自動駕駛 涼意來襲

文 / 黃耀鵬

今年上半年，圖商明顯感覺高精度地圖（以下簡稱“高圖”）賣不動了。

其實，全國數據比較完善的高圖，就6座城市：深圳、上海、廣州、北京(五環外)、重慶和杭州。圖商去年還聲稱要進一步推到全國二線城市，現在看這一進程已經停滯。沒有新增賣圖的收入，就不會有更多城市的高圖。

去年就有一批主機廠聲稱要拋掉對高圖的依賴。今年上半年，則是付諸實施的時候。

小鵬XNGP（第二代智能輔助駕駛系統）在3月底開始推送初階能力，在全國范圍（無高圖城市）開放識別信號燈和直行通過路口的能力。下半年將開放無圖城市的其它領航功能（變道、超車、左右轉等），2024年將實現從車位到車位的XNGP。

基于華為ADS技術的阿維塔，目前開放NCA的城市是4座（上海、廣州、深圳、重慶）。而下半年則承諾將阿維塔11迭代為ADS 2.0，實現45個無圖城市的NCA能力落地。

目前采取類似做法的，不少于8家主機廠或自動駕駛公司，名單還在迅速擴大。

天下苦高圖久矣

這一進程是意料之中，天下苦高圖久矣，只是速度有點出人意料。

從2021年開始，監管就收緊了高圖制作的申請、更新流程。2022年9月，國土資源部正式規定，高圖測繪制作，只能由具備導航電子地圖制作甲級資質的單位進行。以前也強調過“甲級資質”，但在高圖領域的操作上明確這一點，還是首次。這下，眾包制作、外包測試等都不合規了。

輿論往往認為高圖就是測繪得更細致一些，分辨率更高（10cm級）。這個認知是錯誤的。相對于標準導航地圖，高圖不但數據量和維度遠高于前者，還在數據結構上描述了交通設施之間的拓撲關系，這是標圖完全不具備的內容。兩者是完全不同的產品。

圖商為了降低成本，將高圖數據分為四層，靜態數據、準靜態數據、動態數據和實時數據。理論上，靜態數據（路網、建筑、車道線等）季度更新就可以，準靜態數據（標志標牌、護欄信息等）月度更新，動態數據分鐘級更新，而實時數據更新必須達到秒級。

高圖是用大量成本砸出來的產品，而且需要持續花錢維護。如果采集要求是10cm（即分米級），那么一天（500公里）測繪成本就是6000元；而1cm精度的地圖，一天（100公里）測繪成本1萬元。

余承東吐槽說，華為在上海測試搞一兩年，測了9000公里，還沒有覆蓋（上海）。從國家安全的角度，幾個月才允許更新，但中國的道路天天修，自動駕駛靠高圖沒辦法廣泛使用。

高圖的商業模式

在全國范圍內推動自動駕駛，依靠高圖幾乎走不下去，但不能說高圖路線錯了。

高圖的好處，就在于極大簡化了對自動駕駛算力和感知的要求。在高圖世界里，靜態環境都是確定的，這讓道路復雜性下降了一個數量級。因此有人說，在高圖上自動駕駛，就像在虛擬鐵軌上開火車。而火車（包含地鐵）的高等級自動駕駛系統早就開發成功。

但是，中國的城建太不講武德了。從一個超大城市角度，道路的結構變化，不是按月的，簡直是按天變化的。圖商把一片城區的道路都測繪成高圖了（技術過程忽略），某條路因為敷設管道，就把十字路口擋上一半，這是常有的事。

NCA開到這里一看，發現實際路況和高圖數據不匹配，直接降為LCC（居中輔助），NCA順滑體驗的連貫性就被中斷了。

如果你認為管道敷設好了，道路復原，就能一切照舊，那就把問題想簡單了。可能標志線劃的和原來稍有區別（可能在人類看來沒什么不同），但是某個圖商發現了這里的變化，重新掃圖，相當于對這部分高圖做了維護。

但是對于特大城市來說，這種維護工作幾乎是西西弗斯式的。要么NCA付費訂閱覆蓋不了主機廠向圖商采購的費用（主機廠賠本）；要么圖商硬撐著虧本，含淚繼續維護。兩種商業模式都不可持續。除非訂閱用戶數量達到一個非常高的量級（比如百萬輛）。

這就讓高圖+NCA模式在技術上走通了，但在商業上走窄了。而本來就無高圖的城市，貌似只能踏實等無圖NCA推廣。

輕高圖可能嗎

當然，騰訊、百度等二級圖商，正在推一種妥協方案，就是“輕高圖”。

今年4月，騰訊發了輕高圖HD Air（米級）。相對高圖，HD Air數據量更小、更新更快，相對于普通導航圖，要素更精細。

高圖的幾個要素：鮮度、覆蓋度、顆粒度，都與成本密切相關。輕高圖聲稱改善了前兩者，必然以精度下降為代價。

如果認定“鮮度”是重點，騰訊的方案是用“車圖云”來部分解決顆粒度的問題。但是，所謂的收集、傳輸、存儲數據的“安全循環”，是否與監管政策矛盾，現在沒有結論。不過，圖云一體化，能加速數據更新速度，倒沒吹牛。

問題就在于，車企或者其自動駕駛方案供應商，是否愿意采購這類“輕高圖”。目前“輕高圖”剛剛問世，就面臨和無圖NCA之間的競爭。據目前的信息，主機廠用戶并不青睞于“輕高圖”。

無圖路線走強

當前看，車企（特別是新能源創業品牌）已經將重點轉向無圖模式了。這個趨勢之明顯，已經讓業內感受到某些技術細分賽道“涼意襲人”。

從技術而言，無圖的最大挑戰莫過于決策規劃模塊。失去了高圖，完善的參考軌跡就沒了，決策模塊必須在更大的范圍內（當然局限于交通允許通行的區域）規劃出合理路徑來，而且多數情況下要求實時。

更要命的是，規劃不能簡單拆解為橫向縱向。形狀不規則的可通行區域，在城市道路上太常見了（特別是在一些老城區），這就對車載算力提出了很高的要求。

而且，高圖沒了，感知能力必須提上來。FSD利用自己發明的一種神經網絡算法來建模，重現遮擋關系，這樣就彌補了純視覺傳感器的缺陷。

不過，國內新勢力和自動駕駛公司，更愿意采用BEV（鳥瞰圖）和一種預訓練模型，來替代高圖。這種做法，其實就是在現場實時生成高圖（部分意義上的），適應場景需求。這是算力達到100Tops之后才產生的新方法。

今年上半年，鳥瞰圖顯然很大程度上取代了高圖，成為一個火熱的新投資方向。這個技術已經產生好幾年，但是能放在車上用，并受到重視，是去年晚些時候才上規模的。

不用高圖，鳥瞰圖能夠更好識別被遮擋的車輛和其它交通參與者，也就能更好地預見到“鬼探頭”和其它不合規但現實存在的行為。這其實就是對人腦決策的一種模仿，只不過是用技術手段取得了居高臨下視角。“以空制地”的優勢不用多說。

車企已經將自動駕駛的重點轉向無圖模式。這個趨勢之明顯，已經讓業內感受到某些技術細分賽道“涼意襲人”。

但是需要強調一下，鳥瞰圖仍屬于感知部分，是后續決策的依據，而非決策本身。而鳥瞰圖實用化工具箱還在發展中，激光雷達在其中仍有用武之地，只不過需要聯合其它傳感器。這讓激光雷達的投資者松了一口氣。

因為高圖投資開始衰落之后，人們認為連帶著激光雷達也要跟著不行了，現在看還未必。

自從高等級自動駕駛的前景變得黯淡之后，NCA迅速升溫，但沒有帶火高圖。以往的認知里面，兩者是捆綁到一起的。

新技術手段隨著硬件能力增強不斷涌現，技術轉換的節奏非常快。這給主機廠、自動駕駛公司的投資帶來很大困擾。砸了好多小目標的賽道，眼看著要涼，新的投資需求又出現了。是不是跟上繼續砸，相當于給主機廠提出了一個尖銳的問題，這種投資的邊界到底在哪里。

在這個過程中，主機廠如果強求穿越技術周期、投資最有前途的方向，或者等待技術成熟后直接搭便車，這兩者都是不現實的。

跟住前沿技術，保持在第一梯隊，才有望兌現技術的商業價值。而在過程中交的學費，都是必要的。對沖成本的手段，可能是邊跟邊兌現，這和自動駕駛的升級過程，其實差不多。