为什么自动驾驶方案不再强调地图了？

[首发于智驾最前沿微信公众号]不知道大家是否发现，现在很多车企在宣传自动驾驶方案时，很少会再强调或提及高精度地图，甚至很少会再提地图相关的内容，为啥曾经被自动驾驶行业高度依赖的技术，现在却越来越边缘化？

如何从救命稻草到发展阻碍？

自动驾驶技术大规模普及的早期，高精度地图被行业公认为全自动驾驶实现的必经之路。这种地图与我们日常手机导航使用的普通地图有着天壤之别。普通地图的误差通常在几米到十几米之间，主要用于指引人类司机在大致的道路网络中寻找方向。

而高精度地图的精度则达到了厘米级，它详细记录了车道线的位置、路缘石的高度、交通标志的准确坐标，甚至连电线杆、下水道口和道路的坡度、曲率等极其细微的信息都包含在内。

在那个车载传感器和计算平台尚不成熟的年代，高精度地图充当了智驾系统的安全底座，让车辆能够拥有上帝视角，提前预判几百米外的路况，极大地减轻了感知算法的压力。

而随着智驾功能从相对简单的高速公路向错综复杂的城市道路推进，高精度地图的局限性开始集中爆发。

图片源自：网络

首当其冲的问题是“鲜度”，也就是地图更新的实时性。城市里的道路每天都在发生变化，修路、改道、临时交通管制或是路标的重新粉刷，对人类司机来说可能只需要一秒钟的观察就能适应，但对于高度依赖地图的自动驾驶系统来说，任何微小的变动如果未能在地图上同步更新，都会导致系统出现严重的逻辑冲突。

目前，国内图商制作高精度地图主要依赖带有激光雷达和专业测绘设备的昂贵采集车，这种采集方式导致大多数城市的高精度地图只能做到每三个月更新一次，而理想状态下的智驾系统需要的是小时级甚至分钟级的实时更新。

成本和资质也是车企难以逾越的高山。制作一张覆盖全国城市的高精度地图需要耗费数以百亿计的资金投入，而这些成本最终都会转嫁给车企和消费者。目前车企使用地图需要支付高昂的订单费和每辆车每年的许可费，这种模式极大地限制了智驾功能的规模化推广。

更关键的是，国家对测绘资质的审批正在不断收紧，只有拥有导航电子地图制作甲级测绘资质的单位才能进行高精度数据的采集和处理。近年来，通过资质复审的企业数量显著减少，这让许多想要自建地图数据的车企面临合规性风险，也让整个行业在扩展新城市时不得不排队等待图商的进度。

摆脱地图后用何技术？

为了摆脱对预制地图的过度依赖，自动驾驶行业开始拥抱“重感知”的技术方向。所谓重感知，就是让汽车不再按照写好的“剧本”开车，而是像人一样具备实时观察和理解世界的能力。

在这一过程中，鸟瞰图感知技术（BEV技术）起到了决定性的作用。在传统的智驾方案中，系统只能处理每个摄像头传回的独立平面图像，就像在看几张互不相关的照片，很难拼凑出完整的空间感。而BEV技术则能将车辆周围多个摄像头的图像信息，通过大模型的计算，实时融合进一个统一的三维俯视坐标系中。

通过这种方式，车辆在行驶过程中实际上是在大脑里实时“画图”。它不仅能看到眼前的障碍物，还能通过这种鸟瞰视角识别出车道线的拓扑关系，即哪条线通往哪个方向，路口是如何连接的。

这种实时生成的“活地图”虽然在绝对精度上可能稍逊于预制的高精度地图，但它最大的优势在于绝对真实。因为它捕捉的是当下的实况，所以哪怕道路正在施工，系统也能立即感知到并做出反应。这种能力的提升，让智驾系统从“按图索骥”进化到了“见机行事”。

图片源自：网络

为了解决那些地图里根本无法预测的特殊障碍物问题，如洒落在路上的纸箱、形态怪异的施工围栏或是不按常理出牌的各种物体，占用网络技术也应运而生。这项技术不再纠结于识别物体“是什么”，而是关注空间是否被“占用”。

它将车辆周围的空间划分为无数个极其细微的三维小立方体，就像积木世界一样，系统只需要判断每个小立方体是空的还是实心的。

通过这种基于物理几何连续性的判断，汽车建立起了对物理世界最基础的把握，只要那个地方有东西，我就不能撞上去。这种处理方式完美弥补了预制地图无法记录动态变化的短板，让车辆在面对各种突发状况时具备了极强的生存能力。

在感知能力变强的同时，行业并没有激进地完全抛弃所有地图，而是转向了一种更理性的“轻地图”方案。

所谓的轻地图，实际上是对传统地图进行了大刀阔斧的瘦身，只保留了道路的连通性、超视距的交通预测信息等最核心的导航要素。它不再追求厘米级的静态要素刻画，而是将原本由地图负责的精细工作交给车辆自身的感知系统。

这种方案不仅大幅降低了制图成本，更重要的是它让智驾系统具备了更好的适应性，只要有基础的导航地图，车辆就能在全国各地的城市甚至乡间小道上开启智驾，彻底解决了“开城”速度慢的问题。

端到端大模型如何让汽车具备类人的驾驶直觉？

当感知系统解决了“看”的问题后，如何“开”就成了自动驾驶进化的下一个关键。过去，自动驾驶的驾驶逻辑是由一行行写出来的规则代码组成的。这种模式被称为规则驱动，其本质是大量的“如果……那么……”逻辑。

但在复杂的城市交通中，人类司机的行为是非常微妙且具有直觉性的。代码很难穷尽所有的交通场景，在狭窄路口如何礼貌地博弈？在没有红绿灯的交叉路口如何寻找空档？都是经常会遇到的问题。这种机械的逻辑会导致智驾车辆在复杂环境下显得畏手畏脚，甚至因为触发了某个安全规则而僵在原地。

目前端到端智驾模型非常火热，它旨在打破感知、预测、决策和控制之间的隔阂。简单来说，它就像训练一个大型人工智能一样，直接把海量的高质量人类驾驶数据喂给神经网络。系统通过学习几千万甚至上亿公里的老司机驾驶录像，自己去领悟在什么样的情况下应该打多少度方向盘、踩多深刹车。

在这个过程中，系统不再需要去死记硬背地图上的每一条线，而是建立起了一种类似于人类司机的驾驶直觉。只要给它一个导航目标，它就能根据实时的视觉输入做出最合理的动作反应。

图片源自：网络

这种端到端架构的出现，让自动驾驶从“写代码”变成了“教本领”。它不仅极大地缩短了系统的响应延迟，更让汽车具备了处理未知场景的能力。

当遇到一个从未见过的奇葩路口时，传统的规则系统可能会因为找不到匹配的代码而罢工，但端到端模型可以通过在大规模数据中积累的通用理解，像人一样通过逻辑推理和模仿来平稳通过。

为了让这种直觉更加可靠，还引入了视觉语言模型作为车辆的“慢思考”系统，让汽车能够理解如交警的手势、写在牌子上的临时交通指示，甚至是感知周围行人的意图等复杂的交通语义。

这种类人化的技术路径，不仅让驾驶过程变得更加平顺和自然，更从根本上解决了对高精度地图的依赖。对于一个真正聪明的智驾系统来说，地图的作用应该仅仅是一个大致的指路牌，而不需要是一份精确到分毫的操作说明书。

随着端到端技术的日趋成熟，自动驾驶系统正在从“依赖地图的机器”转变为“具备思考能力的司机”。这种进化不仅提升了系统的天花板，也让智驾技术在不同地域、不同文化背景下的快速落地成为了可能。

最后的话

自动驾驶的“无图化”趋势是技术发展的必然规律。随着算力的爆炸式增长和算法的不断精进，汽车对环境的理解将越来越接近甚至超越人类。地图将逐渐边缘化，回归到最本质的导航工具属性。这不仅会让智驾功能的成本大幅下降，让十万级别的普通家用车也能享受到高阶智驾带来的安全与便利，更将加速全自动驾驶时代的到来。