文 | 車東西 阿超
編輯 | Juice
曾經(jīng)被視為智能駕駛最佳幫手的高精地圖正在被廠商們拋棄。
日前，元戎啟行正式發(fā)布了不依賴高精度地圖的智能駕駛解決方案，成為行業(yè)內(nèi)首個宣布徹底解綁高精地圖的自動駕駛玩家。
而在一周前，地平線創(chuàng)始人兼CEO余凱透露，地平線今年將推出不依賴于高精地圖的輔助駕駛方案。
再往前看，理想汽車CEO李想在年初的內(nèi)部信上表示，理想汽車的端到端的城市NOA導航輔助駕駛也將會擺脫高精地圖依賴。小鵬汽車也在去年的1024上表達了類似的想法。
據(jù)車東西統(tǒng)計，最近一年內(nèi)，已有超過8家企業(yè)明確表達了棄用高精地圖的傾向。
也就是說 ，在智能駕駛發(fā)展過程中，高精地圖將會成為率先被企業(yè)拋棄的產(chǎn)品之一。
值得注意的是，此前國內(nèi)的多個自動駕駛領(lǐng)域的玩家都將高精地圖作為非常重要的輔助工具，甚至都基于高精地圖開發(fā)了高速導航輔助駕駛功能（高速NOA）。
可以說，在很長一段時間內(nèi)，高精地圖一直被視為實現(xiàn)高階智能駕駛的必要工具之一。那為何在最近短短的一年間，眾多自動駕駛玩家都選擇了改弦更張呢？
主要的原因在于高精地圖的發(fā)展已經(jīng)無法滿足日益精進的智能駕駛技術(shù)的要求了。高精地圖的更新速度沒有辦法跟上城市NOA的落地要求，因此在今年這個城市NOA落地元年中，越來越多的企業(yè)選擇放棄高精地圖也是情理之中。
那么，究竟有哪些玩家宣布放棄了高精地圖？高精地圖又為何從香餑餑變成了燙手山芋呢？車東西經(jīng)過梳理，找到了問題的答案。
01.八大玩家宣布棄用，高精地圖被冷落
最近一段時間，關(guān)于棄用高精地圖的言論越來越多，多個知名車企和供應商都發(fā)表了類似的意見。
3月22日，元戎啟行發(fā)布DeepRoute-Driver3.0(Driver3.0)智能駕駛解決方案，該方案可適配導航地圖，解綁了對高精度地圖的依賴。
▲元戎啟行Driver3.0路測
3月16日，地平線創(chuàng)始人兼CEO余凱透露，地平線今年將推出不依賴于高精地圖的輔助駕駛方案，余凱表示：“這是一個完全基于計算機視覺感知的智能駕駛技術(shù)，將不依靠高精地圖，即可做到實時定位，并對周圍環(huán)境進行實時測繪?！?/p>
今年1月初理想汽車CEO李想也在內(nèi)部全員信中表示，理想汽車的端到端城市NOA導航輔助駕駛（不依賴HDMAP，即不依賴高精地圖）將會在2023年底開始落地。
▲小鵬XNet感知架構(gòu)
而早在去年10月24日小鵬汽車便明確提出，2023年基于XNet深度學習算法的XNGP將不再依賴高精地圖。并且此后在公開場合何小鵬多次重申這一去高精地圖化的輔助駕駛方案。
在去年8月17日智行者的媒體開放日上，智行者也對外發(fā)布了一套聲稱不依賴高精地圖的L2+自動駕駛解決方案。
同樣是在去年8月，華為終端業(yè)務(wù)群CEO、華為智能汽車解決方案BU CEO余承東在談到AITO問界M7和M5的自動駕駛時也表示：“現(xiàn)在自動駕駛還在使用高精地圖，但未來發(fā)展不應該依賴高精地圖、車路協(xié)同?！?/p>
更早一些，去年4月，毫末智行更是發(fā)布了旗下首個自動駕駛數(shù)據(jù)智能體系MANA（雪湖）和ransforemr識別車道線的技術(shù)。毫末智行聲稱這一技術(shù)采取了“重感知、輕地圖”的技術(shù)路線，進一步降低了對高精地圖的依賴。
盡管有的廠商聲稱已經(jīng)發(fā)布的輔助駕駛方案不依賴高精地圖，有的廠商只是列出了一個去高精地圖的時間線，但是仿佛大家都形成了去高精地圖化的共識。
目前看，雖然不少企業(yè)都宣布了放棄高精地圖，但整體而言，這些企業(yè)都在追求更高階的智能駕駛，認為在這個過程中，高精地圖將會限制其發(fā)展。
但對于更多的車企或者供應商來說，成本低廉且好用的L2仍然是剛需，對于這些企業(yè)來說，他們可能并不會過于追求更高階的智能駕駛，因此，對于這些玩家來說，高精地圖仍然是不可缺少的一環(huán)。
但從大趨勢上來看，高精地圖的前景確實不容樂觀。
02.三大原因 高精地圖遭棄用
在高速NOA階段，高精地圖以其多種優(yōu)勢受到眾多車企的追捧，在輔助駕駛中被廣泛應用。
高精地圖相比傳統(tǒng)導航地圖的優(yōu)勢可以概括為三點，即高豐富度、高精度和高鮮度。
第一，高精地圖有著更高的數(shù)據(jù)豐富度。
傳統(tǒng)電子地圖數(shù)據(jù)只記錄道路級別的數(shù)據(jù)：道路形狀、坡度、曲率、鋪設(shè)、方向等。高精度地圖有高架物體、防護欄、樹、道路邊緣類型、路邊地標等大量目標數(shù)據(jù)，能夠明確區(qū)分車道線類型、路邊地標等細節(jié)。
第二，高精地圖有著更高的精確度。
一般電子地圖精度在米級別，商用GPS精度為5米。高精度地圖的精度在厘米級別，一般絕對精度低于1米，相對精度10~20厘米。
第三，高精地圖有著更高的鮮度。
高精地圖一般以季度為單位進行更新，相比傳統(tǒng)的導航地圖有著更高的新鮮度，更新的頻率更高。
高精地圖的諸多優(yōu)勢，也是前兩年車企在發(fā)展輔助駕駛中倚重高精地圖的重要原因。大多車企的高速NOA方案都是基于高精地圖實現(xiàn)的，高速道路標準化強、道路狀況變化小等特點令基于高精地圖的方案能夠相對容易實現(xiàn)。
然而隨著輔助駕駛的發(fā)展，輔助駕駛的技術(shù)重心逐漸轉(zhuǎn)移到城市NOA。城市道路的復雜程度驟升，道路狀況的變化也更大，如果依舊采用基于高精地圖的輔助駕駛方案，這意味著車企將面臨著巨大的成本提升。
再結(jié)合國家對于高精地圖的監(jiān)管政策，綜合作用下，加速了車企對高精地圖態(tài)度的轉(zhuǎn)變。
企業(yè)對高精地圖態(tài)度的轉(zhuǎn)變原因可以總結(jié)為3點。
第一，高精地圖成本高，制作周期長，不利于輔助駕駛的加速普及。
在前面也提到過，高精地圖有著更高的豐富度、更高的精度和更高的鮮度，然而在這背后是巨大的成本支撐。
根據(jù)《智能網(wǎng)聯(lián)汽車高精地圖白皮書》顯示，采用傳統(tǒng)測繪車方式，分米級地圖的測繪效率約為每天每車500公里道路，成本為每公里10元左右，而厘米級地圖的測繪效率約為每天每車100公里道路，成本可能達每公里千元。
在企業(yè)重點普及高速NOA時，全國高速道路里程相對城市道路歷程較為有限，道路更新的頻率也相對更小，成本還可以接受。但當NOA開始向城市場景普及時，城市道路的里程增加帶來了高精地圖的前期采集工程量的大幅上升，道路復雜度的提升對高精地圖的更新頻率有了更高要求，由此帶來了成本的驟升。
同時，高精地圖后續(xù)的持續(xù)更新，意味著高精地圖對于車企來說是一項長期的成本投入，長遠來看，成本壓力可能會更大。
第二，輔助駕駛相關(guān)硬件的加速發(fā)展，車企有了更優(yōu)的方案選擇。
在過去車企大多采用“多傳感器融合+高精地圖”的輔助駕駛方案，在高速上遇到高精地圖不完善的區(qū)域，NOA功能可能就會退出了，受限于傳感器的參數(shù)配置，傳感器在其中主要發(fā)揮輔助作用，這可以認為是一種以高精地圖為主，以整車感知為輔的技術(shù)方案。
然而隨著高算力芯片、激光雷達等配置加速上車，以及輔助駕駛數(shù)據(jù)積累和算法的不斷優(yōu)化，當前汽車的整體感知能力已經(jīng)有了很大升級。高精地圖在輔助駕駛當中的權(quán)重不斷降低，車企逐步走上一條“重感知，輕地圖”的技術(shù)路線。
第三，國家對高精地圖的監(jiān)管縮緊。
自然資源部于2022年2月、3月、8月先后分三批公布了最新的導航電子地圖制作甲級測繪資質(zhì)復審換證的結(jié)果，共有19個單位通過資質(zhì)復審，而復審前則共有31家單位，這一數(shù)字的縮小也直觀地表明當前政策縮緊的趨勢。
▲自然資源部官網(wǎng)截圖
在未通過資質(zhì)復審的12家單位中，有滴滴旗下的滴圖科技、小鵬于2021年2.5億元收購的智途科技、上汽和東風投資的晶眾信息科技，以及中海庭、易圖通和立得空間等圖商。
政策上的巨大不確定性或許是短期內(nèi)促使企業(yè)對高精地圖態(tài)度發(fā)生轉(zhuǎn)變的重要原因。
03.重感知輕地圖，算法成為核心競爭力
在過去幾年車企的輔助駕駛方案高度依賴高精地圖，形成了以高精地圖為主的輔助駕駛方案，然而當高精地圖逐步受限時，車企的輔助駕駛又該何去何從呢？
我們發(fā)現(xiàn)車企在逐步走上一條“重感知，輕地圖”的技術(shù)路線。汽車自身的感知能力在輔助駕駛中扮演著越來越重要的角色，高精地圖不再是車企的唯一重點。
目前已經(jīng)公布的幾家技術(shù)路線也均在“重感知，輕地圖”的范疇里，例如理想汽車CEO李想在年初全員信中提到的不依賴高精地圖的城市NOA導航輔助駕駛。這一方案具體來說是基于BEV感知和Transformer模型，從而實現(xiàn)端到端的城市NOA導航輔助駕駛。
對此技術(shù)路線李想還特別解釋到，軟件1.0階段，是人類設(shè)計邏輯，人類進行編程，機器進行計算，人類使用軟件。軟件2.0階段則是機器學習人類（包含感知、決策、執(zhí)行、反饋的閉環(huán)），云端訓練算法，機器使用算法，機器服務(wù)人類。顯然李想表達的正是自家城市NOA十分重視車輛自身感知，而不是倚重高精地圖。
小鵬對于不依賴高精地圖的輔助駕駛方案提出的更早些，在去年10月24日，小鵬表示2023年下半年，基于XNet深度學習算法的XNGP將不再依賴高精地圖，實現(xiàn)對于全國范圍內(nèi)多個城市廣泛的城市道路的覆蓋能力。
不論是李想所提到的軟件2.0階段，還是何小鵬所講的XNet深度學習算法，都是基于BEV+Transformer技術(shù)架構(gòu)來實現(xiàn)的。
這一技術(shù)架構(gòu)中不得不提到BEV感知，BEV，即Bird's Eye View（視覺為中心的鳥瞰圖），是一種以視覺為中心的感知算法，也稱作“上帝視角”，是一種端到端的，由神經(jīng)網(wǎng)絡(luò)將圖像信息從圖像空間轉(zhuǎn)換到BEV空間的技術(shù)。
與傳統(tǒng)圖像空間感知相比，BEV感知可將多個傳感器采集的數(shù)據(jù)，輸入到統(tǒng)一的空間進行處理，有效避免誤差疊加。同時更易進行時序融合形成4D空間。
例如小鵬XNet可將攝像頭采集的數(shù)據(jù)，進行多幀時序前融合，輸出BEV下的4D動態(tài)信息（如車輛速度、運動預測等）和3D靜態(tài)信息（如車道線位置等）。
BEV基礎(chǔ)上又大致出現(xiàn)了三種技術(shù)路線：純視覺BEV感知路線，即只使用攝像頭，代表企業(yè)為特斯拉；BEV融合感知路線，以攝像頭為主，同時有其他的傳感器做輔助，代表企業(yè)為小鵬、毫末智行；車路一體BEV感知路線，代表企業(yè)為百度。
目前除特斯拉外，大多采取的是BEV融合感知路線。
與BEV相匹配的Transformer模型，是一種目前自然語言處理領(lǐng)域的主流模型，旨在處理序列數(shù)據(jù)，其主要優(yōu)點是能夠根據(jù)輸入數(shù)據(jù)的內(nèi)部關(guān)系來計算其特征表示。因此它非常適合處理具有明顯空間結(jié)構(gòu)的BEV圖像數(shù)據(jù)。Transformer還具有較高的并行性，能夠處理大規(guī)模的數(shù)據(jù)集。
十分通俗地來說，BEV+Transformer技術(shù)架構(gòu)的智能駕駛方案以視覺感知為中心，激光雷達等攝像頭之外的硬件起輔助作用，將攝像頭和其他硬件采集的數(shù)據(jù)統(tǒng)一到一個空間進行融合，再通過Transformer模型大量處理數(shù)據(jù)。
可以簡單認為BEV的功能是將數(shù)據(jù)融合到同一空間，而Transformer模型對這些數(shù)據(jù)進行處理和識別。
此方案可以讓汽車通過自身的感知能力識別出原本只有高精地圖才具有的信息，以此來達到代替高精地圖的目的。
基于BEV+Transformer技術(shù)架構(gòu)足夠成熟的方案可以實現(xiàn)諸如車道線檢測、障礙物檢測、可行駛區(qū)域分割、紅綠燈檢測和識別、道路交通標志檢測等功能。
這種方案對芯片算力、傳感器硬件以及算法有著更高的要求，經(jīng)過幾年的發(fā)展現(xiàn)有的硬件已經(jīng)可以適應這種方案。
這種不依賴高精地圖的方案優(yōu)勢明顯，尤其體現(xiàn)在成本上，前期省去了高精地圖的大量成本，十分利于城市NOA的普及。
04.結(jié)語：高精地圖將加速被車企遺棄
BEV感知提升的背后是計算機視覺技術(shù)、圖像判斷技術(shù)和深度學習算法的不斷提升，而且可以預見BEV技術(shù)會有更加快速的迭代發(fā)展，未來也將會有更高的分辨率，能夠提取更多的環(huán)境信息和細節(jié)。
與此同時，BEV感知相較高精地圖展現(xiàn)出巨大的成本優(yōu)勢，目前第一梯隊的造車玩家大多已明示高精地圖的棄用傾向，緊隨而來的便是高德等圖商的收入下降，圖商對高精地圖的測繪和后期更新投入也會降低，進而高精地圖的可用性降低，從而形成惡性循環(huán)。高精地圖的未來走向已顯而易見。