[首發(fā)于智駕最前沿微信公眾號]如果將自動駕駛發(fā)展以時間軸拉開，地圖的應(yīng)用可以分為高精地圖、輕地圖，以及所謂的“無圖”或“模型化地圖”三個階段。高精地圖強調(diào)精細度，具備厘米級定位和豐富的語義標注，適合對車道、路徑和幾何特征有強依賴的場景；輕地圖則按功能裁剪，只保留車道關(guān)系和關(guān)鍵拓撲，其更加追求迭代速度和成本效益；“無圖”更側(cè)重實時感知與模型推斷，利用端側(cè)或云端的大模型、視覺算法，在運行時動態(tài)重建場景，或直接從感知結(jié)果推導(dǎo)出行車策略。同樣是完善自動駕駛汽車提供精確道路信息，地圖領(lǐng)域為什么會演化出這么多的技術(shù)方向？

圖片源自：網(wǎng)絡(luò)

高精地圖，高成本投入下的最優(yōu)方案

想象一下，一輛汽車在高速公路上以超過100公里/小時行駛時，自動駕駛系統(tǒng)若能提前獲取匝道位置、曲率變化、坡度、限速等信息，就能為感知和決策爭取更多時間，減輕對瞬時感知的依賴，高精度地圖就是提供這些信息的完美載體。高精地圖的核心就在于“高精”二字，其包括車道級拓撲、車道中心線、寬度、路沿、交通標志與信號的精確位置，還有斜率、曲率、道路粗糙度、靜態(tài)障礙物及地標（如電線桿、路緣石、廣告牌）等關(guān)鍵道路信息。這些信息不僅可以幫助定位模塊實現(xiàn)厘米級姿態(tài)估計，也能為預(yù)測與規(guī)劃模塊提供先驗知識。

圖片源自：網(wǎng)絡(luò)

想制作一張高精地圖，高精度測繪技術(shù)是必不可少的。一張高精地圖需依賴多線激光雷達、RTK級GNSS、慣性測量單元（IMU）及高分辨率攝像頭等傳感器組合，并經(jīng)過點云配準與語義標注、道路拓撲構(gòu)建以及地圖匹配算法等一系列后處理流程后才能生成。定位環(huán)節(jié)一般融合GNSS/INS與基于特征的匹配（如將激光點云或視覺特征與地圖中的地標對齊），并采用卡爾曼濾波、粒子濾波或圖優(yōu)化等方法維持穩(wěn)定性。要實現(xiàn)“厘米級”精度，測繪階段的傳感器標定、時間同步，以及后端的誤差建模都至關(guān)重要。

高精度地圖涵蓋非常多的道路信息，對自動駕駛汽車來說是非常友好的，但在自動駕駛的演變中，卻因成本高、維護難，被越來越多車企不看好。采集車需配備昂貴硬件，標注也需要大量人工參與；道路一旦變化（如施工、標線重畫），地圖就容易失效，頻繁更新進一步推高了成本。對于廣域覆蓋，尤其是交通變化頻繁的城市道路，完全依賴高精地圖的商業(yè)模式很難持續(xù)。因此，它更多被用于高速、固定路線或?qū)Π踩哂嘁蟾叩膱鼍?，而沒有作為通用方案覆蓋所有路況。

輕地圖，實用主義的折中之選

輕地圖的出現(xiàn)，正是在成本與部署效率考量后的折中選擇。它不再精確刻畫每一處路面細節(jié)，而是保留對駕駛決策最有用的如車道連通關(guān)系、關(guān)鍵路口與匝道位置、重要交通控制要素的大致位置，以及用于快速定位的若干地標點等關(guān)鍵要求。由于信息量減少，采集與標注成本下降，云端存儲和分發(fā)也更便捷，更新頻率得以提高，更適合城市NOA這類需要大范圍覆蓋、又不能高頻投入測繪的場景。

圖片源自：網(wǎng)絡(luò)

實現(xiàn)輕地圖的關(guān)鍵，在于從龐雜的道路信息中，精準提取出那些對駕駛決策最有價值的要素，并將它們轉(zhuǎn)換為獨立的功能模塊。它更依賴多源數(shù)據(jù)融合與自動化標注流程，像是車隊感知數(shù)據(jù)、眾包軌跡、攝像頭識別的交通標志與車道邊界等數(shù)據(jù)，都可用來自動生成或更新地圖。實時性與可更新性是輕地圖的優(yōu)勢，當某條道路發(fā)生變化，云端可通過流量異常、車隊上報或短時采集完成修正，這遠比高精地圖的人工復(fù)核流程更快。

輕地圖雖然對定位仍有要求，但容忍度更高，它無需精確到單條車道中心的厘米級，只需確保車輛處于正確的車道或車道集合內(nèi)即可。正因如此，自動駕駛系統(tǒng)的工作重心必須放在提升車端感知與控制能力上，地圖僅提供“宏觀規(guī)則”與“拓撲先驗”，具體位姿則由感知算法實時確認。

這種模式擴展性強、成本低，但短板也很明顯。像是在如狹窄工地、臨時改道、無標線鄉(xiāng)路等復(fù)雜或極端場景下，缺少精細地圖支持會加大系統(tǒng)對實時感知與決策算法的依賴。

無圖/模型化地圖，“無”在何處？

當車企宣傳“無圖NOA”時，很多人會認為完全不用地圖，但事實并非如此?！盁o圖”其實是指摒棄傳統(tǒng)的事先測繪、靜態(tài)存儲、人工維護的高精地圖體系，轉(zhuǎn)向基于感知與大模型的實時推斷，從而確定路面情況。換句話說，就是地圖的形態(tài)從外在、靜態(tài)的數(shù)據(jù)層，轉(zhuǎn)變?yōu)閮?nèi)嵌于算法中的“隱式知識”，或在運行時即時重建的短期地圖。

圖片源自：網(wǎng)絡(luò)

現(xiàn)階段，無圖/模型化地圖的實現(xiàn)方式有兩種，一種是通過端側(cè)或云端的視覺與多模態(tài)模型，直接從攝像頭、雷達數(shù)據(jù)中推斷車道、交通參與者軌跡與拓撲關(guān)系，并做出駕駛決策；還有一種是以輕地圖為基底，由模型在線重建局部幾何與語義，用短期地圖（如幾百米范圍、幾十秒時效）替代大范圍高精地圖。兩者都需要依賴強大的感知能力、低延遲計算與高魯棒性的模型驗證。

“無圖”方案的優(yōu)點是部署快、成本低、適應(yīng)環(huán)境變化能力強，但它也將更多“地圖責任”轉(zhuǎn)移給了感知與推理算法。這意味著，一旦感知系統(tǒng)在極端光照、雨雪或復(fù)雜遮擋下出現(xiàn)退化，系統(tǒng)將失去先驗冗余，風險也會隨之上升。

“無圖”并非徹底拋棄地圖，而是將其形態(tài)與角色轉(zhuǎn)向更靈活、時效更強的形式。即便未來端到端大模型普及，顯式或隱式的地圖要素仍會以某種形式存在或作為輕量先驗保留在系統(tǒng)架構(gòu)中。

哪個才是最優(yōu)解？

高精地圖的實現(xiàn)離不開采集、標注和更新三項關(guān)鍵技術(shù)，采集需投入配備高端傳感器的測繪車隊及專業(yè)人員；標注則依賴大量人工與質(zhì)量把控，盡管自動化標注技術(shù)提升了效率，但在語義準確性與極端場景覆蓋上仍需要人工復(fù)核；更新則涉及分發(fā)系統(tǒng)、兼容性、差分更新技術(shù)及用戶設(shè)備的回傳帶寬等問題。

在高速公路與受控路線場景中，高精地圖優(yōu)勢非常明顯，且成本可被攤薄。固定路線車輛（如城際班線、物流車隊）能長期復(fù)用同一段高質(zhì)量地圖，從而將一次性測繪成本分攤到大量行駛里程中。在這些場景下，高精地圖能提供顯著的安全冗余與體驗提升。

圖片源自：網(wǎng)絡(luò)

而在城市復(fù)雜路網(wǎng)中，輕地圖與強感知的組合會更為有利。城市路況變化快，臨時施工、路口改造頻繁，完全依賴高精地圖，其成本與滯后性會成為全面鋪開的主要阻礙。輕地圖提供宏觀拓撲與規(guī)則，感知與規(guī)劃則負責短期、局部的精細決策。對于追求量產(chǎn)與廣域部署的NOA能力，這種方式更易實現(xiàn)商業(yè)化。

最后的話

對車企與用戶而言，地圖的價值不在于“存不存在”，而在于“好不好用”。若為削減成本而舍棄地圖，導(dǎo)致體驗下降或安全裕度降低，并非明智之舉。相反，將地圖作為優(yōu)化體驗、降低系統(tǒng)總成本、提升安全冗余的工具，才是合理選擇。輕圖與無圖代表著行業(yè)在成本與擴展性上的進化，而高精地圖在需要時依然是最可靠的后盾。高精度地圖、輕地圖與無圖，并非此即彼的單項選擇。

審核編輯 黃宇