5月25日，四川甘孜一位車主駕駛理想L7在公路上正常行駛突然急剎，時速從 80 公里驟降到20多公里。

根據(jù)流傳出的視頻顯示，當時車輛行駛前方路面空曠，而路旁懸在半空中的廣告牌畫面中包含了起跑姿勢的“蘇炳添”。這不免讓人懷疑，車輛感知系統(tǒng)將處于半空中帶有人物廣告牌的高度信息忽略不計，直接將人物判定為地面障礙物體，因此誤觸發(fā)了AEB功能。

而這個案例的發(fā)生，在行業(yè)內(nèi)掀起「重感知、輕地圖」風潮的當下頗具玩味。

目前理想汽車仍未對此次事件作出技術(shù)層面的具體回應(yīng)。但此前理想汽車曾宣布，預計本年底向全國百城推送不依賴高精地圖的城市NOA功能，并于六月份將開啟小規(guī)模的車主內(nèi)測。

不僅僅是理想汽車，國內(nèi)其它車企以及算法公司也都投入到了「去圖化」的進程中。那么，當人們提到「去圖化」時到底在談什么？感知與高精地圖的關(guān)系，究竟又該如何平衡？

風起城市NOA，解綁地圖成趨勢

2023年在智駕行業(yè)最被常提起的詞便是“NOA”，同時，解綁高精地圖的聲音也漸漸不可忽視。據(jù)統(tǒng)計，包括華為、小鵬、元戎啟行等十余家企業(yè)已有了相應(yīng)的規(guī)劃。

時間	廠商	措施
3月22日	元戎啟行	完全去高精地圖自動駕駛解決方案DeepRoute-Driver 3.0
3月末	小鵬汽車	小鵬汽車推出不依賴高精地圖的XNGP，預計在今年下半年，小鵬汽車會實現(xiàn)在無圖城市變道超車、左右轉(zhuǎn)的能力。在2024年，預計實現(xiàn)不依賴高精地圖全場景下的輔助駕駛
4月2日	大疆車載	全新一代智能駕駛解決方案，是不依賴高精地圖、不依賴激光雷達、僅有攝像頭的純視覺方案
4月11日	毫末智行	發(fā)布其重感知輕地圖的城市NOA方案，預計搭載在長城旗下魏牌摩卡以及藍山上
4月12日	智己汽車	城市NOA領(lǐng)航輔助以及替代高精地圖的數(shù)據(jù)驅(qū)動道路環(huán)境感知模型，預計將于2023年內(nèi)開啟公測
4月16日	華為	發(fā)布HUAWEI ADS 2.0，問界M5智駕版將成為首個搭載的車型，預計在今年第二季度將無圖商用高階智能駕駛方案推廣到全國15城，第四季度推廣到45城
4月18日	理想汽車	發(fā)布其城市NOA進展，預計年底向全國一百個城市推送城市NOA功能，其NOA架構(gòu)同樣不依賴高精地圖，僅需導航地圖即可實現(xiàn)城市NOA功能。據(jù)了解，在六月份理想將會展開車主內(nèi)部公測

趨勢的形成并不是空穴來風。

由于國家嚴格的測繪管理標準，除高速高速路段外，我國僅開放了北京、上海、廣州、深圳、杭州、重慶這六座城市的高精地圖采集權(quán)限。

換言之，城市版的高階輔助駕駛功能僅可在這幾座特定城市實現(xiàn)，即便相關(guān)功能的覆蓋率不斷增長，但其規(guī)模推廣卻受到高精地圖使用的掣肘，無法擴張到其他地區(qū)。因此解綁高精地圖，將是全場景高階輔助駕駛產(chǎn)品完美實現(xiàn)的重要前提。

除了覆蓋區(qū)域有限，更新維護周期慢也是高精地圖的一大痛點。新智駕獲悉，目前市面上城市級高精地圖產(chǎn)品的鮮度更新頻率最短也要以季度為單位計算。

這一是因為我國路況復雜，道路要素信息過多，很難做到短時間內(nèi)采集齊全。二是采集高精地圖成本較高，一個地點需多次采集確保信息的準確性，更新工作量大。而且現(xiàn)在國家禁止便捷低價的眾包采集方式，為了確保高精地圖的精度，擁有資質(zhì)的圖商也只能堆加采集車數(shù)量。

據(jù)新智駕了解，騰訊的采集車數(shù)量大抵在一百輛，這一百輛車不僅要負責全國高速道路的路況信息更新，更要兼顧六座城市的道路數(shù)據(jù)采集，難以做到兩全。

高速道路要素信息單一且場景簡單，修路或道路封禁等特殊情況只是小概率事件，因此即使更新周期較長，高精地圖更新頻率對自動駕駛的影響也較小。

城市道路卻不是這么簡單。中國的城市道路錯綜復雜，道路施工也相對常見。目前城市道路的高精度地圖信息無法以日/周為單位進行更新，高階輔助駕駛體驗無法得到量級的提升，但車企又要面臨著巨大的成本負擔。

掙脫高精地圖的束縛，是車企和供應(yīng)商在現(xiàn)階段跳出條件限制，尋找新的可能性的重要嘗試。

圖商求變：定制化地圖應(yīng)運而生

2010年，國家開放導航電子地圖制作甲級資質(zhì)申請，但近幾年由于相關(guān)行業(yè)發(fā)展迅速，申請資質(zhì)的企業(yè)越來越多，采集資質(zhì)逐漸收緊，原本三十多家的名單最后只剩十九家企業(yè)機構(gòu)仍保留甲級測繪資質(zhì)。

這樣的變化也或多或少影響到了汽車行業(yè)玩家，比如上汽子公司中海庭甲級資質(zhì)被收回，失去了采集高精地圖的資格；小鵬汽車曾斥資2.5億收購的江蘇智途科技有限公司也被取消甲級資質(zhì)，直接導致小鵬汽車的城市NOA功能延遲推向市場。

可見在此之前，擁有甲級測繪資質(zhì)一直屬于自動駕駛領(lǐng)域內(nèi)的“香餑餑”，但趨勢轉(zhuǎn)變往往就在一念之間。今年開始，車企和軟件公司紛紛高調(diào)規(guī)劃「無圖化」路線。

目前圖商和各車企或供應(yīng)商在高精地圖領(lǐng)域合作仍采用License模式，每輛車每年的價格在行業(yè)內(nèi)并沒有統(tǒng)一的標準，涵蓋從百元左右至幾百元不等。

據(jù)騰訊地圖數(shù)據(jù)負責人馬常杰表示，在解綁高精地圖成為主流聲音的當下，圖商與車企在高精地圖方向的合作并未受到太多影響。

馬常杰告訴新智駕，“目前騰訊地圖的高精地圖業(yè)務(wù)按規(guī)劃正常推進，并沒有因為輕地圖或無圖化方案的流行而受到影響。”他也明確指出，市面上所有L3以下的高階輔助駕駛?cè)詴褂玫降貓D，無論是高精地圖、ADAS地圖或者普通導航地圖；而L4級及以上的自動駕駛目前也不可能離開高精地圖。

騰訊地圖目前在高精地圖方面，基本上都是按季度更新，重點城市月度更新。同時，依托眾源資料和生態(tài)合作伙伴的大數(shù)據(jù)共享，以及車端識別和云端自動化建圖技術(shù)，部分高精要素可以達到周級甚至天級更新。

除高精地圖產(chǎn)品業(yè)務(wù)外，騰訊地圖已經(jīng)開始進行一些定制化的地圖產(chǎn)品業(yè)務(wù)。馬常杰透露，隨著自動駕駛的發(fā)展，會有越來越多車企對地圖產(chǎn)品提出定制化要求。

比如針對地圖中的精度和要素信息進行定制，“對于一些企業(yè)來講，在車自身的感知能力比較強的前提下，可能僅需要地圖中的一些道路信息或復雜路口的信息。這種定制化地提供部分要素，相比全面采集高精地圖來講，效率高很多，成本也會低很多?！瘪R常杰對新智駕說道。

例如，原本需要的高精地圖精度大概在厘米級，要素信息大概在一兩百左右，而現(xiàn)在各主機廠和算法公司需要的地圖可能只需要在米級精度上，外加五十左右的要素。這樣一來，原本采集的成本也會大大降低，生產(chǎn)效率會變高，質(zhì)量控制也會越來越好，對地圖商的影響也是一種正向的促進。

「去圖化」是不是紙上談兵

對于高精度地圖在自動駕駛中所能發(fā)揮的作用，車企圖商各執(zhí)一詞。但是回看供應(yīng)鏈上下游玩家此前宣布的時間表，「去圖化」的實現(xiàn)好像尚需時日。

小鵬汽車于去年九月份推出城市NOA功能，也是國內(nèi)首推此功能的車企。六個月后，小鵬汽車宣布解綁高精地圖并首發(fā)XNGP的試乘試駕活動。

基于新智駕當時的試駕體驗，在高精地圖覆蓋區(qū)域，小鵬汽車仍依賴高精地圖去實現(xiàn)高階輔助駕駛功能；在無高精地圖覆蓋的區(qū)域現(xiàn)階段除ADAS功能外，僅開放識別紅綠燈和執(zhí)行通過路口的能力。可以看到，如今脫離高精地圖后的NOA功能的用戶仍無法達到有圖時的效果。

另外據(jù)新智駕了解，目前小鵬汽車在高階輔助駕駛的研發(fā)進程中，demo已經(jīng)能夠在很大程度上擺脫對高精地圖的依賴，除非途經(jīng)一些復雜路口或環(huán)島場景。

得益于華為的甲級資質(zhì)，問界M5智駕版前段時間也在多個城市展開試乘試駕。前文講到華為ADS2.0計劃今年第二季度在全國15城推行，但其五月份展開試乘試駕活動的城市仍居六大高精地圖開放城市之列，其它城市的推送時間充滿著不確定性。

整體來看，車企關(guān)于NOA「去圖化」的規(guī)劃與實際落地情況之間存在著不小的差距。有意思的是，各家也在想辦法破局。

完全去高精地圖在業(yè)內(nèi)被公認為是很難實現(xiàn)的。據(jù)業(yè)內(nèi)人士透露，在無任何地圖信息的情況下，低延遲的規(guī)控算法運行目前來講幾乎無法實現(xiàn)，因此在技術(shù)路線上不會存在完全去掉高精地圖中所提供的信息要素。

而且，如果沒有高精地圖提供的精準要素數(shù)據(jù)，算法架構(gòu)上需要重新設(shè)計，感知與路徑規(guī)劃算法都需優(yōu)化成可脫離高精地圖數(shù)據(jù)運行的狀態(tài)。

近幾年，BEV+Transformer的算法架構(gòu)在CV領(lǐng)域勢頭正猛。自2020年起，特斯拉發(fā)布論文引入BEV感知方法，也從此帶動了CV領(lǐng)域內(nèi)的新方向，目前大多數(shù)公司的首選方案也由基于CNN的感知方法漸漸替換為BEV感知。另外Transformer模型也取代了NLP中的RNN網(wǎng)絡(luò)結(jié)構(gòu)，具有可以計算的特點。

這種新的感知算法架構(gòu)在車企去圖化過程中起到了至關(guān)重要的作用。

不過，在車端部署B(yǎng)EV+Transformer算法需要對大量數(shù)據(jù)進行標注訓練，一方面對芯片算力提出了更高的要求，增加了研發(fā)成本支出，一方面也考驗著車企和供應(yīng)商的技術(shù)實力。據(jù)業(yè)內(nèi)人士向新智駕透露，目前國內(nèi)進行相關(guān)研究的企業(yè)并不多。

寫在最后

按照車企或算法公司的說法，無圖化方案能否真正落地或許到2024年即可揭開答案。

行業(yè)內(nèi)近期也提出了一條新的思路，即可依賴自車的高精定位定姿系統(tǒng)和感知系統(tǒng)賦能整個智駕系統(tǒng)的感知及預先規(guī)劃，雖然這個技術(shù)路線落地應(yīng)用還有些困難，但國內(nèi)的一些主機廠和汽車供應(yīng)商已經(jīng)開始了這一方向的研究。

一方面是磨刀霍霍的車企，另一方面是內(nèi)卷的上下游供應(yīng)商。對于去圖化的趨勢，圖商必須開始尋找新的可能性。

伴隨著軟硬件的共同提升，自動駕駛的進化和落地節(jié)奏正在加快。至于高精地圖最終是否會淡化出行業(yè)，現(xiàn)在看來仍是未知的。

雷峰網(wǎng)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。