撰文 / 韓 玲

編輯 / 張 南

設(shè)計 / 師 超

“重感知，輕地圖”在業(yè)內(nèi)已經(jīng)不是什么新鮮話題，但今年，情況又有了新的變化。為了搶先拿到下半場智能化淘汰賽的門票，車企開始快速推動城市NOA在全國多個城市的落地，而他們之所以能夠?qū)崿F(xiàn)這一目標，正是在“去高精地圖”上達成了共識。

在行業(yè)人士看來，高精地圖的去與留，從來不是一個技術(shù)問題而是基于商業(yè)化的考量。簡而言之，就是高精地圖阻礙了智能駕駛的商業(yè)化落地，更有人直言，高精地圖就是偽需求。

不過，汽車商業(yè)評論在和相關(guān)從業(yè)者交流時發(fā)現(xiàn)，目前大多數(shù)車企在對待高精地圖上都有些言行不一，明面上都在談?wù)摗叭ジ呔貓D”、“無圖”方案，但實際應(yīng)用時只是減少對高精的依賴，并非完全不使用，基本處于“有高精地圖就優(yōu)先使用高精地圖，沒有高精地圖就功能降級”。

但從車企對城市NOA商業(yè)化的決心來看，“去高精地圖”或許只是時間早晚的問題，至于“無圖”方案未來會將智能駕駛帶向何處，目前下結(jié)論還言之尚早。

一場商業(yè)化的考量

在過去短短幾個月時間里，城市NOA（Navigate on Autopilot）成了各大車企下一個角力點。

作為智能駕駛最堅定的擁躉者之一，小鵬率先發(fā)起進攻。今年3月，小鵬陸續(xù)在廣州、深圳和上海開放城市 NGP 功能，同時在全國范圍內(nèi)所有無高清地圖的城市開放直行紅綠燈識別起停、跨線繞行障礙能力。3個月后，小鵬開放了北京城市NGP，目前主要適用于北京各環(huán)線及主要快速路。

除了全國幾個具備高精地圖的城市之外，今年下半年，小鵬計劃在無高精地圖覆蓋的城市開放自動變道、超車、左右轉(zhuǎn)的能力，并預(yù)計在2024年，實現(xiàn)車位到車位的全場景輔助駕駛能力。

同一時間，理想也在北京上海開啟了城市NOA內(nèi)測，而通勤NOA將于下半年開放。官方強調(diào)這次發(fā)布的智能駕駛技術(shù)是“中國首個不依賴高精地圖的NOA系統(tǒng)”，今年年底前，理想將推動最新版的城市NOA在100個城市的落地。

越來越多的車企加入到這場城市NOA的爭奪賽中，余承東甚至給出了清晰的城市落地數(shù)量，今年第三季度（AITO問界M5智駕版）將率先在15個城市落地不依賴高清地圖的城市智駕領(lǐng)航輔助功能。第四季度擴大至45城。搭載HUAWEI ADS 2.0系統(tǒng)的汽車，都可以實現(xiàn)城區(qū)的輔助駕駛。上汽、蔚來、阿維塔、長城等諸多車企都明確表示，今年將在全國多個城市落地城市NOA。

這場搶灘城市NOA的運動，能快速在全國多個城市蔓延開來，與各大車企和智能駕駛公司達成的“去高精地圖”共識有著直接關(guān)系。毫末智行數(shù)據(jù)智能科學家賀翔告訴汽車商業(yè)評論，“去高精地圖”其實就是為了更快的商業(yè)化落地，他認為，高精地圖就是偽需求，阻礙了智能駕駛的落地。

但在過去很長一段時間，高精地圖備受業(yè)內(nèi)追捧，“自動駕駛的拐杖”、“上帝之眼”，從業(yè)內(nèi)對它的形象比喻就能看出高精地圖對智能駕駛的重要性。城市NOA意味著人類駕駛員得到進一步解放，一部分感知、決策和判斷交都由車輛完成，系統(tǒng)根據(jù)導航地圖在高速、城區(qū)路況中，完成自動變換車道、超車、進出匝道等操作。

而這張導航地圖就被稱為高精地圖，定位精度可達到厘米級，它能告訴自動駕駛車輛周邊的交通環(huán)境信息、走哪條車道、什么時候減速、何時變道，還能提供紅綠燈、限速指示牌和交通管制等實時動態(tài)信息，精準完成車輛的行駛道路規(guī)劃和決策輔助。

通常，高精地圖分為兩個基本層級，從底層到上層分別是靜態(tài)地圖和動態(tài)地圖。靜態(tài)地圖包括道路網(wǎng)、車道網(wǎng)、車道線、交通標志牌、路面標志等信息，幫助自動駕駛車輛在轉(zhuǎn)向、剎車等動作上完成精準的決策和控制執(zhí)行。而動態(tài)地圖體現(xiàn)為一些可能實時變動的交通信息，如道路擁堵、施工、交通管制、天氣、周邊車輛、行人、交通事故等，用于車輛的實時動態(tài)路徑規(guī)劃，增加信息冗余，提升駕駛的安全度。

減少依賴并非完全“拋棄”

得益于高精地圖的絕對優(yōu)勢，車企往往對其極度依賴，一旦脫離高精地圖的區(qū)域，其智能駕駛功能的表現(xiàn)立馬大打折扣，甚至失靈。為此，不少車企還曾試圖通過收購地圖廠商，來獲得地圖繪制資格。2021年，小鵬斥資2.5億元收購智途科技獲得高精地圖的資質(zhì)，這也是造車新勢力中第一家擁有甲級測繪資質(zhì)的公司。

但就在收購的第二年，小鵬發(fā)現(xiàn)有了地圖公司并不代表就能快速推進智能駕駛落地。“我們碰到了巨大的困難，原來城市NGP依賴于具有更高清晰度的地圖，最開始我們認為在今年上半年甚至一季度下旬，小鵬就可以將城市NGP從一個城市推到數(shù)個城市，但困難比想象的要多。”何小鵬在2022年的1024科技日上坦言，壓力不小。

這時不少車企才幡然醒悟，高精地圖就像硬幣的兩面，它雖然好用，但卻限制了自動駕駛大規(guī)模商業(yè)化的可能性。因為高精地圖的弊端非常明顯：更新周期漫長、繪制成本高昂以及政府對圖商資格的收緊。

今年3月，余承東坐不住了，直言“高精地圖更新太慢了，且一個城市一個城市獲取的速度也太慢。我們連上海市的一條小路都要折騰很久。”此外，自動駕駛供應(yīng)商們也苦高精地圖久矣，毫末智行、小馬智行、輕舟智航等紛紛喊出“輕地圖，重感知”的口號。

賀翔表示，首先全國有資質(zhì)的圖商就十幾家，而且國家每年都要審核，如果審核不通過圖商將面臨著資質(zhì)取消的風險；其次，即便有了資質(zhì)，但采集的數(shù)據(jù)成本非常高，成本和收益不成正比；最后，高精地圖的更新周期太長，尤其是大城市道路，幾乎每年都有變動，高精地圖的更新頻率多則半年，少則兩個月，而智能駕駛需要的是小時級、分鐘級的更新。

在理想汽車智能駕駛產(chǎn)品總監(jiān)趙哲倫看來，高精地圖最本質(zhì)的問題其實不是審核周期長，而是采圖、作圖、制圖這套流程耗時耗力耗錢。

但這場去高精地圖的運動，顯然并不容易。“坦白來講，現(xiàn)在有高精地圖，我們肯定優(yōu)先使用高精地圖，畢竟效果好。”賀翔這番表述真實地描述了當下車企面對高精地圖的態(tài)度，即“能用就用，不能用再想辦法”。

“如果沒有高精地圖，完全通過車端實時去生產(chǎn)和構(gòu)建難度比較大，一是車端的視野比較有限，二是可能道路會被一些車輛遮擋，三是算法本身穩(wěn)定性也沒有那么高?！壁w哲倫表示，這意味著車端的挑戰(zhàn)會更大，如果不用高精地圖，只能通過車端的網(wǎng)絡(luò)實施構(gòu)建，這其實非?？简炣嚻蟮乃惴Ｐ秃蛿?shù)據(jù)量的訓練。

小鵬今年3月底的城市XNGP試駕活動中，工作人員也承認，目前只是減少依賴并非完全拋棄高精地圖。從實際試駕體驗來看，在有高精地圖覆蓋的區(qū)域，城市NOA功能更加豐富、體驗也更流暢，一旦到了無高精地圖的區(qū)域，整體表現(xiàn)就不及有圖時的效果。

事實上，當前車企的城區(qū)NOA測試或體驗活動，都選擇在有高精地圖開放的城市。

城市NOA如何做出差異化？

現(xiàn)階段，市場上能看到的城市NOA方案基本無法做到無圖，區(qū)別只是對高精地圖的依賴程度不同。

清華大學車輛與運載學院助理研究員江昆表示，地圖是獲取與處理位置信息的超級平臺，也將是多車多傳感器異構(gòu)信息的融合平臺，因此，特征地圖的構(gòu)建以及傳感器與地圖的匹配就顯得尤為重要。

“重感知，輕地圖”并非是一種非此即彼的關(guān)系。高德地圖汽車業(yè)務(wù)中心總經(jīng)理江睿在第十五屆中國汽車藍皮書論壇上談到，感知和地圖應(yīng)該是相輔相成，為同時存在的關(guān)系。

“感知解決的是近場問題，比如車輛周圍或者前方200米之類的環(huán)境信息，而地圖要解決的則是全局問題?！彼J為地圖是對近場感知的補充，目前的車輛僅靠傳感器很難知道5公里外發(fā)生了什么。

當前，車企、地圖廠商和智能駕駛第三方供應(yīng)商都在朝著“輕地圖”的目標邁進。所謂的“輕地圖”其實是處于導航地圖和高精地圖之間的一種地圖形式，其精度、要素豐富度比普通導航地圖高，但弱于高精地圖，在保留智能駕駛所必須的要素上，去掉了部分元素。而之所以“輕地圖”方案能得意實施，很大程度上與BEV和大模式技術(shù)在智能駕駛上的應(yīng)用有關(guān)。

BEV （Bird's-eye-view Perception）是鳥瞰圖的簡稱，它將多傳感器采集的信息進行多幀時序前融合，轉(zhuǎn)化成汽車周邊環(huán)境動態(tài)（車速、距離等）和靜態(tài)（車道線）的目標信息。在環(huán)境感知階段，BEV 可以將激光雷達、雷達和相機等多模態(tài)數(shù)據(jù)融合在同一平面上。這種方法可以消除數(shù)據(jù)之間的遮擋和重疊問題，提高物體檢測和跟蹤的精度。

在這其中，神經(jīng)網(wǎng)絡(luò)模型Transformer起到了重要作用。作為一種基于自注意力機制的深度學習模型，Transformer最早應(yīng)用于自然語言處理任務(wù)，而在智能駕駛領(lǐng)域，Transformer不僅能夠處理海量的數(shù)據(jù)，而且能夠自動學習這些數(shù)據(jù)的內(nèi)在結(jié)構(gòu)和相互關(guān)系，為車輛對周邊環(huán)境的感知和決策提供準確的判斷。

目前，國內(nèi)廠商的去高精地圖方案基本是基于BEV和Transformer技術(shù)框架下的改良優(yōu)化。小鵬、理想、毫末智行和百度等都先后公布了 BEV 的新一代感知架構(gòu)的最新進展，在提升車輛感知能力的前提下降低對高精地圖的依賴。

但新的挑戰(zhàn)也會隨之而來，首先基于Transformer大模型的BEV技術(shù)需要處理的數(shù)據(jù)量呈指數(shù)級上升，對汽車芯片的計算和算法能力提出了更高的要求。

此前，小鵬汽車自動駕駛負責人吳新宙也曾談到過，由于國內(nèi)各個城市道路差異大，因此小鵬的XNGP和XNet的能力還不足以支持開放到所有城市，其中的工程量巨大。其次，輕地圖的方案使得車輛感知端的壓力增大，實際城市道路環(huán)境復雜多變，系統(tǒng)需要隨時應(yīng)對可能發(fā)生的突發(fā)情況，比如識別掉落的石塊、違規(guī)占道停放的車輛等等。

“一是工程量，二是算法比較新，國內(nèi)車企在這方面的經(jīng)驗比較少，三就是要有充實的云端計算資源，也就是海量的數(shù)據(jù)。”趙哲倫解釋稱，這幾點也是未來車企如何在城市NOA做出差異化的關(guān)鍵，研發(fā)能力、基礎(chǔ)建設(shè)（云端平臺搭建能力）以及車企的數(shù)據(jù)訓練量。

如今，雖說完全“去圖”還不太現(xiàn)實，但隨著城市NOA號角的吹響，這種趨勢已然越發(fā)明顯，因為這是一場事關(guān)車企、圖商以及第三方智能駕駛供應(yīng)商，能否拉開競爭差距以及如何生存的問題。