自动驾驶为何逐渐淡出“地图依赖”？
近年来，越来越多的汽车制造商在介绍其自动驾驶解决方案时，不再频繁提及高精度地图，甚至完全回避与地图相关的术语。曾经被视为自动驾驶核心技术支撑的高精度地图，如今为何逐渐被边缘化？
从技术支柱到发展瓶颈的转变
在自动驾驶技术初步推广的阶段，高精度地图曾被认为是实现完全自动驾驶不可或缺的基础设施。与日常导航所用的普通地图不同，高精度地图具备厘米级的精度，记录了道路中几乎所有细节，包括车道线位置、交通标志坐标、道路坡度、曲率，甚至是路缘石高度和下水道开口等。
在早期，车载传感器和计算平台尚未成熟，高精度地图为自动驾驶系统提供了“上帝视角”，帮助车辆提前预判数百米外的路况，显著减轻了感知系统的负担。
然而，随着自动驾驶应用场景从高速公路扩展至城市道路，高精度地图的局限性逐渐显现。
更新滞后与成本高企的困境
首先，地图的“鲜度”问题成为一大挑战。城市道路频繁变动，临时施工、交通管制或标志重绘等变化，对于依赖地图的自动驾驶系统而言，若未及时更新，极易引发逻辑冲突。
目前，国内高精度地图的采集依赖配备激光雷达和专业测绘设备的高价采集车，导致多数城市的地图更新周期长达三个月以上，而理想状态下的自动驾驶系统则需实现小时级甚至分钟级的更新。
其次，地图制作成本高昂，涉及巨额资金投入，最终转嫁到车企和消费者身上。车企需要支付一笔高昂的订单费，以及每辆车每年的许可费用，这种模式严重限制了自动驾驶功能的规模化应用。
此外，测绘资质审批日益严格，只有具备甲级导航电子地图制作资质的企业才可进行数据采集，这让许多希望自建地图系统的车企面临合规风险，也使新城市扩展长期受限于图商的进度。
自动驾驶转向“重感知”模式
为减少对传统地图的依赖，行业逐渐转向“重感知”的技术路径，即赋予车辆实时感知和理解环境的能力，而不再依赖静态地图。
其中，鸟瞰图感知（BEV）技术发挥了关键作用。传统系统仅能处理各摄像头传回的独立平面图像，缺乏整体空间感。而BEV技术通过大模型将多个摄像头的信息融合到一个三维坐标系中，使车辆具备“实时绘图”能力，能够动态识别车道线拓扑关系和路口连接。
这种“活地图”虽在精度上不如高精度地图，但具备更强的实时性和适应性。哪怕道路正在施工，系统也能即时响应，从而实现从“按图行驶”到“随机应变”的转变。
为应对地图无法记录的动态障碍物，如路边纸箱或异形围挡，行业引入了“占用网络”技术。该技术不再关注物体“是什么”，而是判断空间是否“被占用”，通过三维立方体模型判断哪些位置不能通过，从而有效弥补了地图在动态场景中的短板。
轻地图：更高效、更灵活的替代方案
行业并未完全放弃地图，而是转向“轻地图”模式。这种地图仅保留道路连通性、远端交通预测等核心导航要素，不再追求厘米级静态信息的刻画。
轻地图将原本依赖地图完成的任务交由车辆自身感知系统处理，大幅降低了制作成本，提高了适应性。只要有基础导航信息，车辆就能在城市乃至乡村道路上实现自动驾驶，极大提升了“开城”效率。
端到端模型：让汽车具备类人驾驶直觉
在感知能力提升的基础上，决策与控制逻辑也成为自动驾驶演进的核心。传统自动驾驶依赖大量“规则代码”，即“如果……那么……”的逻辑判断，这种方式在复杂城市场景中显得僵硬。
端到端大模型的出现，打破了感知、预测、决策与控制之间的界限。通过训练数千万至上亿公里的人类驾驶数据，系统可以自主学习在特定情况下应如何转向、如何制动，形成“类人”的驾驶直觉。
这种模型不再需要死记硬背地图细节，而是基于实时视觉输入做出最优决策。当面对陌生路口时，传统系统可能因找不到匹配规则而停滞，而端到端模型则可通过历史数据推断出合理应对方式。
为增强模型的判断能力，视觉语言模型也被引入，作为车辆的“慢思考”系统，帮助理解交警手势、临时交通指示，甚至推测行人意图，使自动驾驶更接近人类思维。
趋势总结：迈向真正的“无图化”时代
自动驾驶的“无图化”趋势并非偶然，而是技术演进的必然结果。随着算力提升和算法进步，车辆对环境的理解能力将日益增强，地图的角色将回归到最基础的导航功能。
这一转变不仅降低了成本，使高端智驾功能向更多车型普及，也为自动驾驶在全球不同城市和文化背景下的快速部署铺平了道路。未来的自动驾驶系统，将不再是“依赖地图的机器”，而是真正具备“思考能力的智能司机”。
-- END --
原文标题：为什么自动驾驶方案不再强调地图了？