自动驾驶为何不再依赖高精度地图？
近年来，不少汽车制造商在宣传其自动驾驶方案时，已不再频繁提及高精度地图，这一曾被视作自动驾驶关键支撑的技术，如今为何逐渐淡出核心视野？
高精度地图：从核心依赖到发展瓶颈
在自动驾驶技术初期阶段，高精度地图被视为实现全自动驾驶的关键要素。与普通导航地图不同，高精度地图的精度可达厘米级别，涵盖车道线位置、交通标识坐标、道路坡度、曲率，甚至包括电线杆、下水道口等细节。
在传感器和计算平台尚不成熟的时代，高精度地图为自动驾驶系统提供了类似“上帝视角”的环境信息，使车辆能够在数百米外预判路况，有效减轻了感知系统的负担。
然而，随着自动驾驶功能从高速公路拓展至城市道路，高精度地图的短板逐渐显现。首要问题是“鲜度”——即地图更新的及时性。城市道路变化频繁，修路、临时管制、交通标志更换等变动，若未能及时反映在地图中，就可能引发系统误判。
目前，国内高精度地图主要依靠配备激光雷达和测绘设备的采集车制作，成本高昂，更新周期通常为三个月左右。然而，真正高效的自动驾驶系统需要的是分钟级的动态更新。
此外，地图制作涉及高昂的投入，成本最终由车企和消费者承担。车企不仅要支付订单费，还需为每辆车每年支付许可费，这种模式严重限制了自动驾驶功能的普及。
更严峻的是，国家对测绘资质的监管日益严格。只有持有甲级导航电子地图制作资质的企业，才能合法开展相关采集工作。随着审批收紧，符合条件的企业数量减少，导致车企自建地图面临合规风险，也延缓了新城市的部署。
自动驾驶如何在无图环境下前行？
为摆脱对高精度地图的依赖，行业转向“重感知”技术路线，即通过增强实时环境感知能力，使车辆具备类似人类的环境理解与决策能力。
其中，鸟瞰图感知技术（BEV）发挥了关键作用。传统系统处理的只是多个摄像头独立的二维图像，而BEV技术通过大模型将这些图像融合成统一的三维俯视图，为车辆提供更完整、更准确的环境认知。
这种实时生成的“动态地图”虽在精度上略逊于传统地图，但其真实性和适应性更强，能够即时应对道路施工、障碍物等突发情况，使系统具备更强的“现场反应”能力。
为应对难以预判的动态障碍物，行业引入了“占用网络”技术。该技术不拘泥于识别物体的类别，而是关注空间是否被占用，将周围环境划分为无数三维小立方体，仅判断其为空或实。
这种基于几何连续性的判断方式，为系统提供了最基础的物理世界认知，确保车辆在面对未知障碍时具备基本的安全保障。
与此同时，行业并未完全放弃地图概念，而是转向“轻地图”策略。轻地图聚焦于道路连通性、交通预测等导航核心要素，不再追求厘米级的静态细节刻画，从而显著降低了制作成本，并提升了系统适应性。
端到端大模型：迈向类人驾驶
在提升感知能力的同时，如何实现更自然的“驾驶行为”成为自动驾驶进化的下一个关键。过去，系统依赖大量“如果……那么……”逻辑的规则代码，这种方式虽稳定，却难以应对复杂交通场景。
端到端大模型的兴起，打破了感知、预测、决策和控制之间的壁垒。通过训练数千万甚至上亿公里的人类驾驶数据，系统学会在各种交通条件下自主判断应如何转向、制动。
这种方式使车辆具备了“类人直觉”，无需依赖精确地图，仅凭实时视觉输入就能做出合理反应。当遭遇陌生路口或特殊交通标志时，端到端模型可通过过往数据中的通用知识进行推理，实现平稳通行。
为增强系统的理解能力，视觉语言模型也被引入，协助车辆解读交警手势、临时交通指示，甚至推测行人意图等复杂语义信息。
这类技术的融合，使自动驾驶系统更接近人类驾驶行为，驾驶体验也更加自然流畅。地图的角色逐渐从“详细操作手册”转变为“路线指引”，系统核心能力则转向感知与决策。
无图化：自动驾驶的未来方向
“无图化”趋势是自动驾驶技术演进的自然结果。随着算力的提升和算法的优化，车辆对环境的理解日益精准，高精度地图的必要性逐渐降低。
地图正回归其本质功能——导航辅助，而非系统核心。这一转变不仅有助于降低智驾成本，使更多普通消费者受益，也将推动全自动驾驶在全球范围的快速落地。
从依赖地图的“规则执行者”，到具备思考能力的“类人司机”，自动驾驶正在经历一场深刻的系统性进化。
-- END --
原文标题：为什么自动驾驶方案不再强调地图了？