「當前路段高精地圖受限，系統降級為LKA模式。」
這是我們年初在測試某款車高速NOA功能時，常常碰到的現象。
一方面，我們能看出高精地圖對當時的NOA功能正常運行有著核心作用，另一方面，高精地圖的缺失也影響著NOA功能的降級或接管次數。
當各家車企在智駕領域的探索走到了城市NCA的路口，風向卻轉向了「去高精地圖」，大家陸陸續續宣布進入「無圖時代」。
問題來了：
離開曾經的「必需品」，現在的無圖智駕是怎麼實現的？
到底是有圖好還是無圖好？
這得先從高精地圖上車講起。
一、車載高精地圖，出道即巔峰
2018年6月的亞洲CES上，凱迪拉克正式在中國發布Super Cruise TM超級智能駕駛系統，首搭於凱迪拉克CT6 40T鉑金版上。
如果有人看過這台車的宣傳廣告，那大概會對廣告主題「放手去做」還有印象，這在當時是一個非常激進的描述。
截取廣告畫面：行車中脫手方向盤
雖然不是真正意義上的可脫手智駕，但由於高精地圖的加入，車輛可以識別出車道線並沿線行駛，某段路程在某種條件下確實可以不人為干預。這套智駕方案就是全球首個高精地圖數據應用方案。
發布在中國的原因包括其合作夥伴是國內首批鑽研高精地圖的企業——高德。
高德從2014年就開始研究高精地圖，和我們日常使用的導航地圖不同，高精地圖的技術壁壘更大，它具有精度高、信息元素豐富等特點。
在高精地圖的加持下，車輛可以提前接收到前方路段的車道線、交通標誌、護欄、下水道口甚至是車道的坡度、曲率等信息。
最關鍵的是，高精地圖有準確的坐標。舉個例子，大家使用普通導航時經常到達目的地附近時系統就結束服務，然而高精地圖作為領航輔助功能的有力推手，可以精準到亞米級（1米以下解析度，甚至是毫米），對匝道口這樣稍有偏頗就匯入失敗的路口也能拿捏並精準駛入。
這樣精細的地圖採集起來自然也是相當困難，主流採集方式有移動測繪車採集、無人機航測和1:500地形圖測繪，這幾種方法的難點和周期不同。
國內主流圖商基本都採用移動測繪車採集：搭載了激光雷達、攝像頭、RTK測量儀等設備的工作車親力親為，來到目標路段記錄下這裡的每一個信息再後期集成，這無法走捷徑，且人力、物力（一台採集車成本就上百萬）的成本極大，所以高精地圖也是出了名的「貴」。
工作車
根據《智能網聯汽車高精地圖白皮書》顯示，分米級地圖的測繪效率約為每天每車500公里道路，成本為每公里10元左右，而厘米級地圖約為每天每車100公里道路，成本為每公里千元上下。
除了貴以外，高精地圖還有個問題就是鮮度。更新慢導致了NOA功能實際體驗時會出現一些問題，例如原本的虛線後來被刷為實線，未更新的高精地圖就會帶著系統「實線變道」，包括臨時施工路段也在它應對能力外。
但無論如何，高精地圖給出的先驗信息對智能車來說無疑是考試前的提前泄題，對車輛的規控決策起著積極作用。
在施工路段這一場景的弱勢，車輛也可以利用實時感知硬體與演算法補充，例如阿維塔11就可以識別樁桶成功避障。
個人認為，高精地圖的部分缺陷完全不會影響它的「百般好處」，至於「貴」這個問題，也沒影響眾多企業對它趨之若鶩，例如小鵬汽車在2021年斥巨資2.5億收購智途科技試圖自主掌握高精地圖技術。
然而高精地圖的門檻不是願意砸錢就能進，還得拿到國家頒發的「導航電子地圖製作甲級資質」。
資質本來就挺難拿，滴滴事件後政策再次收緊，目前全國僅19家通過審核，小鵬旗下的智途科技不在其中。
這意味著，想用高精地圖推進NOA功能的實現，就得和有一定壟斷地位的地圖商合作，交上一大筆錢，堪稱氪金作戰。
這個狀態一直到去年都還維持的不錯，高速NOA的普及將高精地圖推上風口，高精地圖為高速NOA注入強大能量。
從背後的進程來看，一方面政策允許，另一方面高速路況相對簡單，2022年全國高速路段里程為17.1公里，這個裡長的成本還算可控。然而隨著城市NCA的推進，一些「去圖」的聲音愈加響亮起來。
二、去圖
目前我國綜合交通運輸網路總里程超600萬公里，城市道路里程超高速路段幾十倍，這意味著使用高精地圖的成本至少翻了幾十番；同時城市路段的複雜程度也遠超高速路段，單是一條街兩旁的商鋪、環境設施就夠好一頓操作；另外城市變更的頻率更快，對鮮度要求更高。
綜合來看，如果城市NCA想倚仗高精地圖，就得接受極高的成本和緩慢的交付速度，前文中提到的政策也是一座大山。
2022年8月，自然資源部公布了北京、上海、廣州、深圳、杭州、重慶六個城市開展智能網聯汽車高精度地圖應用試點。目前為止，未繼續開放。如若依賴高精地圖，何時能開通全國城市NCA則極其被動。
於是，一大波「無圖智駕」走上舞台中心。
三、攻克無圖
兩個視力正常的人，在同一環境下吸收到的信息量不同，這就是「硬體」能力在發揮上的差距。所以沒有了高精地圖這位「提前指點的大師」，各家車企想做好無圖智駕，就要先在即時感知能力方面下功夫。
用感知硬體去抓取車道線、紅綠燈等規則靜止信息對合格的智駕玩家來說並不難，難的是實時與其他道路參與者博弈，例如行人、車輛以及其他障礙物。
以業內頂流華為ADS為例，在感知層面華為ADS首創了GOD（通用障礙物檢測）網路，並融入到AEB功能。
傳統的AEB實現方式為提前在系統中設入障礙物信息，通過對道路上可能出現的物體進行大量AI網路訓練，使車輛能夠識別並判斷障礙物類型，接下來觸發避讓指令。
相應的問題則是現實中的障礙物類別遠超系統中的障礙物名單數量，所以路遇系統沒錄入過的障礙物，AEB就也不會了。
即使是錄入過的障礙物，如果以奇怪的角度呈現，那AEB可能也反應不過來，我們此前做AEB測試時，同一台車同一速度面對正放的靜止車和斜45度的靜止車都會表現出差異。
同時，由於需要判斷出類別才能觸髮指令，相應的決策時間也會拉長。
而融入了GOD演算法的「GAEB」則採取了「快刀斬亂麻」的戰術。
相較於傳統AEB是在視野中將物體一個個框起來再檢測的方式，GAEB直接將視野中的畫面全納為偵測範圍，將這個範圍劃分成小格。
再掃描這個格子範圍內是否被物體佔據，移動或是靜止。所有格子確認完信息後，系統直接避讓有障礙物信息的「被佔據格子區域」，劃分出能正常通行的「空閑格子區域」。
這樣的好處就是不受錄入信息量的限制，能應對更多障礙物場景，也許沒識別出來障礙物是什麼，但是發現這玩意兒擋路了，得避開，聽起來非常「人性化」。
實際反應也更快，畢竟看見障礙物就躲開，比起看見障礙物非要倔犟地認出是什麼，沒認出來就不踩剎車，顯然前者更聰明。
在GAEB技術的加持下，華為ADS面對倒地的大樹、落石以及車門大敞的靜止車等其不規則障礙物，都可以實現剎停避讓。
這套感應系統使用到的硬體包括激光雷達、毫米波雷達和視覺數據多感測器，激光雷達在其中起到了很大作用，實現多模態融合、抗日光燈光、精準識別距離。
在了解道路信息的基礎上，又有精準識別障礙物的能力，能開、能變的前提條件已經達成，就需要訓練即時決策能力。
在有高精地圖的情況下，哪裡是實線、哪裡是虛線都早已標註好，沒了高精地圖就得感測器實時一邊看車道線一邊觀測周邊來車，還得記著路線。
舉個例子，離右轉路口還有不少距離時是犧牲通勤效率先變至慢車道方便後續右轉還是臨近時再右轉？要是錯過了虛線區又有變道需求，到底是實線變道還是錯過路口，這都需要「汽車大腦」給出自己的判斷。
每日通行，也可稱得上失之毫釐差以千里，如果請教老司機駕駛技術，他除了傳授一些規矩經驗以外，可能還會用「感覺…的時候就…」來表達，機器也是一樣，決策無法按公式框架輸出。
華為ADS的方式就是通過自動駕駛開發平台大量進行模擬測試，給車輛更多的應對經驗，學習「不能做什麼」，比如某種數據推動下測試結果為碰撞，那麼實際路況時就摒棄該方案，有些像我們玩電子遊戲的過程。
同時想出眾多方案並選擇一種最好的，面對欲加塞車輛時點剎避讓還是加速跟進前車拒絕加塞。
當然，方案要好還要快。由於去圖，臨時信息讓規控和決策的時間更加緊張，經驗數據、硬體能力、軟體邏輯缺一不可。「閉卷考試」下，技術水平更能見真章。
最後
其實大家不難發現，從功能實現上來說，高精地圖對智駕一定是有大利的，先驗信息簡化了功能開發，彌補了感知能力，為規控提供了支撐。
而無圖智駕則是氪金玩家們不再氪金，轉為純技術戰士，降成本，也擺脫了供應商和政策的限制。
但如果有一份現成的高精地圖擺在車企面前，大概率對方也很難拒絕。
同樣步入無圖時代的小鵬汽車對高精地圖就是「愛而不得」的態度。
今年3月，首次當選新一屆全國人大代表的小鵬汽車董事長何小鵬在兩會上就提出建議：進一步優化、簡化高精地圖審核流程，縮短高精度地圖從採集到使用的周期，加快高精地圖基礎設施進程，為我國自動駕駛行業發展保駕護航。
聽起來有些官方，但其實也很好理解何小鵬對於高精度地圖的認可。畢竟一旦降本、政策放開，再以感知能力補足，高精地圖還有什麼缺點呢？
但由於各種複雜元素，高精地圖仍是奢侈品。智駕的未來似乎也掌握在採取人類般臨時反應思維的方案商手中。
總之，無圖的興起給了智駕領域玩家新一輪超車的機會，普及速度、功能體驗和價格下探將掀起新一輪的市場大洗牌。
