隨著自動駕駛技術的飛速發展，曾經被堅守的技術路線可能被迅速推翻，在技術難度、研發資源、成本、時間、營銷等多重要素的制約下，一度被掃進歷史垃圾堆的技術也有可能翻身農奴把歌唱。

輕量級高精地圖或定制版標精地圖就是這樣的技術。

01

這個世界是一張網，做任何決斷從來都不能只沿著其中一個方向，視線和角度要盡可能地來自四面八方。

從技術演進的角度，既然已經完成了重圖到輕圖的轉變，從輕圖到無圖可謂順理成章、自然而然。

從營銷的角度，重圖到輕圖標志著車端自動駕駛算法感知能力的重大進展，輕圖到無圖豈不是顯得更為強悍，更加有利于宣傳？

但是，從成本的角度，輕圖方案或許更省錢。

 

人間兩茫茫，利字擺中央，誰不希望自己的錢包鼓囊囊？

如果輕圖方案可以讓消費者更省錢地獲得同級智能駕駛體驗，相信很多用戶的思想觀念會迅速扭轉。

畢竟，自己辛辛苦苦掙來的錢花起來會心疼的。

 

最近這段時間，樂道L60比較火，這個20-25萬價格帶內的水桶車肩負著不成功便要成仁的重擔，被宣傳為全身毫無短板。

但是，這款車乍一看有一個明顯的缺陷-不僅沒有使用激光雷達，而且只用了一顆Orin X，這樣的系統配置怎么實現城區NOA？

在2024年下半年這個時間點上，20萬+的車型不提供城區NOA功能，多多少少有點說不過去了。

 

且不說蔚來系車型堆了4顆Orin X+1顆激光雷達，小鵬、理想、極氪、小米這些友商們也都使用了2顆Orin X+1-2顆激光雷達。

百度搭載在極越車型上的高階智駕方案和小鵬今年第四季度即將推出的AI鷹眼視覺方案雖然取消了激光雷達，但也要使用兩顆英偉達Orin X。

 

從4顆Orin X+1顆激光雷達到1顆Orin X，樂道智能駕駛系統減配如此兇猛，背后必有倚仗。

蔚來方面當然黑不提，白不提，但是大家不要有質疑，樂道給出的解法大概率就是輕地圖方案。

 

因為如果沒有采用輕量級高精地圖，一顆Orin X實現城區智駕就有些涉嫌虛假宣傳了。

02

一個“錢”字，道盡天下事。輕圖方案能省錢，是因為可以少用一顆英偉達Orin芯片，再深入思考一步，之所以能少用一顆芯片，是因為輕圖方案能夠節約車端算力資源。

當然，能夠提供車端算力芯片的不只有英偉達，大疆車載新一代智能駕駛系統使用了高通的Ride芯片，依靠等價于輕量級高精地圖的定制標精地圖實現了城區NOA功能。

 

要理解輕圖方案為什么可以節省車端的算力消耗，需要回到這件事情最初的原點去看一看。

在車端算力較低、自動駕駛感知算法比較落后的那個年代里，本土車企都重度依賴高精地圖，是因為車輛行駛過程中需要感知到的道路結構拓撲和語義要素可以完完全全地包含在高精地圖里。

 

怎么理解呢？

華為曾經做過相關的“科普”，智能駕駛系統要想開得好，感知層需要完成兩大任務：看得懂物、看得懂路。

GOD實現“看得懂物”，指的是能夠識別車輛、行人這些動態交通參與者和異形障礙物， RCR實現“看得懂路”，是指可以推理出道路結構的拓撲。

 

從原點再往前走一點，隨著車端算力的提升和自動駕駛算法的進步，道路拓撲推理這件事的解決方案從重地圖、輕感知走向了重感知、輕地圖。

 

在感知和地圖此升彼降的過程中，地圖提供的語義元素越來越少，車端感知識別的語義元素越來越多。

不過，要實現車輛的自動駕駛，語義要素的總量保持不變。

紅綠燈、交通標牌、動態信息標牌、車道邊界、車道標志、車道行駛線、車道線、車道箭頭、車道寬度、自行車道、障礙物、電線桿、人行橫道、停止線、道路邊界、道路參考線、路牙……

為了實現自動駕駛，該識別的元素一個都不能少。

既然車端感知可以給地圖減負，反過來，輕地圖當然可以提供車端感知需要消耗大量算力才能識別的語義元素。

卸載了車端感知的一部分負擔，當然可以節省算力資源。

03

三個臭皮匠不一定能抵得上一個諸葛亮，但是一個好漢三個幫，大家互相幫幫忙，齊心協力能把泰山扛。

在過去兩年里，地圖的擔子一點一點往車端系統的肩上放，是因為依賴高精地圖的智駕方案經不起算總賬。

 

雖說英偉達Orin X芯片的價格非常堅挺，但一顆也不過3000元，而且，隨著以地平線為代表的本土自動駕駛芯片廠商的不斷追趕，國外友商智駕芯片的價格遲早會慢慢下降。

而和標精地圖相比，高精地圖每年的使用成本多出幾百元，按15年的生命周期來算，整車廠在地圖上多承擔的成本至少在5000元左右，幾乎相當于兩顆Orin X。

 

不過，生意生意，是生的，不是死的。地圖成本的降低會改變上面的邏輯。

 

目前，輕量級高精地圖的成本介于100-200元之間，高出標精地圖100元，還是按15年計算，整車廠多負擔的成本只有1500元，相當于半顆Orin。

 

兩顆變半顆，還有沒有必要在道路大模型上死磕呢？

畢竟，死磕的代價實在太高了。全無圖必須解決復雜信號燈、左轉等待區、道路曲率這些難以識別的道路要素帶來的感知挑戰。

 

根據目前公開的消息，小鵬汽車采用大語言模型技術來識別這類道路要素。

在小鵬汽車的端到端方案中，XNet鷹眼視覺對應人類的眼睛，通過動態XNet+靜態XNet+占用網絡對現實世界中的可通行空間進行3D還原，這里的靜態XNet和占用網絡均可以用于道路拓撲的實時在線重建。

但是，快系統形式的XNet無法實現對復雜路牌文字、潮汐車道、特殊車道的語義理解，這時必須引入具備慢思考機制的XBrain。

 

理想汽車目前正在開展萬人公測的雙系統方案，一顆Orin跑端到端系統1，一顆Orin跑視覺語言模型系統2。

它的視覺語言模型也在部分程度上承擔了復雜道路要素的識別任務，比如它可以識別潮汐車道、判斷公交車道的限行時間，給出合理的駕駛建議。

 

其實，這些道路要素的識別都可以通過輕地圖的形式實現，算總賬也更省錢，兩個人的擔子為什么非要讓一個人來承擔呢？

頭部智駕車企之所以頭也不回地推行無圖方案，大概率是在為人形機器人做準備。

人形機器人的工作環境里連標精地圖都不存在，更不用說輕量級高精地圖了，自動駕駛算法全面無圖，才能將算法平移到人形機器人里面。

小鵬和理想讓用戶多花半顆Orin的錢推高自家感知算法的上限，不得不說，真的很劃算。