自动驾驶|高精地图降温，地图变“轻”是大势所趋吗？( 二 ) 华为|百度|四维图新

一方面，高精地图还不能真正满足自动驾驶提出的高要求。
当自动驾驶正在某个场景里被使用，高精地图必须要做到真实反映出当下的所有信息量，比如道路标志、车道引导线、道路的坡度、甚至是路面上需要闪避的障碍。至少是为了安全考虑，避免自动驾驶做出错误判断。
这就涉及到高精地图的鲜度问题。如果鲜度不符合要求，地图更新频率太低，就很难去服务好自动驾驶。小鹏汽车自动驾驶副总裁吴新宙曾特意强调这一点：对于城市场景，高精地图的“鲜度”非常关键，希望NGP发布的时候能够做到天级更新高精地图的能力。
鲜度，在自动驾驶进入城市场景时更为重要。在城市场景中，道路变更、维修，红绿灯状态等信息的更新速度快，车企需要天级更新的高精地图去提升产品体验。而高速场景，许多道路信息不如城市变化快，则不需要过分依赖更新频率。
尤其是近两年，城市辅助驾驶成为新卖点，主机厂在盼望产品尽快落地时，更迫切立刻有发展成熟到极致的高精地图。
想法虽美好，但维持“鲜度”要付出的成本，厂商难以覆盖。
在维护地图时，都需要人力和资金，涉及到工作人员的成本，数据采集、分析、处理的成本。中国城际高速公路和城市快速路等等加起来也就30万公里，但全国的城市道路有近1000万公里，本身做这件事就是一个庞大的系统性工程。
“现在高精地图更新，还是用的比较人工的方式，靠采集车上路采集，每周能有一次更新就不错了。 ”业内人士还指出， “即便高精地图再怎么好用，它仍然会成为车企未来大范围普及自动驾驶，将会面临最大的掣肘因素” 。
另一方面，自动驾驶因为发展遇阻也难以促进高精地图落地。
高阶自动驾驶是高精地图的“用武之地” ，但从L3、L4再到L5 ，目前落地进度已经向后推迟，个别车企即便实现也是在多个“定语”前缀限制下达到的。像是奔驰，近期才能在德国的一小片高速公路上使用L3级自动驾驶功能，这段路就被高精地图覆盖。
在「智能相对论」看来， L3进度放慢的原因有两个：一方面是L3级方案本身，没有学习到足够的场景，也没有彻底解决Corner Case出现时的安全问题；另一方面是准入问题， 2021年工信部发布《关于加强智能网联汽车生产企业产品准入管理的意见》，乘用车L3级自动驾驶如何准入还不确定，一切仍是未知数。
从供需角度去看，发展自动驾驶，车企需求哪些新的场景，兴许高精地图才会覆盖过来。可是，大部分车企在技术上都没法真正渗透这些场景，高精地图厂商难有动力去跟进。此外，自动驾驶对高精地图的需求不断变化，量产也始终在“前夜” ，厂商看不到规模效应带来的成本下降，也没有动力去采集和更新数据。
“重”高精地图是短期选择， “轻”高精地图是大势所趋？
高精地图有那么多痛点待解，为了在摆脱高精地图的辅助后，仍然能够打造出体验更好的自动驾驶，那不妨将数据积累、算法迭代做得更好。在这个过程中，华为、小鹏、毫末智行都在持续增加投入，走出“重感知”、“轻地图”的技术方案。
首先， “轻地图+重感知”方案具有更好的适应性。
比如毫末智行，推出的支持城市NOH功能的HPilot 3.0 ，通过大规模数据训练， HPilot 3.0在仅依靠SD地图导航的前提下，就能对诸如车辆近距离切入、车辆阻塞占道、交叉路口、环岛、隧道、立交桥等复杂场景做出快速、高成功率的操作。

要做更好的适应性其实是以一种长远的眼光去考虑发展。短期来看，为了解决某个非开放场景下自动驾驶，用激光雷达补盲以及高精地图，其实无可厚非；但长期来看，依靠大规模高精地图是有场景泛化的局限性的，尤其是进入到城市道路之中。
像北京还好，道路基本上正南正北，且路面大多比较宽阔；但是隔壁天津则是由着众多单行道且相互交错；若是重庆，就像是一个3D立体的城市，道路环境堪称“地狱模式” ，高精地图无法发挥自身的作用。
“轻地图+重感知”方案拥有好的适应性也就是获得好的实用性。既降低了对高精地图的依赖，也可以拓展到更多更大规模的城市，而不是仅仅停留在几个城市的范围。最终可以预见的是，技术方案会比“重地图”方案更易覆盖高速、城市道路、停车场等全场景。