有一种商业可能，车企卖给用户的时候前两年免收高精地图的费用，两年后用户再要使用的话就需要自己续费。使用量级大了以后，用可以按照使用次数支付费用，或者包月。这样的好处就是车企不用一次性付很大一笔费用给到地图厂家，这样卖到消费者手里的费用就不会那么贵。而对于地图厂家也方便，市场也扩大了。
声明：本文作者丁前利，首发于深智联SFITIC公众号，版权归深智联SFITIC公众号所有。前段时间，小鹏汽车组织了一场为期八天的“千里智行 探无止境”试驾活动，从广州出发一路驶向北京，全程路线行驶超过3675公里，其中单车使用NGP（远征版辅助驾驶功能）的里程超过3000公里。小鹏汽车在平均每百公里接管次数、变道超车成功率、匝道通行成功率、隧道通过成功率等多个维度上，检验NGP功能在长距离、长时间使用中的真实能力。整个测试路段共收集有效记录数据110份，在使用NGP情况下得到的数据分别是：平均单车NGP行驶里程2930公里，变道超车总次数6245次，通过匝道总次数1215次，通过隧道总次数1308次。一路之上，车队历经各种各样的天气（包括下雨、大雾），小鹏NGP全程实现了平均百公里接管次数为0.71次，变道超车成功率94.41%，匝道通过成功率92.76%，隧道通过成功率94.95%。之所以取得这样的成绩，除了传感器，自动驾驶算法之外，高精度地图也是功不可没的。NGP自动导航功能高度依赖于高精地图和高精定位，但却有不少消费者及爱好者都不知道高精地图究竟是什么。所谓高精度地图，实际上是和普通导航电子地图相对而言的服务于自动驾驶系统的专用地图。高精地图也称自动驾驶地图、高分辨率地图，是面向自动驾驶汽车的一种新的地图数据范式。高精地图绝对位置精度接近1m， 相对位置精度在厘米级别，能够达到10-20cm。它能准确和全面地表征道路特征，并要求更高的实时性。此外，高精地图记录驾驶行为的具体细节，包括典型驾驶行为、最佳加速点及刹车点、路况复杂程度、以及对不同路段信号接收情况的标注等。高精度地图可以分为两个层级：静态高精度地图和动态高精度地图。静态高精度地图处于底层，是目前研发的重点。它一般由含有语义信息的车道模型、道路部件（Object）、道路属性三类矢量信息，以及用于多传感器定位的特征（feature）图层构成。动态高精度地图则建立于静态高精度地图的基础之上，它主要包括实时动态信息，既有其他交通参与者的信息（如道路拥堵情况、施工情况、是否有交通事故、交通管制情况、天气情况等），也有交通参与物的信息（如红绿灯、人行横道等）。高精度地图的高精度体现在两个方面。一是绝对坐标精度更高，目标在地图上的位置和其在真实世界的偏差极小；二是高精度地图所含有的道路交通信息元素更丰富和细致。普通的导航电子地图由于是辅助驾驶员做导航使用，其绝对坐标精度在10米左右就够用。而在自动驾驶领域，自动驾驶汽车需要精确地知道自己在路上的位置，车辆与马路牙子、旁边的车道距离通常仅有几十厘米左右，因此高精度地图的绝对精度要求都在1米以内，而且横向的相对精度（比如车道和车道，车道线和车道线的相对位置精度）往往还要更高。此外，高精度地图还有准确的道路形状，并包括每个车道的坡度、曲率、航向、高程，侧倾的数据。车道线的种类、颜色；每条车道的限速要求、推荐速度；隔离带的宽度、材质；道路上的箭头、文字的内容、所在位置；红绿灯、人行横道等交通参与物的绝对地理坐标，物理尺寸以及他们的特质特性；所有这些信息也都需要准确地反映在高精度地图之中。一般而言，高精地图是通过不同的图层去描述，然后将图层叠加来进行表达。在一张高精地图里，水系、铁路、街区、建筑物可能会分别位于不同图层，每一个图层可以被理解为一张透明薄膜 ,多图层被绘制叠加后才能真正为我们所用。道路地图是对实际道路进行反映，通过特定的图层来描绘特定类别，然后将图层叠加进行路面表达，终端上显示的导航地图往往都是由10多层甚至20多层不同分辨率的图片组成，当用户进行缩放时，程序根据缩放级数，选择不同分辨率的瓦片图，拼接成一幅完整的地图，高精度道路导航地图也是如此，只是它在普通电子地图基础上包含了更多的图层，且每一图层的描绘更加精细。虽然有这么多图层，整体而言，目前的高精度地图可以分为三个大的图层。地图图层，主要是记录道路的详尽描述，比如道路边缘，道路模型、车道模型并以厘米级的高精度数据精准呈现信息；定位图层，主要是记录具备独特的目标和特征，比如交通标志、地面标志、灯杆等，记录的内容包括绝对的坐标、属性、几何轮廓等，用来和其他车辆传感器感知结果匹配，推算车辆位置。关于定位层，高精地图包含的元素取决于无人驾驶车辆本身采用了什么样的传感器。其次，定位层还与应用场景紧密相关，比如在无人矿区或地下停车场所自动驾驶时所需要的高精地图信息要素也不一样。目前自动驾驶汽车在“定位”方面的解决方案差异性较大，有太多不同的传感器包括摄像头、激光雷达组合方案，目前定位技术主要集中在Feature Based和Dense Information Based这两种方法上，高精度地图制图也主要围绕这两种方式。因此在未来，图商有可能会根据不同的场景、不同的传感器生成不同的高精地图。实时图层，通过云服务平台将动态实时传达给自动驾驶车，让车辆提前预知前方出现的可能影响驾驶策略的情况。高精地图信息可分为道路信息、规则信息、实时信息三部分。道路信息包含车道模型、道路部件、道路属性三部分，为自动驾驶汽车提供决策基础。而规则信息与实时信息则是在道路信息之上的叠加，包含对驾驶行为的限制以及从车联网获取的实时道路信息。高精地图内涵丰富，但实际使用的时候并非无所不包。以自动驾驶汽车的需求为导向，与导航地图相比，高精地图不包括具体地点属性和信息、障碍物属性、建筑模型，只需关注车辆行驶道路及其周边场景，其余场景如公园、商场、景区等地图信息不在高精地图的考虑范围之内。高精度地图与导航地图：面向对象的不同带来本质差异。一般地图面向的对象为人，以人的认知为基础，解决的需求包括规划路线、确认地点、辨别方位等，而高精地图面向对象为自动驾驶算法，面向的是“一台机器”，数据将作为自动驾驶算法的输入端，解决的需求包括环境感知、高精度定位、规划与决策等，是自动驾驶汽车行驶上路的“行动指南”。可以看到普通导航地图是给人使用的，定义的层面是信息娱乐系统，如果在开车过程中没有导航信息是不危害驾驶人安全的，但是高精度地图主要是给自动驾驶系统使用的，定义的层面是车载安全系统，安全成份的重要性是不言而喻的，一旦定位有严重偏差，会造车自动驾驶出现比较大的安全事故。自动驾驶的主要技术分为三大类，分别是感知层，决策层，控制层。如上图可以看到高精度技术位于感知层和决策层，为自动驾驶系统提供底层支持。自动驾驶是一个庞大而复杂的技术体系，类比于人类驾驶行为：自动驾驶感知层：主要由激光雷达、 摄像头、高精度地图、IMU/GPS等部分构成，主要负责搜集车身周边信息；人的决策层就是通过对比记忆做出决策，比如是方向盘控制，加减速、变道、刹车等等；自动驾驶决策层：以感知信息数据为基础，更高算力的计算机给出经过优化的驾驶决策；执行层：基于决策层给出的驾驶决策，对制动、油门、转向等控制机构下达指令，负责驾驶执行；高精度定位涉及感知层和决策层，为自动驾驶汽车提供车辆的空间坐标和当前场景下的相对位置坐标，以及位置相关信息，包括速度、加速度、车辆姿态、航向角等。向上延伸，高精度定位涉及车辆速度控制、路径规划、障碍物检测与避让等决策层与控制层内容。历经数年的技术实践，业内已达成共识：仅仅依靠车辆自身传感器搜集的信息和车辆本身的处理器是难以实现并推广自动驾驶的。特斯拉在自动驾驶实验中发现，道路地面的细微突出或凹陷就能很容易造成自动驾驶系统的误判和错误反应，而包含精确道路信息的地图则可以很好地解决此类问题。国内举办的历届无人驾驶大赛中优胜选手均高度依赖比赛场地详细地图的结果也证明了，没有精确的地图信息，无人驾驶将难以落地。高精度地图主要有以下三大功能：地图匹配、辅助环境感知和路径规划。高精度地图可以将车辆位置精准地定位于车道之上、帮助车辆获取更为准确有效全面的当前位置交通状况并为无人车规划制定最优路线。地图匹配：由于存在各种定位误差，电子地图坐标上的移动车辆与周围地物并不能保持正确的位置关系。利用高精度地图匹配则可以将车辆位置精准地定位在车道上，从而提高车辆定位的精度。通过上图可以看到，L1级别的普通电子地图就可以满足需求，定位精度也就是正常的2-5米，对于L3 及以上级别的自动驾驶，高精度地图是标配。对于L3 及以上级别的自动驾驶功能，高精度地图所能提供的实时、准确的自定位信息以及动态道路信息都是不可或缺的，这一点目前已经成为市场共识。辅助环境感知：这个在自动驾驶中非常非常重要，不同的传感器都有其自身的优势和劣势，例如摄像机在弱光及高对比度光线条件场景下很难捕捉足够的视觉信息；激光雷达在雾气/雨滴/雪花/汽车尾气/反射等场景下容易形成虚假点；毫米波雷达在通过隧道、大桥等场景下雷达探测可信性降低。自动驾驶因其问题复杂度高、安全第一等特性，需要依靠多种传感器数据的相互融合来提高感知效果。自动驾驶功能安全的本质是做冗余保障，对传感器无法探测的部分进行补充，进行实时状况的监测及外部信息的反馈：无论是哪种传感器，在探测距离和时间上都有限制，都需要多种传感器来融合，但依然不能排除面对复杂的驾驶环境，传感器都存在失效的场景。而高精地图作为智能驾驶的“超视距传感器”，可突破空间、时间的限制，为智能驾驶提供一幅“知识图谱”。路径规划：为了让无人驾驶车在行驶过程中能够及时、准确地对他车行为作出反应，保证行驶的舒适性与安全性，算法需要对他车的行为与路径作出相对准确的预测。对于提前规划好的最优路径，由于实时更新的交通信息，最优路径可能也在随时会发生变化，此时高精度地图在云计算的辅助下，能有效地为无人车提供最新的路况，帮助无人车重新制定最优路径。在路径规划方面，在使用了高精度地图的车辆上有这些功能会得到优化，对用户体验的提升起到非常至关重要的作用。比如：在无人驾驶车经过一些坡道时，高精度地图里因为有坡道的信息，也能让车辆尽早做好速度规划。或者，当你要经过一个弯道时，高精度地图可提前为无人驾驶车提供弯道的曲率信息，让无人驾驶车可以规划好最适合弯道的拐弯速度。通过高精度地图查询到前方右侧有辅路入口或者车道合并的情况，那么该处出现的车辆就很有可能会作出向左变道或加速并入等动作。根据左右车道线虚实情况，也可以更好地帮无人驾驶车判断旁边车辆加塞的可能性，这个对于匝道的驶入和驾离更符合自然驾驶人的行为，而不是按照通常的做法，提前2公里就进入右边通道，但是由于右边的大货车又比较多，这样行驶速度非常慢，让人非常不爽。通过高精度地图以后，综合决策可以更像一个老司机的操作，可以根据实际的车流情况，选择合适的时机进入右边通道，既不太慢，又不至于太快到路口才并入。所以通过以上信息可以得出，L3以下可以不用高精度地图，而L3+则必须要用到高精度地图。高精地图不仅是比传统地图精度更高，而且包含信息更全面，实时性更强。我们可以将自动驾驶流程分为“感知层-决策层-执行层”，而高精地图横跨“感知层”和“决策层”。在感知层，车辆通过摄像头、毫米波雷达、激光雷达等设备获取周围场景信息，实现周围感知；将周围场景信息与高精度地图进行比对，确定车辆相对位置，并通过GNSS、RTK 定位、惯性导航系统确定自身姿态、速度和绝对位置，共同实现自我感知。感知信息进入决策层，算法将依据高精地图、车联网技术提供的多维度信息对具体驾驶问题做出判断、输出车辆控制信号并交给执行层执行。①感知层首先要感知周围环境，高精地图用于环境感知，能够与激光雷达、摄像头等感知设备输出结果形成冗余，提高识别的准确度。此外，高精地图信息能够为感知设备识别提供辅助信息。例如，通过高精度地图，已知汽车在当前位置附近有红绿灯，再通过摄像头、雷达设备感知该红绿灯存在的准确率能够有所提升。②除了感知周围环境，自动驾驶的车辆同时要实现自我感知，即知道“我在哪”，而利用高精度地图&高精度定位（绝对位置+相对位置）是自动驾驶汽车定位解决方案的定位模式。以激光雷达点云匹配的定位方案为例：一方面，车载激光雷达扫描获得点云数据，并提取数据中包含的环境特征；另一方面，车辆从“ GNSS + RTK + IMU ”定位组合中获得车辆位置的预测值，从高精地图中获取该位置附近的环境特征，之后将扫描识别的环境特征与高精地图记述的环境特征做匹配融合，获取车辆当前场景下精确的位置信息。高精定位方案中，共有三部分相互重叠的定位子系统：一、卫星定位，包括RTK 定位技术、地基增强网络等；二、航位推算引擎，包括 IMU 、车身里程计、以及车辆控制系统的总线信息；三部分信息之间相互耦合，结果相互冗余，从而保证定位的精度和可靠性。到这里为止，就讲明白了高精度地图，高精度定位，怎么通过传感器的融合和冗余实现高精度地图的感知、定位、决策的整套流程。普通地图是通过GPS+卫星图片进行制作的，当然也有测绘相关的介入，比较简单一些，但是高精度地图就没有那么容易了，整体来看看高精度地图制作的全貌，再针对每个细节进行描述，以目前最前沿的百度高精度地图制作为例：现阶段，高精度地图的生产总共有四大步骤，包括数据采集，数据处理、元素识别、人工验证。①数据采集阶段，正如不是所有的牛奶都是特仑苏，不是所有的地图采集车都是高精度采集车一样，只有像下面这样配置的车（百度Apollo2.5）才是高精地图采集车。它得有采集点云数据的激光雷达装置，进行高精定位的RTK装置，获取车辆角度和加速度的惯导系统等，才能叫做高精地图采集车。一台车的成本在百万以上（有的甚至高达800万元），由此可见，高精地图是烧钱产业。②数据处理：数据分为点云和图像两类，因为高精度要求，所以制图以点云为主。（1）点云拼接：采集过程中信号可能不稳定（RTK在遮挡情况下会出现不稳定现象），通过SLAM等对pose做优化，优化之后对点云信息做拼接得到完整的点云信息。点云信息被压扁得到定位地图图像、反射地图图像。反射地图可以做一些标注。（2）点云图像处理后得到一个高精度图像，基于图像可以做精确的车道线识别，获得车道线的形状特征，但仍需要道路虚实线、黄白线、路口标识等信息，这时候需要元素识别。③元素识别：车的自动化程度不够 ，无法解决道路上没有车道线的部分以及无法理解逻辑信息（比如停止线和红绿灯的关联关系），这时就需要高精地图的元素识别了。元素识别最能体现高科技了，基本上都是使用深度学习来获取地图的要素识别；基于深度学习的地图要素识别有两个层面：④人工验证：这一环节由人工完成，自动化处理的数据还不能百分之百准确，需要人工再进行最后一步的确认和完善。按照现在的情况，一名员工每天修正的数据量在30-50公里（百度由于算法比较强大，人工日修正量可以达到100公里），对于修正后的数据，需要上传到云端，最终形成的高精度地图也通过云平台进行分发。高精地图落地的完整闭环包括制图、用图和更新三个紧耦合的过程，以保证数据的高频流动和更新。高精度地图动态与静态信息并存的特性决定了后期的更新维护会占据更大的工作量。业内已经形成共识，相比于前期劳动密集型的绘图制图工作，高精度地图后期的维护更新才是核心竞争点。根据博世提出来的定义，无人驾驶时代所需要的局部动态地图数据依据更新频率如下图所示，与当前普及的电子导航地图1~2月更新一次的频率相比，高精度地图的更新频率之高、难度之大可想而知。传统的地图生产方式在面对高精度地图日级乃至更高频率的更新时会显得捉襟见肘。地主家也没有余粮啊，按照这个更新频率，地图厂家早晚得破产，简单算一笔账单，前面也提了采集的高精度的地图车一辆在100W左右，按照这个频率，需要上万辆车都没有办法做到这个更新频率，而且人工就更不说了，估计得数十万的人工验证，那投入就是天量资金，在这种情况下人民群众的智慧出现了，有点类似做工程外包一样，出现了地图的众包方案。具体而言，就是把地图更新的任务交给道路上行驶的大量非专业采集车辆，利用车载传感器实时检测环境变化，并与高精度地图进行比对，当发现道路变化时，将数据上传至云平台，再下发更新给其他车辆，从而实现地图数据的快速更新。当前主要有三种移动测量技术用于测绘采集，分别是专业型采集车、工业型采集车和众包型采集车。专业型采集车的成本相对较高，进口单车成本达到几百万，精度可达厘米级。工业型采集车单车成本约为70W，精度在20-50cm左右，众包型采集车精度及成本则低于专业型和工业型采集车。我们来看看行业里面的高精度地图厂家都采用哪种方式；众包采集模式盛行的背后反映的还是成本问题。地图供应商们在实际采集过程中，会从精度和成本两方面进行权衡，改良采集设备和采集方式以适应自身需求。比如，采用了众包采集方式的国外高精地图供应商HERE、 TOMTOM ，都建立了专业采集车组成的自主采集队伍。完全采用众包采集模式的宽登科技，配备的是宽登科技创始人兼CEO刘骏亲自设计的精度非常高的采集设备。未来，众包采集必将与集中采集一起协同实现精度足够高、同时成本相对较低的高精地图产品。地图厂家一般是采用精度较高的采集车来完成初始绘制，完成从0到1的过程，从无到有，在后续地图更新过程中转用精度较低的众包型采集车降低成本，从1到n的过程。在理论上众包车辆由于数量众多，在样本量足够大的前提下可以一定程度地弥补精度不足的问题，待更新的数据基本达到和建图时接近的精度，数据采集车辆在道路运行的时候通过高精度定位采集增量数据，上传到基于云的数据中心，通过机器学习和大数据处理辅以人工检测最终完成对实时路况的更新。（编辑注：Mobileye的产品中，只有EyeQ 4及以上芯片才能用于支持高精地图的众包更新）上图是Mobileye 高精地图众包采集模式，可以看到就是搭载这个芯片的车辆就可以成为众包采集的车，主要采集路面和路标等数据，而且上传是匿名加密上传到云系统，通过云系统进行数据的加工整合，然后形成新的高精度地图roadbook，通过下发给到有允许高精度地图roadbook的车辆进行10cm的高精度定位。前面阐述了自动驾驶离不开高精度地图，高精度地图制作、使用、更新，前景是一片光明，但是道路肯定是崎岖不平的，用农村俗语来说，只看到狗吃肉，没有看到狗挨揍，目前有哪些限制了高精度地图发展的痛点？并非所有厂商都有资质能进行高精地图数据采集。受到国内陆图测绘政策限制，测绘资格成为当前高精地图产业的“敲门砖”。由于地图行业涉及国家安全，截至2020 年7 月，拥有“导航电子地图制作（甲级）资质”的单位仅24 家，其中企业单位20 家。不具备该资质的厂商则被禁止参与自动驾驶地图（高精地图）的数据采集、编辑加工和生产制作环节。被排除在外的企业只能通过投资、合作等方式间接使用该测绘资质，例如吉利、东风等汽车厂商。在自动驾驶汽车亟待商业化落地当下，不排除政府未来将放宽相关资质审查政策，促进高精地图领域内的良性竞争，推动国内自动驾驶技术蓬勃发展。高精度地图每家采集的仪器设备、形成高精度地图的算法、数据处理方式包括元素识别内容都不统一。比如有的厂家就把路灯和路灯外面的花坛一起标注进高精度地图，有的厂家又不标注路灯，所以最终形成的高精度地图就很大的区别，这样就会涉及一个问题：车企选择高精度地图厂家很慎重。在L3向L4/5演进的过程中，规划是最关键的能力，而规划算法需要与地图深度绑定，然而，在各家地图厂商数据结构不尽相同的情况下，该跟谁绑定呢？一旦选定某家高精度地图以后，这个算法和高精度地图的绑定程度非常深，如果到半途再更换高精度地图厂家，那算法便需要做大幅度修改，而这个工作量巨大。并且，这种绑定，会导致车企日后在图商面前的议价权比较弱。这导致车企不敢轻易地选择地图厂家，进而影响高精地图产业的整体发展。由于我国道路样式包括曲率、高程等均为保密信息，所以目前，国内出版的所有地图系统（包括电子形式）都必须采用GCJ-02（一种对地理信息加入随机偏差的加密算法）对地理位置进行首次加密，高精度地图也不例外。由于中国的地图是偏转后的地图，想要使用就必须在车载端加载偏转插件，而偏转插件在传统地图上会有随机抖动。根据有限的观察，抖动的幅度最大可达1.7米。如果厂商的定位较多依赖于绝对定位（即高精度地图所提供信息），那么插件的偏转可能导致车道匹配错误。当前对这一问题上的解决方案是通过分档来反映该类信息，然而效果不甚理想。目前百度、四维图新、高德等国内高精度地图头部企业都在与国家测绘相关部门就高精度地图保密处理以及偏转插件进行合作。自动驾驶、高精地图，宣传一直主打人工智能、视觉算法等，让我们对高大上的技术充满了期待，但是就是这么一个高大上的行业，人工投入比其他传统行业还多，是不是感觉很诧异，和你的认知相悖？就好比印度孟买最富的富人区旁边就是穷人区，但是不影响孟买是国际化大都市。地图行业，一直都有一个老大难题，那就是在数据的采集加工及更新环节，都无法避免海量的人力、物力的投入。国内，高德地图成百上千人的数据团队（内业、外业，外包、分布各地的兼职人员），阿里巴巴技术不牛吗？牛的话，为什么要用这么多人呢？因为在短期内，除过“人海战术”外，还没有办法能解决高精地图数的据采集更新问题。举个例子，车道线问题。我们会理所应当地想，沥青地面是黑色的，车道线是白色的，那很容易把车道线提取出来啊。其实不然，路况是复杂多变的，万一道路上有猫猫狗狗塑料袋反光水坑把车道线遮挡住了呢？万一这条道路川流不息，把车道线磨得黑乎乎的，跟地面没啥区别了呢？现实应用要比实验室里的不确定因素多很多。这种就道路的在高精地图上的车道线就得要人工去补充，否则图像和雷达是没有办法自动画线的。想做高精度地图，就必然逃离不了投入海量的人员的事实，21世纪，人才最贵。①国内高精地图目前是互联网巨头、传统图商、车企进行三国演义目前，国内高精地图行业呈现三足鼎立格局——百度地图、高德、四维图新。其中高德于2014 年被阿里并购，四维图新则于2016 年获得腾讯的战略融资，高精地图行业背后的BAT 格局一目了然。然而作为自动驾驶的重要参与者，车企为了在高精度地图方面避免受到外人掣肘也不甘落后。上汽子公司中海庭拥有甲级电子导航地图制作资质，2017年起开发针对L4级别的高精度地图。虽然目前受政策资质限制，国内进军高精度地图的车企仅上汽一家，但是车企对高精度地图可谓念念不忘。身为政协委员的吉利集团董事长李书福在2017年的两会中上书放开地图精准测绘。李书福认为，放开地图精确测绘有助于减少自动驾驶技术发展壁垒，帮助我国抢占自动驾驶领先地位。若是未来地图精准测绘资质要求成功放宽，那么车企必将从中受益。届时大量车企将涌入高精度地图行业。虽然从两会之后的情况来看，测绘资质并未完全放开，但是近两年成立的初创企业宽凳科技、Momenta成功拿到牌照或许预示着国家在测绘资质认定上的有意放松。虽然按照目前的趋势来看，互联网巨头由于在技术上领先一步，未来主导权大概率仍在互联网巨头之手，但是高精度地图的商业化落地绝对离不开车企的配合。其实在这个三国杀里面，无论是地图厂家、互联网、还是车企都是聪明人，都知道汽车是一块大蛋糕，而这个蛋糕最重要的是掌握分蛋糕的刀---也就是数据，有了数据就有很多变现的空间。比如站在车厂的角度，无论是自动驾驶数据、地图数据、还有智能语音数据都想是作为自己的资源进行维护和处理，但是互联网企业就类似手机思维，你手机卖出去了，就属于消费者，那么消费者产生的相关数据，这些就属于APP软件公司所有，不能说由手机制造商所有，但是汽车又是属于一个比较特殊的商品，它现在不像是手机开发度那么高，价值比较低，软件还是相对比较封闭的状态，比如车载微信也只是在个别车上定制开发，没有批量使用，购物软件也没有在车载上批量应用，因为后续这些应用出现了问题，需要有人去擦屁股。车子这个产品比较特殊，一般出了问题，无论软件还是硬件问题，对于用户来说就是车子本身有问题，所以车厂一般在找第三方合作的时候都会很谨慎。同时，也希望能对后端的软件进行收费——当用户需要开通不同APP的应用的时候，向车厂付费，需要定制一些语音服务的时候也需要付费。随着滴滴、美团、华为等巨头们纷纷如此，高精地图市场将变得更加热闹。国外的主要厂商有Here、TomTom、Waymo、Mobileye 以及一批优秀的高精地图初创公司DeepMap、CivilMaps、lvl 5、Carmera等。其中Here 于2015 年被奔驰、宝马、奥迪以28 亿欧元联合收购，之后引入英特尔、博世等自动驾驶领域厂商的投资，形成了一个成规模的高精地图联盟。截至2018 年，Here的地图数据已覆盖200 个国家，超过4600 万公里。另外Uber、通用Cruise 等也在积极布局高精地图。目前国内外高精度地图企业在技术路线上各有特色。主打的路线可分为两种：软硬件双管齐下和主攻软件系统。国外软硬件双管齐下的代表企业为Mobileye。该公司通过提供芯片搭载系统和计算机视觉算法运行 DAS 客户端功能，从而为客户提供高精度地图服务。国内代表企业为四维图新，其研发的国内首款车身控制芯片（MCU）配合其高精度地图产品可以更好的服务于自动驾驶系统。而主攻软件服务的企业方面，国外代表企业为lvl5。该企业通过下载了其数据采集APP的车辆，由安装在车辆上的消费级摄像头拍摄大量路况信息视频。再将这些视频通过计算机视觉软件绘制成高精度地图，完成对地图的实时更新，客户只需安装软件即可使用其高精度地图产品。国内代表企业为宽凳科技，该企业以纯视觉模式代替激光雷达，运用人工智能加工的方式解决地图规模化生产的问题。高精度地图也是部分高阶的L2+自动驾驶功能的必选项，目前包括蔚来汽车、小鹏汽车、通用汽车、广汽的部分车型上都已经搭载了高精度地图，作为自动驾驶机器语言，高精度地图一直以来都被认为是L3自动驾驶的最佳拍档，但在汽车智能化的风口下，越来越多车企试图在更多场景下解放驾驶员的双手双脚。由此带来一个转变：高精度地图有了向低阶智能汽车逐步下探的趋势，商业落地局面得以进一步打开。当前量产的智能驾驶正在向上迭代，出现了NOA和Hands Free这两种主流形态。前者主要在车道内做辅助驾驶，主要包括自动并线、超车、上下匝道等功能。像特斯拉、蔚来、小鹏等车企都推出了相关产品。后者Hands Free则是主打长时间脱手驾驶，比较有代表性的车型像凯迪拉克CT6、广汽Aion LX等。高精度地图的普及率与自动驾驶的普及率紧密相连。每有一辆汽车实现自动驾驶，就意味着有一辆车使用了高精度地图产品。从各大车企的自动驾驶汽车生产计划来看，自动驾驶目前还是更多的配备于中高档的车型上，普及率更高的是ADAS系统（L3及以下）。根据各大车企的计划，ADAS系统将逐渐变得普遍和平民化。例如丰田计划未来让所有已有车型应用公司ADAS级地图。而未来随着技术的成熟、成本的降低，自动驾驶或将走进千家万户，成为越来越多的人的选择。到那时高精度地图市场渗透率将达到100%，产业发展值得期待。IT巨头公司大多具备网络效应，即客户越多，产品价值越高。结果就是强者恒强，赢家通吃。包括微信、新浪微博、滴滴、美团、支付宝等巨头产品或公司的成功都离不开网络效应，即产品价值吸引更多用户，更多用户提升产品价值，形成正反馈。网络效应的结果就是巨头强者恒强，“大象起舞”，实现赢家通吃。高精度地图产品需实时更新，产品价值关键在数据“鲜度”，存在正反馈性。传统地图可以通过测绘机构统一绘制，而高精度地图行业由于数据量极大，更新频度要求高，往往通过用户反馈不断更新，具备“用户使用-反馈-地图更新-价值提升-吸引用户”的正反馈链条。行业赢家在聚集用户后，能够形成颗粒度细、更新及时的高“鲜度”产品数据，形成网络效应，逐渐拉开竞争对手。传统车载地图数据基本不更新，难见网络效应。过去的传统前装车载导航大多不具备实时上传数据的能力，部分品牌甚至连更新地图也需要到4S店完成。行业竞争要素集中在客户渠道和价格竞争，产品力位居其次。这种背景下，市场呈现较分散的竞争格局，中小厂商仍然能够获得一定的市场份额。手机地图厂商入局后，实时数据打开产品力竞争维度，网络效应开始显现。手机地图厂商入局带来的最大改变就是引入用户上传的实时路况信息，对用户体验产生明显的提升。用户量决定的路况时效性和精准度逐渐将产品力提升为行业竞争的主要维度，也让行业逐渐显现出了网络效应。我们认为高德在手机地图上的成功就离不开此前高投入占据手机预装，提升用户量进而提升数据量的打法。图商迎来新机遇，高精度地图行业网络效应强，未来有望呈现出赢者通吃局面。在自动驾驶启航的前夜，高精度地图先行的时点，应当看到高精度地图行业内，用户贡献数据的价值量和价值比重将显著提升，行业将呈现更强的网络效应。我们认为，高精度地图行业有望呈现出赢者通吃的局面，数据壁垒将构筑强者恒强的护城河。对于现阶段的图商而言，能否获取海外大型主机厂的订单至关重要。根据我们产业调研的结果，目前有能力独立研发和搭载高精度地图的主机厂还是以国外主机厂为主，主要包括欧洲三大、日本三大、北美两大主机厂以及沃尔沃。我们认为，中短期内，海外的传统主机厂的订单仍是图商最主要的收入来源：从研发能力上来看：国外一线传统主机厂的正向开发能力较强，是基于希望实现的功能进行整体系统设计，再向Tier1 和Tier2 提出相应的需求；而国内主机厂正向开发能力相对较弱，并不能完全采用“自上而下”的方式进行设计，而需要采取“照方抓药”的模式，也就会更多地依赖Tier1，其搭载高精度地图的节奏也就在一定程度上受制于Tier1 的节奏。从资金实力上来看：国外一线主机厂高端车型占比更高，利润更为丰厚，可以支持他们投入更多的资源从事相关的研发工作，而部分国内主机厂仍被压在生存线上，能够投入在新业务中的资源也就相应有限。从客户群体上来看：同样由于国外一线主机厂的客户往往对于价格的敏感度较低，对于部分自动驾驶功能的选择意愿更高，有助于高精度地图的快速渗透，而这依然是由于这些主机厂的高端车型占比更高所导致的。综上，高精度地图在国内主机厂实现大规模量产仍需一定时间，从中短期来看，能否获得海外主机厂的订单对图商而言至关重要。从目前获得的合作车厂来看，高德应该是最有潜力的，百度虽然合作的车厂多一些，但是订单量并不大。2020-2021年是决定未来竞争格局的关键，先拿到订单落地的厂商优势将进一步扩张。对于高精度厂家来说，先拿到订单并完成落地，有利于降低成本，进而降低价格，吸引更多的订单，扩大的自己优势，对于未来的行业各级是至关重要的，基本上2023年左右是车厂L3级别自动驾驶落地的时间，需要提前两年确定高精度地图供应商，因此这两年拿订单是非常重要的，拿到越多的订单并落地完成，这样就容易形成赢家通吃的局面。所以理解了为什么高德地图这么着急宣布高精度地图费用不超过100元一年了吧，其实这个和用户量有关系，用户数量越大，单价成本越低，目前按照一年50W台车型来看，这个售价在500RMB比较合理，高德这样纯粹是为了就是抢占先机，获得更大的市场份额。天下熙熙，皆为利来，天下攘攘，皆为利往，无论发展什么技术，资本推动的结果就是赚取，当然技术也能让资本变的强大，所以高精度地图的终极目标就是赚取，最高级的赚钱方法是让用户心甘情愿地掏钱，而且是抢着付款的那种，这才是赚钱的最高境界。高精度地图行业空间远大于传统地图。传统图商的盈利模式是销售离线的license，单车平均价值大约在200元左右。高精度地图具有实时更新的特点，盈利模式逐渐转变为提供一系列基于高精度地图数据服务并收取服务费的形式，高精度地图厂商也逐渐从图商向地理信息服务型企业转变。当前业内较为公认的收费模式是在车厂签下订单时支付一笔订单费用以供图商进行高精度地图的开发，后续在搭载车辆上收取一次性的License费用以及按每车每年收取的服务费， License与服务费分别对应汽车增量和存量。根据我们的产业调研，订单费用大约为几千万；License费用大约1000元/车左右， 即传统地图的5倍， 服务费在100-500元/年/车区间。商业模式非线性，固定成本逐渐被摊薄。高精度地图投入的高成本集中于前期制图的设备购买和采集工作。基础数据完整之后只需进行更新维护即可。在后期L3落地后图商可借助已装载高精度地图的车辆完成众包更新，随着高精度地图前装数量提升，固定成本逐渐被摊薄，利润率也将随之提升。传统的图商售卖的大部分是离线地图，通过向车企售卖licence以及提供少量的后期更新服务获利，交易方式为一次性付清。而高精度地图由于存在动态信息的实时交互，图商将为此向数据服务商方向转变。在高精度地图时代，图商需要构建云平台为车主提供道路的实时信息，根据提供的数据量的多少计费。目前的高精度地图企业在开发高精度地图产品的同时也在努力构建自身的云服务平台以适应商业模式的转变。如Here开发的实时交通云产品，凯立德开发的云端服务平台等。而互联网背景的图商，譬如Waymo（原谷歌地图），他们希望的是高精度地图最终能成功服务于自动化驾驶，从而推动其无人出租车业务的展开。从这一角度来看，该类企业的盈利模式更多偏向于To C。类似这样做无人出租车的，最后为高精地图买单的都是消费者，按照使用次数来付费了。还有一种商业可能，有点类似现在车辆网模式，车企卖给用户的时候前两年免收流量费，后面用户需要使用互联网功能，就自己缴纳流量费用，高精度地图到了一定量级也完全可以采用这种模式，基本的高精度地图费用由车企买单（当然羊毛出在羊身上，最终体现还是在用户身上），但是后续的高精度使用及更新地图部分的费用由用户来买单，而且如果使用量级大了以后，可以按照使用次数或者包月等灵活的使用费用。这样的好处就是车企不用一次性付很大一笔费用给到地图厂家，这样卖到消费者手里的费用就不会那么贵，就好比卖你一个手机，把20年后的套餐费一次性让用户缴纳了，这样用户也觉得价格贵。类似于买特斯拉，我买这个车具有FSD辅助驾驶功能，我想用的时候才缴费，按照月或者使用的次数来付费（当然这个是我预测特斯拉软件收费的模式），这样用户使用非常灵活，对于地图厂家也方便，非常灵活，市场也扩大了。当然未来智能座舱在L3级别车型落地后，高精度地图还有很多商业方案可以落地的地方，比如把手机的闭环商业方案可以搬移到车上，通过地图上可以买票，下单、支付等一系列场景，那么可能高精度地图都不收费了，当然是理想情况，现实5-10年不可能实现。其实在国内做高精度地图中最可能有商业闭环的是滴滴，无论是高精度地图还是自动驾驶算法，最终都是为了跑无人出租车，滴滴本身这么大的打车业务，可以支持这个市场的前景，关键还可以通过滴滴车辆产生众包的地图生产更新，这个还可以赚钱或者更新优化自家的高精地图，滴滴从商业逻辑上对于高精度地图最具有想象力。在人类的发展史上，利用科技进步，后世的人总能实现过去的神话，例如登月。我们可以乐观的相信，随着制造业和通讯技术的发展，大范围低成本的实现高精地图的生产指日可待。
