此次车展，多了个有趣的现象。
无论是媒体日现场，还是后续的专业观众日，大家对自动驾驶路线选择的讨论都非常热烈。
话题之一是传感器，自动驾驶的“眼睛”究竟该依靠摄像头还是雷达？话题之二则是高精地图之争，究竟该依赖高精度地图导航，还是通过其他途径取代前者？毕竟，业界走“重感知，轻地图”路线的车企是越来越多了。
“今天，最多的问题就是BEV”。
笔者在科技公司云集的2.2展馆溜达了几圈，四维图新展台一直挤满了人。本届车展，这家地图供应商发布了智能驾驶场景地图的新产品，但是该公司负责技术讲解的工作人员告诉我们，业界同行在现场和他聊得最多的，是关于高精地图会否被替代的话题。
百度展馆的一位负责人也表示，很多人和他探讨去高精地图的话题，还有行泊一体和视觉能力等，都在这届车展成了香馍馍。这次车展，百度对外推出了城市智驾产品Apollo City Driving Max，使用了轻量级高清地图，比行业通用的传统高精地图要“轻”80%左右。
余承东，又给该话题添了把柴火。
此次车展，华为发布了AITO问界M5系列高阶智能驾驶版，新车搭载的ADS 2.0高阶智能驾驶系统摆脱了高精地图，打响了“重感知，轻地图”上车的第一枪。华为常务董事、智能汽车解决方案BU CEO余承东甚至隔空喊话，自家的智驾可实现“有图无图都能开”，且性能要比特斯拉更优秀。
要知道，2021年的上海车展期间，华为第一次参加国际A类车展，彼时的余承东还兴高采烈地为高精地图站台。两年之后，同样是上海车展，这位智能车BU掌门人的态度却完全变了，一脸嫌弃地诟病高精地图的高成本和高复杂度，毅然和此前的路线划清界限。
｜特斯拉，不再是“异数”｜
业界众所周知，激进者特斯拉，是全球第一家采用视觉识别方案的电动汽车制造商。该公司在实现自动驾驶功能时,不依赖高精地图,也不用激光雷达，完全由车辆自身的视觉识别系统来完成路况的识别。
换句话说，兵来将挡水来土掩。
纯视觉路径，在特斯拉提出时饱受诟病，而说出“傻子才用激光雷达”的马斯克，也一度被调侃为“雷达杀手”，前几年在业界争议很大。可实际上，特斯拉自己是有“高精地图”的，他们用众包建图的方式搞了一套地图数据，高精地图该有的很多功能，被他们集成到自己的感知算法里，这个话题，咱们放到后面章节去讲。
过去一年，行业风向变了。
业界高管的言论层面，唱衰高精地图的越来越多，特别是此前坚决走高清地图路线的华为，也开始调转船头。余承东多次在公开场合表态，自动驾驶不能过分依赖高精地图和车路协同，否则智能驾驶和自动驾驶能力就上不去，他认为车企应该逐步减少对高精地图的依赖。
去年10月，小鹏汽车就在其科技日上宣告推出Xnet感知架构，明确新一代智能驾驶方案XNGP不再依赖高精地图的依赖，后来何小鹏也多次重申了去高精地图化的辅助驾驶理念。
这次车展期间，他的一句“遥遥领先”更是戏精无数，在何小鹏看来，即使是特斯拉FSD在美国的表现，也不如小鹏XNGP在国内的表现。 毕竟在小鹏汽车官方看来，XNGP已实现了中国首个且唯一量产的BEV感知——“XNet”，以视觉为主，雷达为辅，采用重感知、轻地图的技术路线。
从此，特斯拉不再是“异数”。
在国内，毫末智行是最先喊出“重感知，轻地图” 口号的自动驾驶科技公司，早在去年9月的毫末AI DAY上，该公司CEO顾维灏就明确表示，其城市NOH量产方案未来要摆脱自动驾驶对高精地图的依赖。
越来越多的玩家，选择对高精地图“放手”。今年3月，自动驾驶科技公司元戎启行对外发布了智能驾驶解决方案DeepRoute-Driver 3.0（简称Driver 3.0），关注度最大的地方在于，该方案试图解绑了智能车对高精度地图的依赖，一经发布就能装车。
几乎与此同时，地平线创始人兼首席执行官余凯也透露了最新的技术路线，即将在今年推出不依赖于高精地图的辅助驾驶方案。新的方案完全基于计算机视觉感知，不依赖高精地图，也可做到实时定位，并对周围环境进行实时测绘。
业界两派，已经划清了界限。
一派认为，高精地图由其必要性，也有其不可替代性；另一派则认为，高精地图不一定与自动驾驶深度捆绑，特斯拉此前强调的纯感知路线，才是未来的主流。
很明显，过去一年，站这一派的公司阵营是越来越庞大了，且未来还将有更多玩家加入。甚至还有华为这样“倒戈”的，智驾方案行至中途，摇身一变，成了去高精地图的拥趸。
｜“好的东西，当然更贵”｜
那么，高清地图究竟是不是“鸡肋”？
在分析这个问题之前，我们不妨先来聊聊，高精地图和传统导航地图相比，有哪些优势，以及高精地图究竟隐含哪些技术和应用层面的护城河。
一是高精度。
高精地图的绝对精度和相对精度均在厘米级(10厘米至20厘米)，普通的传统导航地图精度只有10米左右。
二是高丰富度。
传统导航地图只包括道路级别的数据，如道路形状、铺设、坡度等，以及道路附近的办公楼与商场；但高精地图却包括了更多目标数据，包括道路类型、曲率和车道线等车道属性相关的数据，以及防护栏、道路标识以及高架物体等。
三是实时性。
传统导航地图永久静态数据更新频率约1个月，半永久静态数据更新频率约1小时)，而高精地图半动态数据频率约1分钟，动态数新频率约1小时。也就是说，如红绿灯状态、交通流量等及时数据，高精地图必须实时更新，而道路变更和道路维修等静态信息，更新频率更是准确到每日甚至到分钟级别。
用句大白话说，高精地图的信息要比传统地图庞大很多，它不仅可以影响自动驾驶的感知系统，也可以影响决策系统。举个简单的例子，如果你身处山城重庆，高架路层叠，某地理位置的空间纵切面，极有可能囊括了3-5个高架，这时候，传统导航是无法告知具体身处哪一层高架的——
但高精地图可以。
正因为此，高精地图对于自动驾驶的重要性，不亚于激光雷达。业界一度认为，高精地图和激光雷达就像自动驾驶的“两根拐杖”，特别是L2级以上的自动驾驶，二者都是缺一不可的,坚持纯视觉路线的特斯拉，甚至一度被业界质疑。
但提及“上车”，高精地图就背负着与生俱来的几个瓶颈。
第一个，是鲜度。
高精地图是个庞大且复杂的工程，并不是测绘结束，就可以画上句号，初次建图不难，难的是后续数据的维护和更新。
图商们目前的处理方式，是专业采集与众包采集相结合。利用精度较高的采集车来完成初始绘制，完成从0到1的过程，在此基础上，再利用道路上行驶的大量非专业采集车辆，用众包采集的方式，降低成本，完成从1到n的过程。
众包采集扮演的虽是“配角”的角色，在数据更新方面却扮演着非常重要的作用，可以做到静态数据小时级更新，动态数据分钟级更新，目前市面上规模较大的图商几乎都有一支庞大的车辆众包团队。
不过，问题来了。
第一，是包采集涉及法律合规问题。即众包模式下的数据提供方，是否能满足法律规定的地图采集和数据传输要求，这里的数据所有权和隐私问题都值得业界探讨。
第二，是众包采集的数据质量。对比专业型采集车与众包型采集车，前者的传感器精度远大于后者。那么，即使众包型采集数据仅仅是专业型的一个补充，如何将庞杂的低精度数据与高精度数据相融合，共同为高精地图的鲜度服务，这是摆在图商面前的一大难题。
第二个瓶颈，是成本。
任何东西，都是有代价的。前文罗列的高精地图的一系列优势，有其AB面，A面是多维度碾压传统导航地图，B面则是背后高昂的成本和较长的制作周期。
此前有机构预测，制作一个普通道路高精度地图，每公里费用需要数千元，而制作一个高速双向道路的高精度地图，费用则需要高达30万元。
而根据《智能网联汽车高精地图白皮书》，分米级地图的测绘效率约为每天每车500公里道路，成本为每公里十元左右，而厘米级地图的测绘效率约为每天每车100公里道路，成本在每公里千元左右。
这些数字，还不包括后期高频率的更新需求，以及在数据采集和云服务等方面的长期性战略投入。更何况，一旦涉及城市主干道等开放道路，路况更复杂，测绘范围更广，对数据的要求也更高，这也意味着——
一旦城市NOA上车量产，并被车企按下城市铺开的快进键，高精地图的长周期和高成本，极有可能拖其后腿。 就像软件OTA连累大众汽车等传统车企的软件业务进程一样，高精地图也成了城市NOA迅速上路的拖累，毕竟，国内不乏因高精地图不到位、城市NOA不得不延期的先例。
｜食之无味，弃之可惜？｜
当然，也有外部因素。
高精地图的资质收紧，始于2021年下半年，这也意味着，越来越多的行业参与者很难通过政策审核。无论是汽车制造商还是自动驾驶科技公司，依赖高精地图，“门路”大致只有三个。
一是自己做垂直，资质也自己申请，二是对高精地图企业进行收购或合资，三是和拥有资质的公司深度合作。 不过，无论是走哪条路，具备资质是业务落地的基本前提，但是最近两年，在资质上碰壁的玩家越来越多。
当然，申请到高精地图的资质，只是万里长征的第一步，摆在大部分团队面前的最大难题，是如何降低采集高清地图的成本。一言以蔽之，高精地图这根拐杖，不仅买起来昂贵，用起来也费劲，如果未来能“甩掉”，相信很多车企愿意一试。
那么，这根“拐杖”要如何甩掉？
越来越多的车企选择重感知、轻地图的路线，目的是为了规避高精地图的上述难题。正如几年前马斯克提到的，“驾驶员开车的时候，最终还是要相信自己的眼睛”，业界此前对此争议很大，但从目前的趋势看，已经有更多友商加入特斯拉“去高精地图”的阵营。
一个关键词，是BEV。
BEV 的全称，是基于多视角摄像头的鸟瞰图感知（Bird's-eye-view Perception) ，基于BEV的物体可以通过自上而下的视图，完成轨迹预测和路线规划，且能避免图像视角下的尺度和遮挡等问题，成为自动驾驶领域提高检测性能、实现端到端自动驾驶的关键。
另一个关键词，是Transformer。
这个由谷歌最先提出的大模型算法，如今却成了能将自动驾驶推向新高度的“新核弹”，具备超强的序列建模能力，拥有全局数据和信息感知和处理能力，让BEV的实现成为可能。
这里多提一句，让BEV和基于Transformer的BEV在自动驾驶业界走红的，正是特斯拉。过去几年，特斯拉已经在很多具体场景实现BEV感知。
但值得一提的是，特斯拉强调不依赖高精地图，这是权衡了成本、技术、方案与产品功能的最终决策。也就是说，能对外官宣不依赖高精地图，这家造车公司不仅做足了技术方案层面的准备，也为所需要的逻辑迭代和创新铺平了道路。
背后，绝不只是“BEV”那么简单。
其中一个细节是，特斯拉虽然放弃了高精地图，但它在自动驾驶领域是有“高精地图”的。该公司用众包建图的方式搞了一套地图数据，高精地图该有的基本功能，被集成到新的感知算法里，也许精度上还不能与高精地图媲美，但是在信息复杂度和数据密度上已经够用。
前几日，宽凳科技提出了一个观点：
重感知，还是重地图，本质上其实不是用不用精细地图的问题，而是如何快速更新精细地图的问题。
精细地图分成实体抽象层和虚拟衍生层，实体抽象层可以精准地表达道路上客观存在的实体要素，例如车道线、交通灯、交通牌、交通标志等，而虚拟衍生层则表达了对自动驾驶非常重要的要素，如车道中心线、车道虚拟边界以及车道之间的拓扑连接关系等。
随着自动驾驶的传感器、算力、技术的大幅提升，在相对简单的道路场景中，自动驾驶车的感知能力能逐渐很好地感知出实体要素及其位置，但虚拟要素没法被感知到。而这些虚拟要素，才是提升自动驾驶体验和安全性的关键。
“轻地图”，做起来并不简单。
小马智行联合创始人兼CTO楼天城曾在技术发布会上表示，纯感知，并不只是一句口号，单维度的纯感知是很难取代高精地图的，需要同步迭代和提升的还有很多模块——
例如感知模块，需要更准确地识别道路环境与元素、可通行区域；再如预测模块，在道路环境元素识别不充分、识别距离不够远时依然需要预测准确。
未来2-3年，将有越来越多的玩家挤入城市NOA赛道，权衡利弊，喊出“去高精地图”的玩家也将越来越多。八仙过海，各显神通，但背后的底层逻辑却是相同的，都想走轻地图路线，最终又将谁执牛耳？
沪公网安备31010702008139