間上的前融合方式，解決“空間感知碎片化”和“時間感知不連續”的問題，有效識別城市道路車道線。

依靠單車智能，來解決自動駕駛行業的長尾問題還不夠。目前車企更願意接受的方式，就是構建雲端計算的能力。

比如，今年8月小鵬汽車與阿里雲合建的智算中心“扶搖”，主要就是用於自動駕駛模型訓練，包括視覺檢測、軌跡預測以及行車規劃等算法模型。同樣的，毫末也和阿里雲合作，建立了中國首個基於車路協同雲服務的大規模自動駕駛場景庫。毫末智行CEO顧維灝表示，“通過改進車端模型和芯片的設計來實現大模型的車端落地，通過數據的組織讓大模型發揮更大效力。”

據虎嗅了解到，小鵬汽車和智己汽車（合作方為Momenta），目前都已經從研發端切換到“重感知”的路線上，並且試圖擺脫對高精地圖的依賴。

寫在最後

“沉沒成本太高了。”一位自動駕駛業內人士告訴虎嗅。

在技術路徑上看，華為既然會堅定地走高精地圖的路線。畢竟，華為在2019年7月就獲得了導航電子地圖製作甲級測繪資質，今年又完成了複審。可以說，華為是業內為數不多，自己有高精地圖、有軟硬件全棧解決方案的廠商。讓華為現在轉向重感知的路線，無異議調頭重新起跑。

而從終局來看，高精地圖依舊是不可缺少的基礎設施。但從用戶的角度而言，依賴高精地圖的智能駕駛，多少有點“小白鼠”的意思。要么，你愛車上的智能駕駛功能只能在固定區域內使用；要么，你愛車上的各種傳感器將作為採集工具，給車企或者供應商無私的“畫圖”。