$特斯拉(TSLA)$自动驾驶 “去高精地图”运动，被ChatGPT激励的自动驾驶们。问题来了，高精地图的研发成本肯定要低于纯视觉感知路线。新势力们有这个研发底气吗？国产车里面我可能只会偏向$比亚迪(SZ002594)$ 和华为了。
2019年，自动驾驶路线分为，特斯拉纯视觉路线，其余绝大部分玩家则朝着激光雷达的方向一路前行。尤其是在发现高精地图可为自动驾驶提供超视距信息后，“激光雷达等多传感器融合+高精地图”的技术路线更是成为大部分企业的普遍选择，以寻求兼顾成本和安全的最优解。
根据中金在《人工智能十年展望（三）：AI 视角下的自动驾驶行业全解析》中的定义，视觉主导与激光雷达技术路径之争，从技术角度看，本质上是AI算法+硬件逼近人脑能力的速度，与激光雷达等可选硬件对数据量、算法弥补程度及其降价速度之间的竞争。
随着自动驾驶企业们从高速NOA（自动辅助导航驾驶）走向城市NOA，曾经被视为“香饽饽”的高精地图开始日渐失宠，反而是特斯拉以摄像头与各种传感器作为硬件，背后重算法的路线慢慢受到重视。
随着ChatGPT的骤然爆火，生成式AI大模型正在给自动驾驶领域带来一些新的变量和启示。
高精地图和激光雷达一向被喻为“自动驾驶的两根拐杖”——前者负责开路，提高规划能力；后者负责避障，用来增强感知能力。为此，高精地图一直被视作自动驾驶汽车基础设施的一部分，是“兵家必争之地”。高精地图的确在高速公路、园区等相对封闭的场景中广泛应用起来。其效果也十分显著，绝大多数车企都实现了与特斯拉导航辅助驾驶类似的功能。例如小鹏用于高速公路的智能导航辅助驾驶NGP、蔚来的NOP、理想的NOA、长城的NOH，以及广汽埃安的NDA等。佐思汽研发布的《2022年高精度地图行业研究报告》显示，2022年上半年，中国乘用车前装高精地图装配量超10万辆，高精地图已从选配走向标配，如理想L9、蔚来ET7、高合HiPhi等。
等到2023年上半年，“去高精地图”运动更加热闹。华为4月上市的问界M5和问界M5 EV，新增的高阶智能驾驶版本不依赖高精地图，主要通过车端融合感知来进行环境识别。按照规划，至2023年三季度，问界 M5 智驾版 HUAWEI ADS 2.0 将在 15 城实现不依赖高精地图落地，至四季度，这一数字还将进一步扩展至45城。
何小鹏在1月的小鹏汽车全员会上提出，小鹏2023年的X-NGP辅助驾驶要抛掉高精地图。李想在内部表态，理想汽车不依赖高精地图的端到端训练城市NOA导航辅助驾驶，将会在2023年底开始落地。而元戎启行、智行者、地平线等多家自动驾驶公司也都顺势发布了不依赖高精地图的自动驾驶方案和产品。
至于百度，虽没有完全放弃高精地图，但也在尝试减少对高精地图的依赖，于近期推出了城市域领航辅助驾驶Apollo City Driving Max，搭载“轻量级高精地图”，据称比起行业通用的传统高精地图要“轻”近80%。“我们判断，完全不依赖高精地图的路线可以走通，但走通的时间绝对不是今年或者明年。” 百度集团副总裁、智能汽车事业部总经理储瑞松表示。
高精地图路线由热转冷背后，是高级别辅助驾驶从高速场景驶入城市后，不利因素被进一步放大。
不同于普通导航地图，高精地图是给机器看的，定位精度可达到厘米级，且蕴含信息丰富，除了会记录道路形状、坡度、曲率、方向等道路数据，还能提供车道线类型、车道宽度等车道级别的导航信息，以及诸如交通标志、高架物体、防护栏等车道周边的3D轮廓信息，从而更好地帮助车辆完成行进规划。但这恰恰也意味着高精度地图本身更新周期漫长、成本高昂。根据《智能网联汽车高精地图白皮书》，采用传统测绘车方式，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10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，成本可能达每公里千元，一天就是十万元级别的费用。这放在之前，大家主攻的是中国城际高速公路和城市快速路，总的里程数加起来也就30万公里，尚且可以努力一下，但全国的城市道路却有近1000万公里，再加上城市道路更新变化又快，升级改造频繁，地图的鲜度和成本，都是巨大挑战。
特斯拉的FSD （Full Self-Driving，完全自动驾驶）功能真正迎来脱胎换骨的变化要到两三年后。2021年7月10日，特斯拉正式向约2000名美国用户推送“完全自动驾驶”FSD Beta V9.0版本。该版本的核心变化在于，其摒弃了毫米波雷达、超声波雷达等传感器，采用纯视觉的自动驾驶方案，仅用8个摄像头来实现城市级别的完全自动驾驶能力。
基于Transformer的BEV感知模型更是被认为是解决城市辅助导航驾驶对高精地图过度依赖的关键技术和底气所在。安信证券就曾在《AI大模型在自动驾驶中的应用》中判断，基于BEV技术的发展，“轻地图，重感知”将成为行业发展的主流方向。且从特斯拉感知算法迭代历程来看，未来AI大模型对城市领航辅助驾驶的赋能方向将分为三个阶段：第一阶段，BEV+transformer，实现“脱高精度地图”；第二阶段，升级到占用网络，实现“脱激光雷达”；第三阶段，从感知到决策控制端到端的自动驾驶模型，有望成为未来发展方向。
网页链接