2026-06-18 — views

自動駕駛地圖技術——高精地圖對比純視覺，誰將贏得道路測繪競賽？

Waymo押注釐米級高精地圖，Tesla押注純視覺即時建圖，Mobileye押注眾包地圖層——三種架構對AV擴張經濟學影響截然不同。

實體AI基準系列第72篇——地圖架構與擴張經濟學

自動駕駛車輛如何知道自己身在何處、前方道路是什麼樣子，是AV設計中最具決定性的架構選擇之一。Waymo採用釐米級高精地圖結合即時感測器融合；Tesla押注純視覺即時建圖，不依賴預建地圖；Mobileye則在建立名為REM（道路體驗管理）的眾包地圖層，由數百萬輛量產車的攝像頭數據彙聚而成。

三種方法都在回答AV必須持續解答的三個問題：我在哪裡？我周圍有什麼？接下來會發生什麼？但答案對擴張速度、單城市啟動成本、維護開銷、邊緣案例安全邊際，以及最終競爭護城河的影響截然不同。

第一節——地圖對自動駕駛車輛的意義

單靠GPS只能提供約3米的定位精度——這看似精確，但標準美國高速公路車道寬約3.7米。高速行駛需要釐米級定位，GPS單獨無法實現。

問題	人類駕駛員的答案	僅靠AV感測器的答案	AV加高精地圖的答案
我在哪裡？	視覺地標、路牌、GPS	GPS（約3米精度）加感測器相對定位	高精地圖加GPS加感測器匹配——釐米級精度
周圍有什麼？	直接視覺感知	雷射雷達加攝像頭加毫米波雷達點雲（僅即時）	即時感測器與已知地圖特徵交叉比對
接下來是什麼？	經驗、路牌、直覺	無地圖則無前瞻能力	地圖提供車道拓撲、交通信號、限速、已知障礙物
路口幾何形狀	記憶或臨近閱讀	僅即時；預覽有限	提前掌握完整路口幾何；車輛預先規劃行駛軌跡
減速帶與路面損壞	遇到時察覺	即時偵測	預先知道；車輛提前降速

定位問題： 高精地圖透過提供已知特徵的參考層（道路標線、路緣石、燈柱、建築物）來解決GPS精度不足問題，感測器即時與之匹配。這稱為地圖匹配定位。車輛當前位置的雷射雷達點雲疊加在儲存的地圖點雲上，兩者之間的偏移量即可實現釐米級定位。

第二節——高精地圖：Waymo的方式

Waymo的架構是最成熟的商業高精地圖AV部署。每個Waymo運營區域在商業服務開始前都已由專屬測繪車輛預先完成地圖製作。

屬性	詳情
地圖類型	運營區域每條道路的釐米級精度3D高精地圖
地圖製作	專屬測繪車輛多次行駛每條道路；雷射雷達、攝像頭、雷達採集完整場景模型；人工標注員標記車道、信號燈、路牌、人行橫道
更新頻率	道路特徵改變時必須更新——施工區、新信號燈、車道重新劃線。測繪車輛估計每隔數月重新覆蓋每座城市（估計值）
定位方法	即時雷射雷達點雲與儲存高精地圖匹配；實現釐米級定位
優勢	已知道路幾何形狀可實現預先軌跡規劃；降低即時計算負荷；定位置信度極高
劣勢	無地圖即無法運營。新城市需完整測繪後才能商業啟動。地圖漂移——更新週期間道路變化——在地圖與現實之間造成差距
擴張限制	每座新城市在第一次商業行程前需數週至數月的測繪、標注與審核
地圖所有權	Waymo自建自維護地圖；不依賴HERE、Google地圖或TomTom的高精地圖

高精地圖的預先規劃優勢十分顯著。因為Waymo的車輛在距路口200米前就知道路口幾何形狀，可以提前規劃減速、車道定位和信號時序策略，降低即時感知系統的計算壓力，並提供額外安全緩衝。

第三節——純視覺即時建圖：Tesla的方式

Tesla的FSD（完全自動駕駛）架構完全消除了預建高精地圖的依賴。車輛的八顆攝像頭為神經網路提供數據，在每次行程中即時構建場景表示——不需要儲存地圖。

屬性	詳情
地圖類型	無預建高精地圖；Tesla FSD透過FSD神經網路從八顆攝像頭即時構建場景表示
定位方法	視覺定位；神經網路即時識別車道標線、路邊、路牌等特徵。僅用OpenStreetMap級別道路拓撲進行高層級路線規劃
訓練數據	逾600萬輛Tesla貢獻視頻數據；車隊作為大規模分散式感測網路
優勢	無地圖依賴——可在任何有道路的地方運營。新地區無需部署測繪車輛。不存在地圖漂移：攝像頭立即看到當前道路狀態
劣勢	即時計算負荷更高——每次行程一切都需從頭感知。無法預看感測器範圍之外。定位精度依賴可見特徵——沙漠、暴風雪、濃霧等缺乏特徵的環境中性能下降
擴張經濟學	與高精地圖方式根本不同：Tesla僅需監管批准即可在新國家啟用FSD——無需預先測繪
地圖漂移	不存在此類故障模式；新坑洞或車道重新劃線立即被攝像頭看到

車隊規模優勢是Tesla在純視覺方法中最持久的結構性資產。逾600萬輛全球車輛（估計值）收集道路視頻，Tesla的神經網路訓練數據涵蓋的道路條件多樣性、邊緣案例豐富度和地理覆蓋廣度，是任何依賴專屬測繪的AV項目所無法比擬的。

第四節——Mobileye REM：眾包地圖層

Mobileye的REM（道路體驗管理）是結合高精地圖和視覺方法的第三種架構。它不部署專屬測繪車輛，也不完全依賴即時感知，而是從已裝載其EyeQ晶片的量產車輛持續更新的眾包地圖。

屬性	詳情
方式	從搭載Mobileye EyeQ晶片量產車的攝像頭數據建立的眾包高精地圖
運作原理	每輛REM設備車輛匿名上傳輕量「道路簽名」——車道標線、道路邊界、路牌位置。彙聚數百萬輛車輛後形成持續更新的地圖
覆蓋範圍	Mobileye聲稱來自BMW、GM、日產、大眾等OEM車隊的REM數據超過10億公里（估計值）
更新率	近乎即時——每輛REM設備車輛行駛任一道路都貢獻更新；道路變化在數日內傳播至地圖（估計值）
優勢	測繪成本遠低於專屬測繪車輛。隨OEM合作夥伴車隊規模自然增長。無需專屬維護基礎設施，自我更新
劣勢	地圖品質取決於各區域車隊密度——農村和新興市場可能覆蓋稀疏
AV應用	Mobileye的AV技術棧（SuperVision和Chauffeur）使用REM作為高精地圖層，為OEM合作夥伴提供「含地圖」方案

REM的商業模式意義重大。透過專屬測繪車輛測繪每公里道路的成本估計達數百美元（考慮車輛運營、駕駛員成本和標注人力）。REM的眾包方式將此成本分散到已出於其他目的在這些道路上行駛的OEM車隊中。

第五節——擴張經濟學比較

架構選擇從根本上是擴張經濟學的決策。三種主要方式在新地區的成本結構、啟動時間和維護負擔上存在根本差異。

方式	新城市啟動成本（估計值）	啟動時間（估計值）	持續地圖維護	邊緣案例風險
Waymo高精地圖	高——專屬測繪車輛加標注加審核（估計每座城市50萬至500萬美元）	2至6個月（估計值）	每座城市持續測繪和標注成本	更新週期間的地圖漂移；道路變化在儲存地圖與現實之間造成差距
Tesla純視覺	近零——不需要測繪	數天（僅需監管批准）	零地圖維護成本	缺乏特徵的環境；完全依賴即時感知，無備用地圖層
Mobileye REM	低——利用該地區現有OEM車隊	數週至數月，取決於車隊密度	透過眾包自我維護	低密度地區或新興市場車隊覆蓋稀疏
HERE或TomTom高精地圖	授權費——AV公司支付許可費用	主要市場有現成地圖；因地區而異	由HERE或TomTom管理；客戶支付訂閱費	相對Waymo自有地圖的更新滯後

全球AV競賽的擴張意涵：Tesla的純視覺方式是唯一無需測繪前提即可全球擴張的架構。Waymo的地理擴張時間表在結構上受測繪需求約束——每座新城市都是數月的測繪行動。這是Waymo全球時間線以每城市數年計算，而Tesla FSD理論上可透過軟體更新在任何國家啟用（取決於監管批准）的核心結構原因之一。

第六節——地圖精度與安全權衡

每種架構在對商業部署至關重要的駕駛場景中呈現不同的安全特性。

場景	高精地圖方式	純視覺方式
已知環境，標準條件	非常高——地圖提供定位基準	良好——神經網路感知在常見場景中已相當成熟
未知或未測繪環境	無地圖無法運營	原生支持——無地圖依賴；可在任何道路上運營
地圖漂移：車道已不存在	若地圖顯示已關閉的車道可能有風險；需要感測器覆蓋	立即看到當前道路狀態；無過期地圖需要覆蓋
GPS拒絕環境	可用地圖匹配取代GPS；雷射雷達提供定位	更依賴GPS進行路線規劃；定位可能下降
夜間或低能見度	雷射雷達地圖匹配在黑暗中仍有效	攝像頭感知在低光環境下下降
新型障礙物：新施工	地圖顯示舊道路；即時感測器偵測障礙物並應覆蓋	直接看到障礙物；無地圖預期衝突
複雜城市路口	優秀——完整路口幾何預先已知；車輛預先規劃	較難——必須即時從視覺特徵解析複雜幾何

第七節——關於本系列

本文是實體AI基準系列的第72篇。前71篇涵蓋了上坡指數、人形機器人競賽、單位經濟學、全球競爭、高精地圖、軟體與OTA、消費者需求、競爭護城河、Cybercab對比Model Y、安全數據、Waymo Gen 6、Optimus製造、記分卡快照、2030年情境預測、投資者框架、城市擴張管線、Tesla FSD州批准地圖、AV天氣與氣候限制、人才戰爭、監管日曆、Robotaxi票價定價、人形機器人部署追蹤器、供應鏈分析、消費者採用需求指數、估值與IPO分析、實體AI 2026年中盤點、AV單位經濟學每英里成本分解、AV數據飛輪比較、AV網路安全攻擊面、實體AI供應鏈、AV車隊運營、AV保險與責任演進、實體AI全生命週期環境成本，以及老年人與身障者無障礙層。

本文新增了地圖架構層：三種回答AV基本問題「車輛在哪裡、道路是什麼樣子」的競爭方法，以及這一架構選擇如何塑造全球自動駕駛競賽中的擴張經濟學、安全特性和競爭護城河。

注意： 成本估計、覆蓋數字和車隊規模估計標記為「估計值」，反映公開可用信息、行業分析及公司公開數據。本文不構成投資建議。