2021 年 4 月，上海车展开幕前，一台搭载华为 ADS（Autonomous Driving Solution）系统的极狐阿尔法 S，在无人接管的状态下游走于上海街头，轻松地躲避外卖小哥并穿过复杂的十字路口。这段 Demo 演示视频在 B 站上迅速走红，人们似乎都以为城市内的无人驾驶时代已经到来。

极狐阿尔法 S Hi 版（图源：42 号车库）
然而，一年多时间过去了，视频里所展示的功能，仍处于 Demo 阶段。按照当初的规划，华为 ADS 系统将于 2022 年一季度全面量产。
在今年 5 月极狐阿尔法 S Hi 版开始交车时，城市道路高阶智能驾驶功能的交付时间又被延期到了 12 月。届时能否如期交付，目前来看仍是未知数。因为这套系统依赖高精地图的数据，而只有高精地图全面开通之后，该功能才能落地。
所以，导致延期的罪归祸首，不是芯片、不是激光雷达，而是 " 看不见、摸不着 " 的——高精地图。
早在 2019 年 4 月举办的特斯拉 Autonomy Day 上，其 CEO 埃隆 · 马斯克就公开表示，" 过分依赖高精度地图会让自动驾驶系统变得极其脆弱，普及起来更加困难。"
在业内看来，高精地图更像是一条 " 人民币玩家 " 的捷径。大疆车载公关总监谢阗地向虎嗅表示：" 硬件、外部数据源、额外的配置就好比神兵利器，如果自身内功不高，靠神兵利器也能完成不少复杂的挑战，但很昂贵而且受限制很多。真正的武林高手，是落叶飞花皆可用。"
然而，监管部门对高精地图的限制，来得比大家想象的要更快，而且更严格。
前段时间，自然资源部下发《关于促进智能网联汽车发展维护测绘地理信息安全的通知》，明确规定，高精地图测绘制作，只能由具备导航电子地图制作甲级资质的单位进行。而这一《通知》的公示，无异议对自动驾驶行业的一次严令重申。尤其是在当下，国产车企们为了提高产品力，挤了破头想要获取城市高精地图，以快速实现城市内的功能落地。

特斯拉 FSD（图源：特斯拉）
" 高精地图放在城市道路上都会面临非常大的挑战。"毫末智行 CEO 顾维灏告诉虎嗅，第一是城市道路很多、公里路很长、变化度又很高。高精地图如果能够完全地体现时效性，这对于图商来讲要求很高。第二是成本问题，如果大家真正能做到这样的新鲜度，本身地图的成本会非常高。
所以，即便华为 ADS 解决了高精地图的资质和技术难题。在大规模交付用户之后，华为仍要背负着昂贵的更新成本。但面对屡屡延期的交付压力，华为 ADS 已是进退两难。
那么问题就来了：实现城市的自动驾驶，或者乘用车的高级别的智能驾驶，高精地图不可或缺吗？
高精地图，高明在哪？
众所周知，自动驾驶技术发展的三要素分为：感知、规划、执行。将其类比到人类的身上，就是眼睛看到的、脑子里想到的，以及脚上的动作。
但是，现阶段车辆的自动化能力，不足以让其像人类一样自由地在道路上行动。所以按照业内流行一种说法，激光雷达和高精地图是两根拐杖——靠激光雷达来增强感知能力，靠高精地图来提高规划能力。通过这两根拐杖，就可以帮助车企快速地实现高超前的智能驾驶功能。

高精地图在街道上的应用（图片来源：Automotive News Europe）
在《割韭菜最快的刀，叫激光雷达》一文中，我们已经介绍过激光雷达的前世今生。所以，今天我们着重聊一聊，车企们的另一根拐杖——高精地图。
根据《智能网联汽车高精地图白皮书》（以下简称《白皮书》）的介绍：
高精地图，是指绝对精度和相对精度均在 1 米以内的高精度、高新鲜度、高丰富度的电子地图，英文称为 HD Map（High Definition Map，从数据精度和要素丰富度的角度定义）或 HAD Map（Highly Automated Driving Map，从自动驾驶功能的分级标准角度定义）。
高精地图所蕴含的信息丰富，含有道路类型、曲率、车道线位置等道路信息，以及路边基础设施、障碍物、交通标志等环境对象信息，同时包括交通流量、红绿灯状态信息等实时动态信息。
跟我们平时使用的导航地图相比，高精地图的精度更高，信息的丰富程度也更大。此外，普通导航地图都是给人看的，但高精地图主要是给车 " 看 " 的。
目前，高精地图应用得较多的地方，主要是封闭场景中，比如高速公路、封闭园区等。除特斯拉之外，绝大多数车企都利用高速公路上的高精地图，实现了与特斯拉 NOA 导航辅助驾驶类似的功能。比如，小鹏的 NGP、蔚来的 NOP、毫末智行的 NOH，以及理想的 NOA。

高精地图在高架桥上的应用（图片来源：智能网联汽车高精地图白皮书）
这些功能虽然叫法不同，但可实现的效果大致相同——当用户驾驶车辆进入高精地图覆盖的区域时，就可以开启导航辅助驾驶功能，这时车辆会根据导航自动的调整车距、车速，并且可完成自动变道超车、自动切换匝道等功能。
其中，高精地图对于智能驾驶功能的帮助主要有两种：首先，是为车辆的自动驾驶系统提供道路先验信息。为车辆纵向加减速、横向转向及变道等决策提供先验信息，提高驾驶舒适性和安全性；其次，可预知车道线、道路标识牌等交通要素的位置， 有助于提高传感器的检测精度和速度。
举个更具体的例子，比如高速自动切换匝道功能。当开启导航辅助驾驶功能的车辆，距离需要驶出的高速匝道还剩 2 公里左右时，车辆就会自动开始向右侧车道变道。而当需要在左右两条匝道中进行选择时，基于高精度车道数据，利用车道级定位，车辆可以提前判断出行驶的路线。
总之，有了高精地图之后，车辆就像有了 " 顺风耳 " 一般，能够预知前方道路情况。

高精地图在十字路口的应用（图片来自：waymo）
在高速上尝到甜头之后，车企们试图把导航辅助驾驶功能从高速扩展到城市，最后拼接自动泊车场景，以而实现 A 点到 B 点的完全自动驾驶功能。这也是为什么，在实现高速导航辅助驾驶功能之后，越来越多的厂家就大肆开始宣传，城市导航辅助驾驶很快就能量产落地。
这背后，在一定程度上是对于城市高精地图的重度依赖。但能谁料到，城市高精地图 " 解锁 " 的速度，并未赶上车企当初宣传时的预期。
地图 " 进城 "，卡在哪了？
" 高精度地图技术倒不是问题，现在最大的问题就是保持地图的鲜度。毕竟，道路一直在修。"盖世汽车研究院总监王显斌告诉虎嗅，从时效性来看，目前图商提供的城市高精地图，只能按月或者按季度更新，很难保证智能驾驶系统所需的准确性和实时性。
作为对比，中国城际高速公路和城市快速路加起来也就 30 万公里，但全国的城市道路有近 1000 万公里。 其中，高速辅助驾驶功能因为修路或者施工而导致的事故，早已屡见不鲜。比如，2021 年 8 月，一辆蔚来 ES8 在启用 NOP 领航辅助驾驶时，撞上了停在快车道上的公路养护车。

高速修路（图源：视觉中国）
相比高速公路，城市道路的总长度更长，就意味着突发情况更多，对于城市高精地图来说，准确性就会大打折扣。这也就是为什么，在各个城市进行 Robotaxi 无人驾驶出租车运营的车辆，只能在电子围栏之内进行运营，因为出了范围就没有办法获得高精地图的支持，很难保证系统的安全性。
毫末智行技术副总裁艾锐告诉虎嗅，如果把高精地图看成一个传感器，那么这个传感器经常不准，而且不知道它什么时候不准。从使用传感器的角度，它存在一个不可信任的问题。

（图源：视觉中国）
若要彻底解决地图鲜度问题，反而会引发成本难题。武汉大学测绘遥感信息工程国家重点实验室李必军教授，在盖世汽车举办的自动驾驶地图与定位大会演讲时表示，" 按照现在一辆采集车，两百万左右的成本计算，我们可能把全国数据采一下要两百亿左右，没有哪一家能够解决。"
据《白皮书》显示：采用传统测绘车方式，分米级地图的测绘效率约为每天每车 500 公里道路，成本为每公里 10 元左右，而厘米级地图的测绘效率约为每天每车 100 公里道路，成本可能达每公里千元。
即便是采集完数据之后，高精地图的更新又是另一个大难题。目前业内主流的方式，就是众包模式——简单来说，就把每一辆搭载智能驾驶系统的车辆，成为移动的地图采集车。
从技术角度而言，众包模式固然是好的。因为通过用户车辆上传，可以形成 " 用户使用 - 反馈 - 地图更新 - 价值提升 - 吸引用户 " 的正反馈链条。一般情况下，当车停下来了以后，实时收集到的道路更新信息，就会通过网络上传到服务器端。再通过处理手段，对高精地图进行数据更新。

激光雷达（图源：视觉中国）
看到这个，你一定发现了，众包模式背后所隐藏着数据安全的问题。
这也是为什么，在中国自然资源部出台的《关于加强自动驾驶地图生产测试与应用管理的通知》中，明确要求，从事自动驾驶地图数据采集与制作的单位必须具备导航电子地图制作资质，且外资企业不得从事导航电子地图制作。
光是外资企业这一条，就将众多有外资背景的车企、科技公司、创业公司挡在了门外。截至 2020 年 11 月，仅有 28 家企业获得导航电子地图甲级资质，也就意味着这些企业可以制作高精地图。
然而，在今年开始对导航电子地图制作甲级资质进行复审后，目前已经公示的 3 批复审通过的单位，只有 19 家。其中 2022 年 2 月 21 日公示的这批名单，包括了高德地图、华为、腾讯等公司。而像以前滴滴旗下的滴图科技、东风汽车投资的立得空间、吉利参与投资的易图通，都没能完成复审。

截图来自：中国自然资源部
" 复审没有通过的话，一般来说可以申请再次复审。但复审未通过的话，具体原因不会告知。而原则上，还是可以使用区域内的离线地图，这属于灰色地带 "，某自动驾驶公司业内人士告诉虎嗅。
实际上，高精地图行业的发展，全靠自动驾驶技术的演进来推动。从全球范围来看，以美国为首的发达国家，在高精地图行业仍具有极强的先发优势。
根据《白皮书》显示：早在 20 世纪 80 年代，美国就提出了自主地面车辆（ALV）计划。美国在自动驾驶领域的研究处于世界领先地位，由于具备自动驾驶所必须的高精地图，以及政策法规对自动驾驶的包容与开放，自动驾驶车辆的测试很早就开始进行，自动驾驶相关企业可以将研究与实验相互结合，极大促进了自动驾驶技术的发展。美国也成为拥有自动驾驶技术、高精地图初创企业最多的国家。
美国在相关政策支撑方面，也十分完备。目前， 美国在测绘地理信息领域颁行了多项政策，包括《美国联邦地理空间数据共享政策》《美国 NASA 遥感数据政策》《美国天基定位、导航与授时政策》《美国国家地理空间数据政策》《美国有关安全访问地理信息的指导方针》等。

以凯迪拉克的 Super Cruise 超级辅助驾驶系统为例，按照当地法规，该功能可以提供的是 " 放手式 " 的辅助驾驶。而相关团队在美国和加拿大拥有超过 40 万英里的高精地图数据。基本覆盖了美国和加拿大基本的主要城际交通网。但该功能来到国内以后，覆盖范围和功能边界都有明显的 " 收敛 "。

Super Cruise 的高精地图覆盖北美的范围（图源：通用汽车）
同样的，日本在高精地图领域也更早地形成了统一标准。2013 年，日本内阁政府启动了名为 SIP（战略性创新创造方案）项目计划，其中自动驾驶是核心之一。随后，日本整车企业和供应厂商一同成立了 "Dynamic Map Platform Co., Ltd."（简称 DMP）公司，作为高精地图数据平台的建设主体。
在德国，对于自动驾驶地图的管理与其他类型地图的管理要求相同，没有特殊要求。而且对地图绘制的相关条例出台都较早。比如，2000 年通过了《德国国家土地测绘管理条例》、2010 年通过了的《联邦州地理空间数据基础设施法》。
这也难怪，梅赛德斯 - 奔驰去年底就在德国获得全球首个 L3 级有条件自动驾驶系统的国际认证。由法雷奥提供的激光雷达，HERE 提供的高精地图，才让德国人喊出 " 可以脱手的自动驾驶 "、" 发生事故由奔驰承担全部的法律责任 "。

奔驰在德国的 L3 自动驾驶（图源：梅赛德斯 - 奔驰）
另外，高精地图的安全性验证还没有行业统一的共识。但美国、日本、德国等国家先后建立了一些高精度动态地图相关的平台， 形成了各自的高精度动态地图采集、更新和应用模式。
国内的玩家们，要么就静静的等图来，要么只能另谋出路。
丢掉拐杖，迟早的事
" 就像十多年前，我们没有智能手机。要找路，大部分人也是能找的。"
大疆车载公关总监谢阗地告诉虎嗅，打造一套好的智能驾驶系统，应该把基本功打磨到极致，用基础的硬件能力来处理核心需求。比如，与五菱合作的 2023 款 KiWi EV 车型上，大疆只用一套 "1 前视双目 +4 环视鱼眼 +1 前向毫米波雷达 +12 超声波雷达 " 的硬件组合，就能城市复杂路况中进行智能驾驶。

图源：大疆车载
大疆车载管这套系统叫 " 灵犀智驾系统 "，其最大的特点就是：无需提前学习，可针对驾驶安全有威胁场景，包括动静态的任意随机障碍物进行识别避障。同时，在没有配置高精地图及激光雷达的情况下，可实现智能泊车 + 城市道路场景的驾驶辅助。

从技术路线来看，大疆车载走的是与特斯拉类似的纯视觉方案。依托大疆在无人机领域所积累得到的双目视觉技术，基于双目融合点云的算法，得到一个带有包括深度信息在内的几何信息，以此来判断前方障碍物是否会威胁行车安全。
纯视觉方案的好处就在于成本低、规模化能力强，但是由于车端感知和计算能力有限，系统的边界也是比较明确的。比如，大疆这套灵犀智驾系统，在出现未开发或确实无法应对的场景时，将按照预设的降级策略进行层层降级，并主动提醒用户接管。
这其实，就把问题又转移到了 " 人机共驾 " 上面。可能用户们更希望车辆更多的自行处理问题，但实际情况是，系统遇到不能解决的问题，就把车辆的控制权交给用户。
一旦用户出现分神、玩手机的情况，就会存在一定的风险。比如，当前软件版本的灵犀智驾系统，还无法识别红绿灯，在路口处仍需要人工介入。而且，由于没有高精地图支持，在错位路口、施工道路时，需要人工接管。

速腾聚创 125 线激光雷达
出于安全冗余的考虑，目前业内更认可的作法是" 重感知、轻地图 "的路线。
" 重感知、轻地图的路线，就是为了规避地图的问题。" 毫末智行技术副总裁艾锐告诉虎嗅，在感知技术有了比较大的能力提升之后，毫末主推的路线就是尽量地相信实时感知，而主要利用地图的拓扑关系，那些地图里面不会改变的信息。" 就像人开车的时候，人主要还是相信自己的眼睛。"
从感知硬件来看，毫末城市 NOH  （Navigation on HPilot）系统包含了 2 颗 125 线激光雷达，5 颗毫米波雷达，12 颗超声波雷达，4 颗环视摄像头，4 颗侧视摄像头，4 颗 800 万像素感知摄像头。从算力平台来看，其配备了 5nm 高通骁龙 8540+7nm 高通骁龙 9000 芯片。其中，8540 作为 SoC 芯片，而 9000 作为 AI 加速卡，用来做 AI 模型计算。
感知硬件、计算平台，就好比人的眼睛和大脑，帮助其做出正确的判断。举个城市场景里最常见的案例，看红绿灯。如果有高精地图的话，可以根据地图里红绿灯位置信息，在感知上做预瞄，然后再进行识别。并且，车辆可以很好的找到当前道路、车道所对应的红绿灯信息。有些高精地图服务商还能为车辆实时提供动态信息，比如红绿灯倒计时等。
但如果没有高精地图，车辆行驶到路口时，系统需要依靠感知和计算作出正确判断。目前，毫末是通过迁移学习领域中的混合迁移训练方法，将仿真数据和真实数据进行混合训练，从而提高红绿灯识别度。此外，还通过用 Transformer 做时间和空间上的前融合方式，解决 " 空间感知碎片化 " 和 " 时间感知不连续 " 的问题，有效识别城市道路车道线。

依靠单车智能，来解决自动驾驶行业的长尾问题还不够。目前车企更愿意接受的方式，就是构建云端计算的能力。
比如，今年 8 月小鹏汽车与阿里云合建的智算中心 " 扶摇 "，主要就是用于自动驾驶模型训练，包括视觉检测、轨迹预测以及行车规划等算法模型。同样的，毫末也和阿里云合作，建立了中国首个基于车路协同云服务的大规模自动驾驶场景库。毫末智行 CEO 顾维灏表示，" 通过改进车端模型和芯片的设计来实现大模型的车端落地，通过数据的组织让大模型发挥更大效力。"
据虎嗅了解到，小鹏汽车和智己汽车（合作方为 Momenta），目前都已经从研发端切换到 " 重感知 " 的路线上，并且试图摆脱对高精地图的依赖。
写在最后
" 沉没成本太高了。"一位自动驾驶业内人士告诉虎嗅。
在技术路径上看，华为既然会坚定地走高精地图的路线。毕竟，华为在 2019 年 7 月就获得了导航电子地图制作甲级测绘资质，今年又完成了复审。可以说，华为是业内为数不多，自己有高精地图、有软硬件全栈解决方案的厂商。让华为现在转向重感知的路线，无异议调头重新起跑。
而从终局来看，高精地图依旧是不可缺少的基础设施。但从用户的角度而言，依赖高精地图的智能驾驶，多少有点 " 小白鼠 " 的意思。要么，你爱车上的智能驾驶功能只能在固定区域内使用；要么，你爱车上的各种传感器将作为采集工具，给车企或者供应商无私的 " 画图 "。