過去幾年里，“輕地圖”、“重感知”乃至“無圖”已成為車企宣傳的高頻詞，這是否預示著圖商的傳統(tǒng)角色正面臨被邊緣化的危機？

在今年的騰訊全球數(shù)字生態(tài)大會上，騰訊地圖副總裁張少宇給出了一個截然不同的觀察：“市場對地圖的需求非但沒有收斂，反而因AI的深度介入而變得更加多元和動態(tài)?！?/p>

今年，騰訊正式發(fā)布智能駕駛地圖9.0。它不再滿足于做一份靜態(tài)的“數(shù)字路書”，而是要成為一個能深度參與決策、與自動駕駛系統(tǒng)共同進化的“AI導航智能體”。

在騰訊地圖副總裁張少宇張少宇看來，智能駕駛不是“要不要圖”，而是“需要什么樣的圖”——是高精度底圖、云端動態(tài)圖層，還是融合了駕駛行為數(shù)據(jù)的“經(jīng)驗圖層”？

騰訊地圖產(chǎn)品總經(jīng)理陳志向雷峰網(wǎng)表示，9.0版本的最核心變化在于數(shù)據(jù)要素的豐富度和AI推理能力的提升。利用AI技術(shù)大幅提升了數(shù)據(jù)生產(chǎn)效率，使地圖數(shù)據(jù)更加貼近真實世界。同時，在播報等環(huán)節(jié)從規(guī)則驅(qū)動轉(zhuǎn)向模型推理驅(qū)動，對中長尾場景的處理更加自然流暢。

盡管行業(yè)一度流行“輕地圖”方案，但騰訊地圖認為，“精細化、實時化、服務(wù)化”加上“廣域覆蓋”是地圖技術(shù)發(fā)展的核心方向。

張少宇補充到，“一些推進L3的車企，反而重新提出對高精地圖的需求。智能駕駛對地圖的需求并未收斂，而是因場景分化——城市NOA需要廣域、鮮度；停車場導航需要精細化建模；而“駕駛經(jīng)驗圖層”則依賴軌跡數(shù)據(jù)的AI挖掘?！?/p>

目前，騰訊智駕地圖已覆蓋全國高速和360個城市道路，擁有40億知識圖譜、8000萬 POI、1300萬道路數(shù)據(jù)，并覆蓋227萬個停車位。騰訊的策略不再是提供單一規(guī)格的產(chǎn)品，而是打造一個包含車端圖、云端圖、運營圖層乃至原始訓練數(shù)據(jù)的“工具箱”，以應(yīng)對不同客戶的差異化需求。

以下是《新智駕》等與騰訊地圖副總裁張少宇和騰訊地圖產(chǎn)品總經(jīng)理陳志的對話，內(nèi)容經(jīng)編輯：

問：騰訊智駕地圖9.0被定義為一個“懂交流、會思考的AI導航智能體”，在座艙和自動駕駛兩大板塊的升級中，它具體充當什么角色？與車企目前重點宣傳的端到端大模型、VLA大模型之間是什么樣的關(guān)系？

陳志：實際上，車企在使用大模型時會很自然地分成座艙和智駕兩個相對獨立的使用領(lǐng)域。在座艙領(lǐng)域，車企會部署一個中控大模型，用來處理用戶在座艙場景下的所有需求。而對于騰訊地圖來說，我們打造的智能體主要專注于導航和LBS領(lǐng)域，解決用戶在這個特定領(lǐng)域的需求。

這兩個智能體之間存在明顯的協(xié)作關(guān)系。一般來說，用戶的中控入口還是以車企的座艙大模型為主入口，當座艙大模型識別到用戶有地圖或?qū)Ш筋I(lǐng)域的意圖時，會把這些信息傳遞給騰訊的導航智能體，由我們來提供專業(yè)服務(wù)。這是一種分工協(xié)作的模式。

至于您剛才提到的VLA、端到端大模型，它們更多是應(yīng)用在智駕領(lǐng)域的。智駕領(lǐng)域會有一個“司機大模型”，這個領(lǐng)域與騰訊地圖智能體的關(guān)聯(lián)度相對較弱，更多的是使用騰訊智能駕駛地圖的數(shù)據(jù)能力，包括靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)，來提升整體智能駕駛的體驗。

問：騰訊地圖在智能駕駛領(lǐng)域已經(jīng)和不少車企、智駕供應(yīng)商建立了合作。面對這些不同類型的合作對象，他們的合作側(cè)重點是否有明顯差異？能否為我們舉一個具體的合作案例，說明騰訊智駕地圖是如何嵌入到對方的研發(fā)體系中的？

張少宇：我們現(xiàn)在合作的對象確實非常多，覆蓋了行業(yè)主流的車企和智駕供應(yīng)商。

我們觀察到，不同的合作對象在自動駕駛領(lǐng)域所處的階段確實存在明顯差異——有的合作伙伴已經(jīng)進行了非常深入的投入，形成了體系化的解決方案，整體水平接近國際頭部企業(yè)；也有的合作伙伴還處于相對初期的探索階段。

針對這種差異性，我們提供了不同層級的解決方案。首先是最基礎(chǔ)的車端自動駕駛所需的地圖數(shù)據(jù)服務(wù)；其次是云端的地圖服務(wù)，包括運營圖層等增值服務(wù)；更深度的合作還會涉及到原始訓練數(shù)據(jù)和支持自動駕駛能力提升的工具鏈。這些都是為了幫助合作伙伴加速自動駕駛技術(shù)的研發(fā)和應(yīng)用。

我舉一個具體的例子。傳統(tǒng)的自動駕駛方案只需要在車端預置一份地圖數(shù)據(jù)就可以了，但現(xiàn)在我們發(fā)現(xiàn)需求發(fā)生了明顯變化。

比如，導航中常見的“前方路口右拐”這樣的引導信息，在過去的自動駕駛圖里是不需要的，但現(xiàn)在越來越多的自動駕駛方案開始需要這類原本為人類駕駛員設(shè)計的信息。這種需求變化就促使我們提供更加動態(tài)的、面向服務(wù)的解決方案。

問：當前行業(yè)中有不少車企和智駕供應(yīng)商都在強調(diào)“輕地圖”或“無圖”的技術(shù)方案，特別是端到端、VLA等大模型方案頗為流行。站在騰訊地圖的產(chǎn)業(yè)視角，您更認可什么樣的技術(shù)發(fā)展路線？

張少宇：這確實是個值得深入探討的問題?；仡櫺袠I(yè)發(fā)展歷程，在2019-2020年期間，高精地圖為自動駕駛服務(wù)似乎沒有太多爭議。但到了2021-2025年，特別是今年，我們看到的是一個多種技術(shù)路線并存的混用狀態(tài)。

從實際觀察來看，技術(shù)發(fā)展呈現(xiàn)出幾個明顯趨勢：首先是追求更廣域的覆蓋，不再局限于局部區(qū)域；

其次是對信息實時性的要求已經(jīng)超過了對精度的要求；

第三是對圖層定制化的需求越來越多樣化。我們發(fā)現(xiàn)，很多自動駕駛公司開始需要融合導航域的信息，這與VLA等技術(shù)的發(fā)展密切相關(guān)。

在我看來，“精細化、實時化、服務(wù)化”加上“廣域覆蓋”是地圖技術(shù)發(fā)展的核心方向。實時信息包括交通事故、道路施工等動態(tài)信息都會成為標配。每種技術(shù)路線都有其適用場景，關(guān)鍵是看能否滿足實際需求。

問：導航智能體目前處于什么樣的發(fā)展階段？相比去年發(fā)布的8.0版本，9.0版本在底層邏輯上發(fā)生了哪些質(zhì)的變化？

陳志：導航AI或者說導航智能體，嚴格意義上還沒有像自動駕駛那樣清晰的L1-L5分級標準，它更多處于一個持續(xù)演進的狀態(tài)。但從實際體驗來看，隨著基礎(chǔ)大模型能力的進化，智能體的“聰明”程度確實在快速提升。

9.0版本相比8.0的突破主要體現(xiàn)在三個層面：首先在路線智能化選擇方面，我們以前會給用戶多個選項讓其自主選擇，現(xiàn)在則能結(jié)合用戶個性化需求和實時路況，更主動地幫助用戶做出決策；

其次在播報引導方面，我們打破了傳統(tǒng)的路口播報模式，引入更多語義化表達，比如“前方麥當勞右拐”這樣更符合人類思維習慣的指引；第三在行程管理方面，實現(xiàn)了服務(wù)的連貫化，用戶只需表達需求，系統(tǒng)就能自動完成路線規(guī)劃和服務(wù)銜接。

從技術(shù)底層來看，最核心的變化體現(xiàn)在數(shù)據(jù)要素的豐富度和AI推理能力的提升。我們利用AI技術(shù)大幅提升了數(shù)據(jù)生產(chǎn)效率，使地圖數(shù)據(jù)更加貼近真實世界。

同時，在播報等環(huán)節(jié)從規(guī)則驅(qū)動轉(zhuǎn)向模型推理驅(qū)動，對中長尾場景的處理更加自然流暢。

問：隨著AI與地圖融合程度的不斷加深，從產(chǎn)業(yè)發(fā)展的角度來看，下一代地圖技術(shù)可能會朝著哪些方向進化？會有哪些當前可能還意想不到的創(chuàng)新場景出現(xiàn)？

張少宇：從地圖技術(shù)發(fā)展的本質(zhì)來看，我們實際上是在對真實世界進行數(shù)字化重構(gòu)，這個過程中既包括時空信息的數(shù)字化，也包括與互聯(lián)網(wǎng)上已有數(shù)字化信息的關(guān)聯(lián)。AI技術(shù)正在這個過程中發(fā)揮越來越重要的作用。

我認為主要進化方向有三個：首先是地圖生產(chǎn)速度的飛躍，借助AI和邊緣計算能力，整個數(shù)字化的過程會變得越來越快；其次是地圖會更加“懂”用戶，能夠理解用戶的駕駛習慣和偏好；第三是連接范圍會不斷擴大，地圖將不再是孤立的導航工具，而是與車輛狀態(tài)、周邊服務(wù)等形成有機整體。

未來的地圖可能會實時感知車輛的電量狀態(tài)，并結(jié)合周邊充電站的排隊情況、價格因素等，為用戶提供真正智能的充電規(guī)劃。這種深度協(xié)同的服務(wù)模式，將會創(chuàng)造很多新的用戶體驗。

問：關(guān)于L3級自動駕駛，業(yè)內(nèi)預計相關(guān)標準可能在今年第四季度推出。如果L3真正落地，對地圖的需求會產(chǎn)生哪些變化？

張少宇：L3在自動駕駛領(lǐng)域確實有相對清晰的功能定義，但具體實現(xiàn)路徑卻因廠商而異。我們看到，有些瞄準L3的自動駕駛公司提出了對高精地圖的強烈需求，而另一些公司則認為基礎(chǔ)導航圖就能滿足需求。

這說明，雖然L3時代正在到來，但對地圖的需求并沒有收斂到某種特定規(guī)格。地圖需求仍然與各家的具體技術(shù)方案緊密相關(guān)。我們需要做的是保持技術(shù)靈活性，滿足不同類型的需求。

問：騰訊作為圖商，與其他競爭對手相比，最核心的差異化優(yōu)勢體現(xiàn)在哪些方面？

陳志：首先，高質(zhì)量、高鮮度的地圖數(shù)據(jù)是基礎(chǔ)。在這個基礎(chǔ)上，我們的差異化主要體現(xiàn)在兩個方面：一是靈活性和開放性，我們能夠提供工具讓車企構(gòu)建符合自身需求的定制化圖層；二是騰訊生態(tài)的獨特優(yōu)勢，比如我們可以通過微信支付等生態(tài)數(shù)據(jù)實時感知商鋪營業(yè)狀態(tài)，這種能力是傳統(tǒng)圖商難以企及的。

以POI數(shù)據(jù)為例，傳統(tǒng)模式需要依靠人工巡檢或用戶反饋來更新狀態(tài)，而我們可以通過生態(tài)優(yōu)勢實現(xiàn)近乎實時的狀態(tài)更新，確保數(shù)據(jù)的準確性和鮮度。

問：當前行業(yè)也在關(guān)注機器人地圖市場，從地圖技術(shù)的角度來看，汽車地圖與機器人地圖之間是遞進關(guān)系嗎？騰訊在這方面有何布局？

張少宇：我們認為機器人時代已經(jīng)來臨，這兩者更像是并行發(fā)展的關(guān)系，會相互促進技術(shù)進步。傳統(tǒng)的汽車地圖主要以路網(wǎng)為骨干，而機器人需要的是更加泛化的可行走區(qū)域地圖，包括樓梯、草坪、廣場等多樣化場景。

這種差異對現(xiàn)有地圖技術(shù)提出了挑戰(zhàn)。我們正在與機器人公司開展合作探索，比如最近的機器狗項目。這要求我們突破傳統(tǒng)路網(wǎng)地圖的表達方式，建立更加泛化的地圖構(gòu)建能力。

問：在情感化設(shè)計方面，騰訊地圖有哪些具體的技術(shù)突破？如何讓AI的交互更加擬人化？

陳志：情感化設(shè)計確實是我們重點投入的方向。首先，地圖相比其他應(yīng)用有個天然優(yōu)勢——我們對用戶的位置和場景有精準感知。比如在擁堵場景下，我們不僅能提供繞行方案，還會通過安慰性話術(shù)緩解用戶焦慮。

更重要的是，我們正在將騰訊豐富的IP資源融入導航體驗。比如引入《王者榮耀》角色妲己的語音播報，不僅是聲音的模仿，更是將其人格特質(zhì)、表達方式深度融入，讓用戶感受到真正的人格化交互。

問：在定義導航智能體的功能邊界時，騰訊是如何把握“有所為有所不為”的原則的？

陳志：這個問題涉及產(chǎn)品定位的核心思考。我們始終圍繞“為用戶提供高效、安全、安心和愉悅的出行體驗”這一價值主張來規(guī)劃功能邊界。具體來說，導航智能體會嚴格限定在出行、導航和智駕相關(guān)領(lǐng)域。

比如，我們不會讓導航智能體去執(zhí)行點歌這樣的泛娛樂功能，但可能會在用戶經(jīng)過海邊公路時，智能推薦適合場景的音樂。這種基于場景的服務(wù)延伸，才是我們關(guān)注的重點。

問：在實際落地過程中，如何平衡云端大模型與端側(cè)模型的計算資源分配？不同類型的車企對此是否有不同的偏好？

陳志：這確實是個很實際的問題。我們發(fā)現(xiàn)，大部分主機廠傾向于自己集成端側(cè)大模型，不希望每個應(yīng)用都獨立部署端側(cè)模型。因此，我們主要采用“云+端”協(xié)同的方案。

具體來說，如果主機廠的座艙算力分配比較有限，我們主要以云端模型提供服務(wù)；對于需要快速響應(yīng)的場景，我們會對接主機廠的端側(cè)大模型能力。不同的廠商確實存在差異化需求，我們需要靈活應(yīng)對。

問：行業(yè)中出現(xiàn)“無圖”方案的聲音時，騰訊內(nèi)部是如何看待這一趨勢的？這對業(yè)務(wù)發(fā)展產(chǎn)生了哪些實際影響？

張少宇：當新的技術(shù)概念出現(xiàn)時，我們始終保持開放和關(guān)注的態(tài)度，但更重要的是深入理解客戶的真實需求。我們主動與各大車企進行技術(shù)交流，拋開概念炒作，聚焦在實際場景中到底需要什么樣的地圖能力。

經(jīng)過深入交流后，我們發(fā)現(xiàn)實際情況與表面討論存在差異——不是“無圖”，比如今年以及去年的下半年，我們在和車企聊的時候，了解到的是他們在訓練過程當中還需要圖，只是對地圖提出了更高、更復雜的要求。雷峰網(wǎng)(公眾號：雷峰網(wǎng))

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。