自2017年Transformer架构问世以来，人工智能技术不断取得新突破。AI算力每6个月就会翻一番，再加上辅助驾驶系统搭载率逐渐提升带来的数据量增加，在算法、算力、数据三大要素的共同推动下，自动驾驶技术迎来了翻天覆地的变化。自动驾驶技术发展太快了，以至于每一年都会出现新的行业热词。2022年，自动驾驶感知算法从基于CNN的相机视图后融合走向基于Transformer的BEV前融合，一时间，BEV+Transformer风头无两。
2023年，可通过3D体素预测空间占位、实现通用障碍物感知的OCC占用网络接棒BEV，占据了营销的C位。进入2024年，助力实现全国都能开的无图NOA和（预计）可实现全国都好开的端到端再度接棒占用网络，成为新的行业热词。
无图NOA的含义是指在不使用高精地图的前提下实现城区NOA功能，曾经被视为不可或缺的“天眼”的高精地图，经历两年被车企喊打喊杀的恐怖岁月之后，还是不可避免地被扫进了历史的垃圾堆。
不过，虽然时代在淘汰你的时候，连声招呼也不打，深处局中的玩家们春江水暖鸭先知，不可能不早早地感受到行业技术路线切换可能带来的灭顶之灾，不可能不使尽浑身解数，以求留在舞台之上。经过适当的改头换面之后，高精地图瘦身轻装上阵，以轻地图的形式重新登上了历史的舞台。
轻地图的概念
有了概念，才有掰扯的出发点。在进一步讨论之前，有必要先给出一下轻地图的概念。轻地图的概念来自于高精地图，而高精地图指的是具备高精度、高丰富度、高鲜度的地图。 精度高、要素多、更新频率快，这样的地图绝对人见人爱，花见花开。可惜，在现实世界中，这样的地图并不存在。类比一下，又想男人有钱，又想他长得帅，还要对你专心一致地百般宠爱，如果您不是美得像天女下凡，平心静气地问一下自己：是不是抱有了不合理的期待？现实世界中的高清地图可以满足高精度和高丰富度的要求，却无法同时满足高鲜度的要求，不止如此，它还有着城区覆盖不足、成本高的两大缺陷。按照吉利做的测算，高精地图每公里采集成本+维护更新成本是2500元，全国上千万公里道路的采集和维护更新成本在250亿左右！ 羊毛不会出在狗身上，图商们高昂的地图制作和更新成本最终要分摊到消费者的身上，对应到单车的层面，高精地图每年的使用成本在几百元左右。如果覆盖率足够高，更新比较及时，车企也可以捏着鼻子为每年几百块钱的使用成本买单，但是，对在竞争激烈的血海中游泳的玩家们而言，时间是比成本更加值得关注的另一个要素。在过去的技术体系下，多语义要素、高精度高精地图的制作时间过于漫长，地图生产速度无法满足自动驾驶玩家尽快开城的期待，于是，摆脱对高精地图的依赖，成了智驾玩家们不得不走的华山一条路。 高精地图之所以成本高，覆盖率低，源头在于语义要素多、精度要求高。上岸第一剑，先斩意中人，高精地图改头换面的第一步，便是举起暗合道妙的奥卡姆剃刀，精简语义要素、降低精度要求。快刀斩乱麻之后，不再需要慢工出细活，地图制作效率得以大幅度提升，进而提高了地图的覆盖，加快了更新频率。这种相较于传统高精地图语义要素减少、精度要求降低、更新频率加快、生产成本降低的产品在精度、丰富度、鲜度、使用成本、制作成本上介于传统高精地图和标准导航地图之间，被称为进阶版/定制版标准导航地图、车道级导航地图、轻量级高精地图或高级驾驶辅助地图。正如学生娃的考分在鸭蛋和满分之间存在无数种可能一样，在标准导航地图和传统高精地图之间，依据语义要素数量、精度、鲜度的不同，各家使用的轻地图也有不同的方案。算法能力差的，来自地图的语义要素多一些，地图精度高一点，算法能力强的，来自地图的语义要素少一些，精度要求低一点，丰俭由人，任君请便。
轻地图的生产
尽管高精地图通过瘦身、自我阉割、轻量化转型简化了地图的生产任务，加快了地图的制作效率，但是，原有的地图生产技术体系依然无法满足智驾玩家迫切希望实现“全国都能开、全国都好开”的期待。要跟上飞速发展的自动驾驶时代，必须重塑地图生产的工作流。不得不提的是，很多人认为既然道路建设需要按图施工，建设之前就理应有一个完整的地图，既如此，何来“地图生产”的工作？这个观点有点想当然，因为道路建设施工图并非用于智能驾驶的导航地图，标准精度导航地图国标的提出时间是2006年，高精导航地图标准至今还处于行业标准阶段，施工地图和导航地图的数据格式、数据结构存在天壤之别。和高精地图类似，轻地图的生产流程包括数据采集、数据处理、元素识别和人工验证四个阶段。其中，数据采集阶段很难得到AI的直接助力，数据处理、元素识别和验证阶段，可以借助AI和大模型的一臂之力。山不走过来，我就得走过去，全国的道路安安静静地躺在那里，不来也不去，必须把车开过去实地采集。在采集之前需要大量的前期准备工作，比如明确采集任务、传感器选型、对车辆进行专业合法的改装，到场景采集地的国安局和测绘行管科备案，规划合适的测绘路线。采集之后也需要大量的工作，比如通过国家测绘软件对数据进行加密，上传云端之后进行脱敏脱密。 2023年，Meta开源了分割万物大模型SAM-Segment Anything Model，可自动识别并且精确标注车道线、地面标识、人行横道、交通标牌、红绿灯、杆状物等道路元素，可满足地图生产流程中元素识别阶段的需求。同时在自动驾驶和地图领域深耕多年的百度构建了完整的地图生产数据闭环，通过将96%的数据处理环节AI化，并以视觉感知大模型处理来自专业采集车、智能网联车和路侧感知设备的数据，让地图从生产走向了生成的阶段。从生产到生成，一字之差，反映的是地图制作方式的变化和成本的下降。 大模型和AI自动化工具解决了轻地图的制作效率和生产质量问题，地图的生产和更新速度从此有了保障，目前，百度的车道级导航地图已经覆盖了360万公里，和之前几十万公里的高精地图覆盖相比，提升了整整一个数量级。
写在最后
2021年以前，车端自动驾驶芯片算力孱弱，CNN为主的感知算法还没有迭代到基于Transformer的BEV，算力和算法的拉胯注定了高精地图当时的作用确实比较大，后来，随着大算力芯片的出现、感知算法的进步，车端感知能力有了大幅度提升，对高精地图的依赖就大大降低了。不过，被喊打喊杀的高精地图练了一下葵花宝典，自我阉割成轻地图/定制标清地图/轻量级高精地图/车道导航地图/高级辅助驾驶地图，一方面通过降低语义要素数量和精度要求对产品进行轻量化，一方面借助AI大模型技术提高了制作效率，一手降本，一手增效，又在自动驾驶领域找到了用武之地。
