[首發(fā)于智駕最前沿微信公眾號(hào)]在自動(dòng)駕駛發(fā)展的早期階段，高精度地圖（High-Definition Map, HD Map）一直被視為實(shí)現(xiàn)高階自動(dòng)駕駛的標(biāo)準(zhǔn)答案和安全底牌。通過(guò)提前錄入厘米級(jí)的道路信息，車輛得以在受限的算力條件下實(shí)現(xiàn)精準(zhǔn)的路徑規(guī)劃和定位。但隨著智駕系統(tǒng)從封閉高速走向錯(cuò)綜復(fù)雜的城區(qū)道路，傳統(tǒng)高精地圖的局限性日益凸顯，促使行業(yè)開(kāi)始重新審視圖在系統(tǒng)中的地位。

所謂的無(wú)圖方案，并非徹底拋棄所有地圖數(shù)據(jù)，而是去高精地圖化，其核心是讓自動(dòng)駕駛系統(tǒng)擺脫對(duì)預(yù)設(shè)靜態(tài)數(shù)據(jù)的過(guò)度依賴，轉(zhuǎn)而通過(guò)車載傳感器實(shí)時(shí)捕捉環(huán)境數(shù)據(jù)，并利用先進(jìn)的感知算法構(gòu)建實(shí)時(shí)的環(huán)境模型。

圖片源自：網(wǎng)絡(luò)

這一過(guò)程被形象地描述為從死記硬背向舉一反三的進(jìn)化，車輛不再依賴于一份被框死在厘米精度里、更新緩慢且昂貴的死地圖，而是依靠一張能夠指引方向、提供宏觀預(yù)判的活地圖來(lái)識(shí)別道路。特斯拉負(fù)責(zé)人Ashok Elluswamy在2021年AI Day上就做過(guò)一個(gè)比喻，高精地圖之于自動(dòng)駕駛，就像一個(gè)必須依靠詳細(xì)劇本才能演戲的演員，一旦劇本出錯(cuò)或場(chǎng)景變化，系統(tǒng)就會(huì)陷入混亂。這一觀點(diǎn)成為后來(lái)行業(yè)轉(zhuǎn)向去高精地圖化的核心思想淵源之一。

高精度地圖的興起及其技術(shù)瓶頸

高精度地圖是專為機(jī)器設(shè)計(jì)的數(shù)字化模型，其精度可達(dá)到厘米級(jí)。與傳統(tǒng)導(dǎo)航地圖僅記錄路名和基本路徑不同，高精地圖記錄了包括道路幾何形狀、車道線類型、紅綠燈精確三維坐標(biāo)、路緣石高度、甚至道路的坡度和橫向傾角等極其詳細(xì)的物理特征。

在單車智能發(fā)展的早期，高精地圖扮演了三個(gè)關(guān)鍵角色。

第一個(gè)是作為超視距傳感器，它能提供兩公里外的立交橋走向或被大型車輛遮擋的紅綠燈位置。

還有就是提供穩(wěn)定的無(wú)源定位方式，車輛通過(guò)匹配實(shí)時(shí)感知的特征與地圖預(yù)存特征，在GPS信號(hào)弱的環(huán)境下可以獲知相對(duì)位置。

高精地圖通過(guò)預(yù)存靜態(tài)信息，更能有效地減輕感知層在實(shí)時(shí)檢測(cè)方面的計(jì)算壓力，使系統(tǒng)能夠?qū)⒏嗟乃懔Y源集中于動(dòng)態(tài)物體的識(shí)別與跟蹤。

圖片源自：網(wǎng)絡(luò)

雖然高精度地圖優(yōu)勢(shì)非常明顯，但是在大規(guī)模應(yīng)用時(shí)卻出現(xiàn)了很多問(wèn)題。

城市道路環(huán)境的變化速度遠(yuǎn)超地圖的更新頻率。高精地圖的制作難度大、成本高，傳統(tǒng)圖商通常只能實(shí)現(xiàn)季度級(jí)甚至半年級(jí)的更新。而城市道路中的施工、臨時(shí)改道或交通標(biāo)志變動(dòng)，可能在一天之內(nèi)發(fā)生。一旦地圖數(shù)據(jù)與現(xiàn)實(shí)環(huán)境不符，基于地圖指引的系統(tǒng)可能會(huì)產(chǎn)生嚴(yán)重的規(guī)控邏輯混亂，甚至導(dǎo)致安全事故。

在2025世界智能網(wǎng)聯(lián)汽車大會(huì)上，四維圖新CEO程鵬就坦言，地圖的輕重取決于應(yīng)用場(chǎng)景和自動(dòng)駕駛級(jí)別，高精地圖沒(méi)有絕對(duì)的理想模式，需要找到商業(yè)博弈的平衡點(diǎn)。商湯絕影CEO王曉剛在2025年9月則更直接地提出，智能駕駛正從規(guī)則式智駕1.0經(jīng)端到端智駕2.0，邁入生成式智駕3.階段，地圖的角色正在被重新定義。

高精地圖的采集與維護(hù)也極其昂貴，傳統(tǒng)的高精地圖采集車配備了高線數(shù)激光雷達(dá)、高精度慣導(dǎo)（IMU）和全景相機(jī)，單臺(tái)車的改造成本將達(dá)到百萬(wàn)人民幣以上。根據(jù)《智能網(wǎng)聯(lián)汽車高精地圖白皮書(shū)》數(shù)據(jù)，厘米級(jí)地圖的測(cè)繪成本達(dá)到每公里千元，是分米級(jí)地圖的100倍；按每天每車100公里采集效率計(jì)算，單日成本高達(dá)10萬(wàn)元，若覆蓋全國(guó)1000萬(wàn)公里城市道路，總成本將達(dá)到百億元級(jí)別，即使頭部車企也難以承受。

圖片源自：網(wǎng)絡(luò)

一張城市級(jí)高精地圖的制作成本更是高達(dá)數(shù)億元，更新周期以月計(jì)，覆蓋率、時(shí)效性都跟不上車企量產(chǎn)節(jié)奏。據(jù)相關(guān)數(shù)據(jù)顯示，2024年中國(guó)高精地圖市場(chǎng)規(guī)模已突破80億元，預(yù)計(jì)到2030年將超過(guò)300億元。但傳統(tǒng)采集模式下，一輛專業(yè)采集車一天僅能完成幾十公里的采集任務(wù)，且后期需要人工核對(duì)校準(zhǔn)，周期長(zhǎng)、成本高。對(duì)于需要覆蓋全國(guó)數(shù)十萬(wàn)公里城市道路的目標(biāo)而言，這種投入規(guī)模對(duì)車企和圖商都是巨大的財(cái)務(wù)負(fù)擔(dān)。

對(duì)于高精度地圖還有一個(gè)不得不面對(duì)的問(wèn)題，那就是安全問(wèn)題，高精度地圖涉及國(guó)家地理信息安全。近年來(lái)，相關(guān)監(jiān)管持續(xù)收緊，擁有導(dǎo)航電子地圖制作甲級(jí)測(cè)繪資質(zhì)的單位數(shù)量不斷縮減。這種資質(zhì)壁壘導(dǎo)致許多車企在數(shù)據(jù)采集、處理和云端下發(fā)過(guò)程中都需要解決很多問(wèn)題，這直接限制了自動(dòng)駕駛方案的推廣速度。

2025年7月，北京市規(guī)劃和自然資源委員會(huì)就向某知名圖商下發(fā)了《限期整改通知》，原因是該公司現(xiàn)有技術(shù)人員不再符合測(cè)繪資質(zhì)標(biāo)準(zhǔn)要求。同年，自然資源部進(jìn)一步強(qiáng)化了對(duì)導(dǎo)航電子地圖制作測(cè)繪資質(zhì)單位和車企的指導(dǎo)監(jiān)督，要求地圖新增地理信息內(nèi)容必須進(jìn)行安全審校并及時(shí)備案，嚴(yán)格規(guī)定從事相關(guān)活動(dòng)的車企、地圖服務(wù)商及智能駕駛軟件提供商必須持有相應(yīng)測(cè)繪資質(zhì)或委托有資質(zhì)單位。這一系列監(jiān)管收緊動(dòng)作，直接加速了車企去高精地圖化的決策進(jìn)程。

無(wú)圖化技術(shù)的核心底層邏輯

無(wú)圖方案的核心在于重感知，即利用更強(qiáng)的硬件和算法取代高精地圖的輸入。在傳統(tǒng)方案中，每個(gè)攝像頭獨(dú)立成像并進(jìn)行2D檢測(cè)，這導(dǎo)致跨攝像頭目標(biāo)融合極其困難，且無(wú)法準(zhǔn)確獲知物體在3D空間中的位置。

2021年，BEV（Bird's Eye View，鳥(niǎo)瞰圖）技術(shù)的出現(xiàn)徹底改變了感知架構(gòu)。BEV通過(guò)將不同視角、不同傳感器的原始數(shù)據(jù)投影到統(tǒng)一的俯視圖空間，實(shí)現(xiàn)了環(huán)境信息的全局對(duì)齊。

特征提取（Backbone）：利用如YOLOv8等主干網(wǎng)絡(luò)提取各攝像頭的深層語(yǔ)義特征。

特征融合（Neck/BIFPN）：采用BIFPN等特征融合結(jié)構(gòu)，將多尺度的視覺(jué)特征進(jìn)行深度整合。

空間轉(zhuǎn)換（Transformer）：通過(guò)Transformer模塊進(jìn)行空間位置查詢，利用注意力機(jī)制將2D圖像坐標(biāo)系轉(zhuǎn)換為統(tǒng)一的2D鳥(niǎo)瞰圖坐標(biāo)系。

圖片源自：網(wǎng)絡(luò)

2021年至2023年間，特斯拉在AI Day和CVPR會(huì)議上全面公布了基于Transformer的BEV感知、純視覺(jué)占用網(wǎng)絡(luò)OCC和基于神經(jīng)輻射場(chǎng)（NeRF）的三維重建技術(shù)，這些發(fā)布深刻影響了整個(gè)行業(yè)的技術(shù)走向。

占用網(wǎng)絡(luò)可以將三維空間劃分為無(wú)數(shù)個(gè)小方格（Voxels），并檢測(cè)每個(gè)網(wǎng)格的占用狀態(tài)及其運(yùn)動(dòng)速度。

運(yùn)動(dòng)狀態(tài)識(shí)別：系統(tǒng)通常用藍(lán)色表示正在運(yùn)動(dòng)的物體，用紅色表示靜止物體。

長(zhǎng)尾場(chǎng)景（Edge Cases）處理：對(duì)于掉落的紙箱、伸出的樹(shù)枝、異形施工車輛等傳統(tǒng)3D目標(biāo)檢測(cè)難以涵蓋的物體，占用網(wǎng)絡(luò)能準(zhǔn)確識(shí)別其物理占據(jù)的空間，確保車輛能夠做出正確的避讓決策。

物理規(guī)律約束：該架構(gòu)確保了物理世界的幾何連續(xù)性，例如物體不能瞬間位移，兩個(gè)實(shí)體不能在同一時(shí)間占據(jù)同一空間。

在國(guó)內(nèi)，小鵬汽車推出的XNet深度視覺(jué)神經(jīng)網(wǎng)絡(luò)率先將BEV感知大規(guī)模量產(chǎn)落地，依靠強(qiáng)大的實(shí)時(shí)感知能力，XNet能夠在不依賴高精地圖的情況下識(shí)別道路結(jié)構(gòu)、車輛與行人。據(jù)統(tǒng)計(jì)，截至2025年底，BEV+Transformer架構(gòu)已被超過(guò)80%的主流智駕方案采用。

為了在沒(méi)有預(yù)制地圖的情況下理解復(fù)雜的路口關(guān)系，有些智駕系統(tǒng)還引入了實(shí)時(shí)拓?fù)渫评砑夹g(shù)。RCR（Road Connection Reasoner，道路拓?fù)渫评恚┚W(wǎng)絡(luò)或MapTR（Map Transformer）技術(shù)被用于在行駛過(guò)程中實(shí)時(shí)生成道路連接關(guān)系。

這種能力使得車輛在面對(duì)磨損的車道線、復(fù)雜的環(huán)島或沒(méi)有導(dǎo)流線的施工區(qū)域時(shí)，能夠像人類駕駛員一樣，根據(jù)路緣石、車流軌跡和地面箭頭推理出正確的行駛路徑。

無(wú)圖并非真的沒(méi)圖

自動(dòng)駕駛行業(yè)內(nèi)對(duì)于無(wú)圖的宣傳存在一定的噱頭成分，其實(shí)目前并沒(méi)有一家主流車企能夠完全脫離地圖運(yùn)行，只是將對(duì)圖的依賴從高精地圖轉(zhuǎn)向了標(biāo)準(zhǔn)精度地圖或輕地圖。

在無(wú)圖方案中，SD地圖（導(dǎo)航地圖）依然不可或缺。它的主要任務(wù)是負(fù)責(zé)宏觀的路徑規(guī)劃，告知系統(tǒng)在哪個(gè)路口調(diào)頭、在哪個(gè)出口下高速。如果沒(méi)有SD地圖提供的全局底圖，自動(dòng)駕駛系統(tǒng)雖然可以避開(kāi)眼前的障礙，但卻無(wú)法引導(dǎo)車輛到達(dá)特定的目的地。

在很多企業(yè)的宣傳中，還可以聽(tīng)到輕地圖（LD Map）的概念，所謂輕地圖，可以看作是高精地圖的精簡(jiǎn)降級(jí)版。相比高精地圖，輕地圖舍棄了厘米級(jí)的幾何細(xì)節(jié)，但保留了關(guān)鍵的語(yǔ)義信息（如復(fù)雜立交橋的拓?fù)溥壿?、限速信息、隧道位置）?/p>

超視距指引：即使車載傳感器能看清200米外的環(huán)境，但在時(shí)速120公里的高速行駛中，反應(yīng)時(shí)間依然有限。輕地圖作為一種先驗(yàn)信息，能讓系統(tǒng)提前預(yù)知前方的隧道或復(fù)雜彎道，從而預(yù)先調(diào)整感知權(quán)重和加減速策略 。

邏輯兜底：在極端天氣（如大暴雨、暴雪）導(dǎo)致感知系統(tǒng)大面積失效時(shí)，輕地圖提供的靜態(tài)路徑參考可以作為安全兜底，維持智駕系統(tǒng)的連續(xù)性，避免突然的接管需求。

值得一提的是，特斯拉FSD入華時(shí)也選擇了輕地圖路線，其采用了百度的輕圖產(chǎn)品，百度的輕圖介于高精地圖和導(dǎo)航地圖之間，相比高精地圖信息更精簡(jiǎn)，沒(méi)有定位層信息。這一選擇表明，即便是在去高精地圖化最激進(jìn)的企業(yè)那里，一張輕量級(jí)的底圖依然是不可或缺的。

當(dāng)前，騰訊地圖也已異軍突起，據(jù)《高工智能汽車研究院》數(shù)據(jù)顯示，騰訊已為蔚來(lái)、樂(lè)道、極氪、魏牌等品牌的城市NOA提供智駕地圖服務(wù)，占新能源乘用車市場(chǎng)標(biāo)配城市NOA智駕地圖49.01%的市場(chǎng)份額。2024年6月，廣汽與騰訊戰(zhàn)略合作全面升級(jí)，基于騰訊的云計(jì)算和輕地圖能力，共同推出端云一體的自動(dòng)駕駛輕地圖解決方案。

圖片源自：網(wǎng)絡(luò)

為了解決地圖更新的鮮度問(wèn)題，有些車企采用了眾源更新網(wǎng)絡(luò)。利用量產(chǎn)車上的攝像頭、慣導(dǎo)等傳感器實(shí)時(shí)采集道路的變化，并上傳至云端進(jìn)行脫敏和匿名化處理。這些數(shù)據(jù)經(jīng)由云端大模型自動(dòng)標(biāo)注后，再下發(fā)給車端。

Mobileye的REM（道路經(jīng)驗(yàn)管理）是業(yè)內(nèi)最早的眾源建圖實(shí)踐之一，通過(guò)低成本攝像頭為核心，利用眾包數(shù)據(jù)構(gòu)建實(shí)時(shí)更新的全球地圖網(wǎng)絡(luò)。在國(guó)內(nèi)，小鵬汽車也在預(yù)研將眾包建圖作為智駕方案之一。高德等圖商已建立起大規(guī)模的眾源更新網(wǎng)絡(luò)，如通過(guò)物流車每天數(shù)百公里的有效里程，實(shí)現(xiàn)對(duì)輕地圖的天級(jí)更新。這種方案將數(shù)據(jù)生產(chǎn)從專業(yè)采集車集中作業(yè)轉(zhuǎn)變?yōu)槊恳惠v量產(chǎn)車都是地圖更新者，大幅降低了更新成本并解決了鮮度問(wèn)題。

隨著感知能力的跨越，自動(dòng)駕駛算法結(jié)構(gòu)也正在經(jīng)歷從模塊化向端到端轉(zhuǎn)換。傳統(tǒng)的自動(dòng)駕駛架構(gòu)采用感知—預(yù)測(cè)—規(guī)控的串行結(jié)構(gòu)。這種結(jié)構(gòu)的缺陷在于每個(gè)模塊之間存在明顯的信息損耗，且各模塊之間的硬編碼邏輯規(guī)則難以覆蓋無(wú)窮盡的真實(shí)交通場(chǎng)景。感知層輸出的一個(gè)微小噪聲，可能會(huì)在規(guī)控層被放大為一次危險(xiǎn)的急剎。

端到端模型的核心特征是通過(guò)神經(jīng)網(wǎng)絡(luò)直接建立從攝像頭視覺(jué)輸入到行駛軌跡輸出的映射關(guān)系。

全局式端到端：思路清晰，研發(fā)成本相對(duì)較低，無(wú)需人工標(biāo)注數(shù)據(jù)集，依賴于大規(guī)模高質(zhì)量人類駕駛數(shù)據(jù)的模仿學(xué)習(xí)。

駕駛直覺(jué)的形成：模型通過(guò)學(xué)習(xí)數(shù)億英里的真實(shí)駕駛數(shù)據(jù)，形成一種類似人類的駕駛直覺(jué)，能夠理解物理規(guī)則和博弈邏輯，而不僅僅是看圖說(shuō)話 。

輕舟智航創(chuàng)始人于騫在2026北京車展上指出，自動(dòng)駕駛規(guī)則模塊化的小模型時(shí)代已經(jīng)結(jié)束，下半場(chǎng)是大模型，或者說(shuō)物理世界的基座模型。他給出一組關(guān)鍵數(shù)據(jù)，小模型架構(gòu)的天花板大概能做到百公里接管一次，而特斯拉FSD V14可以做到千公里級(jí)接管，差距達(dá)一個(gè)數(shù)量級(jí)。

2025年，理想、小鵬、元戎啟行等在兩周內(nèi)先后宣布VLA大模型上車，VLA被業(yè)內(nèi)視為端到端方案的智能增強(qiáng)版，其中V代表視覺(jué)感知，A代表動(dòng)作執(zhí)行，而中間的L則是大語(yǔ)言模型，其功能是用語(yǔ)言數(shù)據(jù)訓(xùn)練模型做隱式邏輯推理。

圖片源自：網(wǎng)絡(luò)

理想汽車在2025年將空間理解、語(yǔ)言理解與行動(dòng)決策統(tǒng)一到同一模型框架，構(gòu)建了基于VLA、世界模型與強(qiáng)化學(xué)習(xí)三大技術(shù)棧的VLA司機(jī)大模型，并于當(dāng)年8月隨理想i8交付正式推送。2026年3月，小鵬汽車第二代VLA正式推送，何小鵬透露該系統(tǒng)可實(shí)現(xiàn)識(shí)別各種異形車輛、繞行事故現(xiàn)場(chǎng)、對(duì)起伏爛路提前降速、夜間禮讓小動(dòng)物等能力，極端場(chǎng)景接管率較上一代下降62%，Ultra車型用戶首周日均智駕開(kāi)啟率高達(dá)98.52%。

為了解決端到端模型在應(yīng)對(duì)未見(jiàn)過(guò)場(chǎng)景時(shí)的泛化難題，世界模型（World Model）也成為了2025年前后的技術(shù)熱點(diǎn)。

世界模型能根據(jù)傳感器輸入信號(hào)和車輛運(yùn)動(dòng)狀態(tài)，生成高度逼真的虛擬駕駛場(chǎng)景。這種能力使得智駕系統(tǒng)可以通過(guò)與模擬的真實(shí)世界交互，深度理解物理法則。

強(qiáng)化學(xué)習(xí)（RL）：通過(guò)構(gòu)建世界模型生成大量虛擬訓(xùn)練場(chǎng)景，模型在閉環(huán)仿真中不斷迭代，明確區(qū)分合理操作與危險(xiǎn)行為。

MindVLA范式：將視覺(jué)、語(yǔ)言和動(dòng)作（VLA）模型相結(jié)合，構(gòu)建符合物理規(guī)律的仿真環(huán)境，解決訓(xùn)練偏差問(wèn)題，顯著提升在復(fù)雜空間理解和交通博弈中的表現(xiàn)。

卓馭科技首席科學(xué)家陳曉智在2025年云棲大會(huì)上特別強(qiáng)調(diào)，世界模型、VLA、一段式端到端等概念并非互斥的技術(shù)路線，而是解決自動(dòng)駕駛不同層面的問(wèn)題。2026年4月，卓馭科技推出首個(gè)原生多模態(tài)基礎(chǔ)模型，并宣布與中國(guó)一汽達(dá)成深度戰(zhàn)略合作，標(biāo)志著智駕大模型方案從新勢(shì)力向傳統(tǒng)車企加速滲透。蔚來(lái)也在2026北京車展上發(fā)布了面向自動(dòng)駕駛的世界模型（NWM），強(qiáng)調(diào)通過(guò)自研平衡技術(shù)迭代與成本控制。

圖片源自：網(wǎng)絡(luò)

最后的話

自動(dòng)駕駛中的無(wú)圖并不是真的不需要地圖，而是地圖在系統(tǒng)中的權(quán)力讓渡。隨著B(niǎo)EV、占用網(wǎng)絡(luò)和端到端模型等技術(shù)的成熟，智駕系統(tǒng)對(duì)外部數(shù)據(jù)的依賴已經(jīng)從厘米級(jí)幾何指令轉(zhuǎn)變?yōu)槊准?jí)邏輯導(dǎo)引。

在可預(yù)見(jiàn)的未來(lái)，智駕系統(tǒng)將形成感知與地圖的深度融合，車端負(fù)責(zé)實(shí)時(shí)的厘米級(jí)動(dòng)態(tài)博弈和幾何重建，云端通過(guò)輕量化的眾源地圖提供長(zhǎng)效記憶和宏觀引導(dǎo)。這一演進(jìn)將是智能體從對(duì)齊模板向理解世界的跨越式進(jìn)化。當(dāng)車輛能夠憑借自身的駕駛直覺(jué)在任意陌生的復(fù)雜路口自如穿梭時(shí)，地圖將真正回歸其作為導(dǎo)航工具的本質(zhì)角色，而全場(chǎng)景、全天候的自動(dòng)駕駛也將由此成為現(xiàn)實(shí)。

審核編輯 黃宇