文 | 車(chē)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(lài)高精度地圖的智能駕駛解決方案，成為行業(yè)內(nèi)首個(gè)宣布徹底解綁高精地圖的自動(dòng)駕駛玩家。
而在一周前，地平線(xiàn)創(chuàng)始人兼CEO余凱透露，地平線(xiàn)今年將推出不依賴(lài)于高精地圖的輔助駕駛方案。
再往前看，理想汽車(chē)CEO李想在年初的內(nèi)部信上表示，理想汽車(chē)的端到端的城市NOA導(dǎo)航輔助駕駛也將會(huì)擺脫高精地圖依賴(lài)。小鵬汽車(chē)也在去年的1024上表達(dá)了類(lèi)似的想法。
據(jù)車(chē)東西統(tǒng)計(jì)，最近一年內(nèi)，已有超過(guò)8家企業(yè)明確表達(dá)了棄用高精地圖的傾向。
也就是說(shuō) ，在智能駕駛發(fā)展過(guò)程中，高精地圖將會(huì)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(guó)內(nèi)的多個(gè)自動(dòng)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(kāi)發(fā)了高速導(dǎo)航輔助駕駛功能（高速NOA）。
可以說(shuō)，在很長(zhǎng)一段時(shí)間內(nèi)，高精地圖一直被視為實(shí)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(dòng)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(wú)法滿(mǎn)足日益精進(jìn)的智能駕駛技術(shù)的要求了。高精地圖的更新速度沒(méi)有辦法跟上城市NOA的落地要求，因此在今年這個(gè)城市NOA落地元年中，越來(lái)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(chē)東西經(jīng)過(guò)梳理，找到了問(wèn)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(shí)間，關(guān)于棄用高精地圖的言論越來(lái)越多，多個(gè)知名車(chē)企和供應(yīng)商都發(fā)表了類(lèi)似的意見(jiàn)。
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(dǎo)航地圖，解綁了對(duì)高精度地圖的依賴(lài)。
▲元戎啟行Driver3.0路測(cè)
3月16日，地平線(xiàn)創(chuàng)始人兼CEO余凱透露，地平線(xiàn)今年將推出不依賴(lài)于高精地圖的輔助駕駛方案，余凱表示：“這是一個(gè)完全基于計(jì)算機(jī)視覺(jué)感知的智能駕駛技術(shù)，將不依靠高精地圖，即可做到實(shí)時(shí)定位，并對(duì)周?chē)h(huán)境進(jìn)行實(shí)時(shí)測(cè)繪?！?/p>
今年1月初理想汽車(chē)CEO李想也在內(nèi)部全員信中表示，理想汽車(chē)的端到端城市NOA導(dǎo)航輔助駕駛（不依賴(lài)HDMAP，即不依賴(lài)高精地圖）將會(huì)在2023年底開(kāi)始落地。
▲小鵬XNet感知架構(gòu)
而早在去年10月24日小鵬汽車(chē)便明確提出，2023年基于XNet深度學(xué)習(xí)算法的XNGP將不再依賴(lài)高精地圖。并且此后在公開(kāi)場(chǎng)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(kāi)放日上，智行者也對(duì)外發(fā)布了一套聲稱(chēng)不依賴(lài)高精地圖的L2+自動(dòng)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(chē)解決方案BU CEO余承東在談到AITO問(wèn)界M7和M5的自動(dòng)駕駛時(shí)也表示：“現(xiàn)在自動(dòng)駕駛還在使用高精地圖，但未來(lái)發(fā)展不應(yīng)該依賴(lài)高精地圖、車(chē)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(gè)自動(dòng)駕駛數(shù)據(jù)智能體系MANA（雪湖）和ransforemr識(shí)別車(chē)道線(xiàn)的技術(shù)。毫末智行聲稱(chēng)這一技術(shù)采取了“重感知、輕地圖”的技術(shù)路線(xiàn)，進(jìn)一步降低了對(duì)高精地圖的依賴(lài)。
盡管有的廠商聲稱(chēng)已經(jīng)發(fā)布的輔助駕駛方案不依賴(lài)高精地圖，有的廠商只是列出了一個(gè)去高精地圖的時(shí)間線(xiàn)，但是仿佛大家都形成了去高精地圖化的共識(shí)。
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(rèn)為在這個(gè)過(guò)程中，高精地圖將會(huì)限制其發(fā)展。
但對(duì)于更多的車(chē)企或者供應(yīng)商來(lái)說(shuō)，成本低廉且好用的L2仍然是剛需，對(duì)于這些企業(yè)來(lái)說(shuō)，他們可能并不會(huì)過(guò)于追求更高階的智能駕駛，因此，對(duì)于這些玩家來(lái)說(shuō)，高精地圖仍然是不可缺少的一環(huán)。
但從大趨勢(shì)上來(lái)看，高精地圖的前景確實(shí)不容樂(lè)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(shì)受到眾多車(chē)企的追捧，在輔助駕駛中被廣泛應(yīng)用。
高精地圖相比傳統(tǒng)導(dǎo)航地圖的優(yōu)勢(shì)可以概括為三點(diǎn)，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(jí)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(hù)欄、樹(shù)、道路邊緣類(lèi)型、路邊地標(biāo)等大量目標(biāo)數(shù)據(jù)，能夠明確區(qū)分車(chē)道線(xiàn)類(lèi)型、路邊地標(biāo)等細(xì)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(jí)別，商用GPS精度為5米。高精度地圖的精度在厘米級(jí)別，一般絕對(duì)精度低于1米，相對(duì)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(jìn)行更新，相比傳統(tǒng)的導(dǎo)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(shì)，也是前兩年車(chē)企在發(fā)展輔助駕駛中倚重高精地圖的重要原因。大多車(chē)企的高速NOA方案都是基于高精地圖實(shí)現(xiàn)的，高速道路標(biāo)準(zhǔn)化強(qiáng)、道路狀況變化小等特點(diǎn)令基于高精地圖的方案能夠相對(duì)容易實(shí)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(fù)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(chē)企將面臨著巨大的成本提升。
再結(jié)合國(guó)家對(duì)于高精地圖的監(jiān)管政策，綜合作用下，加速了車(chē)企對(duì)高精地圖態(tài)度的轉(zhuǎn)變。
企業(yè)對(duì)高精地圖態(tài)度的轉(zhuǎn)變?cè)蚩梢钥偨Y(jié)為3點(diǎn)。
第一，高精地圖成本高，制作周期長(zhǎng)，不利于輔助駕駛的加速普及。
在前面也提到過(guò)，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(chē)高精地圖白皮書(shū)》顯示，采用傳統(tǒng)測(cè)繪車(chē)方式，分米級(jí)地圖的測(cè)繪效率約為每天每車(chē)500公里道路，成本為每公里10元左右，而厘米級(jí)地圖的測(cè)繪效率約為每天每車(chē)100公里道路，成本可能達(dá)每公里千元。
在企業(yè)重點(diǎn)普及高速NOA時(shí)，全國(guó)高速道路里程相對(duì)城市道路歷程較為有限，道路更新的頻率也相對(duì)更小，成本還可以接受。但當(dāng)NOA開(kāi)始向城市場(chǎng)景普及時(shí)，城市道路的里程增加帶來(lái)了高精地圖的前期采集工程量的大幅上升，道路復(fù)雜度的提升對(duì)高精地圖的更新頻率有了更高要求，由此帶來(lái)了成本的驟升。
同時(shí)，高精地圖后續(xù)的持續(xù)更新，意味著高精地圖對(duì)于車(chē)企來(lái)說(shuō)是一項(xiàng)長(zhǎng)期的成本投入，長(zhǎng)遠(yuǎn)來(lái)看，成本壓力可能會(huì)更大。
第二，輔助駕駛相關(guān)硬件的加速發(fā)展，車(chē)企有了更優(yōu)的方案選擇。
在過(guò)去車(chē)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(huì)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(rèn)為是一種以高精地圖為主，以整車(chē)感知為輔的技術(shù)方案。
然而隨著高算力芯片、激光雷達(dá)等配置加速上車(chē)，以及輔助駕駛數(shù)據(jù)積累和算法的不斷優(yōu)化，當(dāng)前汽車(chē)的整體感知能力已經(jīng)有了很大升級(jí)。高精地圖在輔助駕駛當(dāng)中的權(quán)重不斷降低，車(chē)企逐步走上一條“重感知，輕地圖”的技術(shù)路線(xiàn)。
第三，國(guó)家對(duì)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(dǎo)航電子地圖制作甲級(jí)測(cè)繪資質(zhì)復(fù)審換證的結(jié)果，共有19個(gè)單位通過(guò)資質(zhì)復(fù)審，而復(fù)審前則共有31家單位，這一數(shù)字的縮小也直觀地表明當(dāng)前政策縮緊的趨勢(shì)。
▲自然資源部官網(wǎng)截圖
在未通過(guò)資質(zhì)復(fù)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(gòu)的智途科技、上汽和東風(fēng)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(duì)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(jìng)爭(zhēng)力
在過(guò)去幾年車(chē)企的輔助駕駛方案高度依賴(lài)高精地圖，形成了以高精地圖為主的輔助駕駛方案，然而當(dāng)高精地圖逐步受限時(shí)，車(chē)企的輔助駕駛又該何去何從呢？
我們發(fā)現(xiàn)車(chē)企在逐步走上一條“重感知，輕地圖”的技術(shù)路線(xiàn)。汽車(chē)自身的感知能力在輔助駕駛中扮演著越來(lái)越重要的角色，高精地圖不再是車(chē)企的唯一重點(diǎn)。
目前已經(jīng)公布的幾家技術(shù)路線(xiàn)也均在“重感知，輕地圖”的范疇里，例如理想汽車(chē)CEO李想在年初全員信中提到的不依賴(lài)高精地圖的城市NOA導(dǎo)航輔助駕駛。這一方案具體來(lái)說(shuō)是基于BEV感知和Transformer模型，從而實(shí)現(xiàn)端到端的城市NOA導(dǎo)航輔助駕駛。
對(duì)此技術(shù)路線(xiàn)李想還特別解釋到，軟件1.0階段，是人類(lèi)設(shè)計(jì)邏輯，人類(lèi)進(jìn)行編程，機(jī)器進(jìn)行計(jì)算，人類(lèi)使用軟件。軟件2.0階段則是機(jī)器學(xué)習(xí)人類(lèi)（包含感知、決策、執(zhí)行、反饋的閉環(huán)），云端訓(xùn)練算法，機(jī)器使用算法，機(jī)器服務(wù)人類(lèi)。顯然李想表達(dá)的正是自家城市NOA十分重視車(chē)輛自身感知，而不是倚重高精地圖。
小鵬對(duì)于不依賴(lài)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(xué)習(xí)算法的XNGP將不再依賴(lài)高精地圖，實(shí)現(xiàn)對(duì)于全國(guó)范圍內(nèi)多個(gè)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(xué)習(xí)算法，都是基于BEV+Transformer技術(shù)架構(gòu)來(lái)實(shí)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(jué)為中心的鳥(niǎo)瞰圖），是一種以視覺(jué)為中心的感知算法，也稱(chēng)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(gè)傳感器采集的數(shù)據(jù)，輸入到統(tǒng)一的空間進(jìn)行處理，有效避免誤差疊加。同時(shí)更易進(jìn)行時(shí)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(jìn)行多幀時(shí)序前融合，輸出BEV下的4D動(dòng)態(tài)信息（如車(chē)輛速度、運(yùn)動(dòng)預(yù)測(cè)等）和3D靜態(tài)信息（如車(chē)道線(xiàn)位置等）。
BEV基礎(chǔ)上又大致出現(xiàn)了三種技術(shù)路線(xiàn)：純視覺(jué)BEV感知路線(xiàn)，即只使用攝像頭，代表企業(yè)為特斯拉；BEV融合感知路線(xiàn)，以攝像頭為主，同時(shí)有其他的傳感器做輔助，代表企業(yè)為小鵬、毫末智行；車(chē)路一體BEV感知路線(xiàn)，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(xiàn)。
與BEV相匹配的Transformer模型，是一種目前自然語(yǔ)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(diǎn)是能夠根據(jù)輸入數(shù)據(jù)的內(nèi)部關(guān)系來(lái)計(jì)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(lái)說(shuō)，BEV+Transformer技術(shù)架構(gòu)的智能駕駛方案以視覺(jué)感知為中心，激光雷達(dá)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(gè)空間進(jìn)行融合，再通過(guò)Transformer模型大量處理數(shù)據(jù)。
可以簡(jiǎn)單認(rèn)為BEV的功能是將數(shù)據(jù)融合到同一空間，而Transformer模型對(duì)這些數(shù)據(jù)進(jìn)行處理和識(shí)別。
此方案可以讓汽車(chē)通過(guò)自身的感知能力識(shí)別出原本只有高精地圖才具有的信息，以此來(lái)達(dá)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(shí)現(xiàn)諸如車(chē)道線(xiàn)檢測(cè)、障礙物檢測(cè)、可行駛區(qū)域分割、紅綠燈檢測(cè)和識(shí)別、道路交通標(biāo)志檢測(cè)等功能。
這種方案對(duì)芯片算力、傳感器硬件以及算法有著更高的要求，經(jīng)過(guò)幾年的發(fā)展現(xiàn)有的硬件已經(jīng)可以適應(yīng)這種方案。
這種不依賴(lài)高精地圖的方案優(yōu)勢(shì)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(yǔ)：高精地圖將加速被車(chē)企遺棄
BEV感知提升的背后是計(jì)算機(jī)視覺(jué)技術(shù)、圖像判斷技術(shù)和深度學(xué)習(xí)算法的不斷提升，而且可以預(yù)見(jiàn)BEV技術(shù)會(huì)有更加快速的迭代發(fā)展，未來(lái)也將會(huì)有更高的分辨率，能夠提取更多的環(huán)境信息和細(xì)節(jié)。
與此同時(shí)，BEV感知相較高精地圖展現(xiàn)出巨大的成本優(yōu)勢(shì)，目前第一梯隊(duì)的造車(chē)玩家大多已明示高精地圖的棄用傾向，緊隨而來(lái)的便是高德等圖商的收入下降，圖商對(duì)高精地圖的測(cè)繪和后期更新投入也會(huì)降低，進(jìn)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(lái)走向已顯而易見(jiàn)。