2026-06-18 — views

Physical AI 地圖與定位——Waymo 公分級精度 HD 地圖 vs Tesla 無圖 FSD 及地理擴展鴻溝

Waymo 以 HD 地圖實現公分級定位，每城市成本 $1-5M（估）；Tesla FSD 無圖且擴展成本近零，但精度與惡劣天氣韌性較低。

Physical AI 基準系列第 137 篇 — Physical AI 地圖與定位：Waymo 的 HD 地圖依賴 vs Tesla 無圖 FSD，以及建立世界最精確道路數位孿生的技術競賽

車輛的位置——不僅是 GPS 座標，而是在車道層級精確到公分的定位——是自動駕駛車輛執行所有其他功能的基礎。每一個軌跡規劃、每一次安全校驗、每一個號誌狀態推斷，都依賴車輛精確知曉自身相對於車道標線、路緣、停止線與斑馬線邊緣的位置。Waymo 維護著一套覆蓋其所有運營道路的專有高精地圖（HD Map）資料庫，並由車隊持續更新。Tesla 的 FSD v12 以上版本不需要預建 HD 地圖——它僅憑攝影機的即時影像進行定位。這一架構選擇決定了地理覆蓋範圍、擴展成本、對道路變化的適應能力，以及最終哪家公司能無所不在、哪家能在任何地方最精確。這是 Physical AI 基準系列第 137 篇。

所有標注「（估）」的數據均來自公開披露、研究論文、行業分析師估算及合理推算，並非獨立驗證的第一手數據。

第一節 — Waymo 的 HD 地圖方案

Waymo 的定位架構建立在一套專有 HD 地圖之上，該地圖以低於 10 公分的精度（估）編碼了車道級別的幾何結構、交通號誌位置、速限、永久障礙物、3D 建築輪廓及高程剖面。這張地圖不是導航工具——它是車輛即時光達觀測資料融合的基準真值，用以確定公分級精確位置。

組件	描述	規模	戰略價值
HD 地圖內容	車道級幾何：車道標線、路緣、停止線、斑馬線邊緣的精確位置；交通號誌位置及相位；速限；永久障礙物；3D 建築輪廓；高程剖面	覆蓋區域精度低於 10 公分（估）	車輛不需僅依賴即時感測器即可知曉精確車道位置
地圖建立流程	專用測繪車輛採集光達及攝影機資料；離線處理成 HD 地圖圖塊；隨道路幾何變化持續更新	Waymo 車隊行駛即為地圖感測器；新城市需進行專項測繪	車隊即測繪員：每輛商用車同時也是地圖感測器
定位	車輛將即時光達觀測值與 HD 地圖圖塊融合以確定精確位置；可達公分級定位	需要地圖覆蓋；在未測繪區域失效	高精度定位使軌跡規劃更精細
地圖更新延遲	Waymo 目標是對動態元素（施工區、新號誌）進行近即時地圖更新；永久性變化在數天至數週內更新（估）	地圖過期是已知失效模式：若現實已改變但地圖未更新，車輛可能行為異常	關鍵運營風險：已測繪城市的道路施工需要快速地圖更新
地理覆蓋	僅限已測繪城市：舊金山、鳳凰城、洛杉磯、奧斯汀（商業運營）、亞特蘭大（預上線測繪）	每個新城市需要專項測繪活動才能商業上線	主要擴展制約：無法在未完成測繪的城市上線
每城市地圖成本（估）	初次測繪活動約 $1-5M（估）；持續維護約 $50 萬-$200 萬/年（估）	每城市固定成本，不隨車輛數量擴展	若覆蓋 50 個以上城市：年度地圖預算約 $5000 萬-$2.5 億（估）
採用 HD 地圖的競爭者	Waymo、Mobileye（REM——道路體驗管理，由 ADAS 車隊眾包）、Aurora、Cruise	不同的 HD 地圖策略；Mobileye 使用 ADAS 量產車隊進行眾包測繪	HD 地圖維護是行業整體成本，無圖方案可規避

Waymo HD 地圖架構中最關鍵的設計選擇是車隊即測繪員模型。每一輛在已測繪路線上行駛的 Waymo 商用車，同時也是地圖感測器——它將光達觀測值與儲存地圖對比，偵測差異，並上傳候選地圖更新等待處理和驗證。這意味著 Waymo 的地圖品質隨其運營城市的車隊行駛里程提升，在運營範圍內形成自我強化的精度飛輪。

HD 地圖方案的致命弱點是地理限制。一輛 Waymo 車輛若缺少當前位置的地圖圖塊，將無法以公分級精度定位，也無法安全繼續無人駕駛運營。這不是降級模式——這是運營邊界。Waymo 不能簡單地開進一座未測繪的城市。它必須派遣專用測繪車輛、處理資料、驗證地圖，並通常需要獲得當地監管批准，才能開展第一次商業出行。這一流程在每個城市至少需要數月時間。

第二節 — Tesla 無圖 FSD 方案

Tesla 的 FSD v12 及更高版本無需任何預建 HD 道路地圖即可運行。車輛僅利用八個攝影機的即時觀測，與從數十億英里（估）訓練資料中學到的神經表示進行匹配，實現即時定位。進入新城市前無需下載地圖圖塊，無需離線處理流程，也無需城市特定的準備階段。

組件	描述	優勢	風險
定位方式	基於攝影機的視覺定位：FSD 將即時攝影機觀測與學習到的道路視覺表示匹配；使用神經佔用網路即時理解車道結構	無需預建地圖；適用於任何有道路的地方	定位精度低於光達-HD 地圖融合；對視覺變化更敏感，如夜晚、霧天、施工
道路理解	端對端神經網路從攝影機影像推斷車道邊界、交通號誌、路口、標誌	可泛化至任何道路類型，包括訓練時未見過的道路	依賴足夠的訓練覆蓋以實現可靠推斷
施工區處理	FSD 從攝影機觀測推斷修改後的道路佈局；無需更新地圖	只要視覺可偵測，道路變化自動處理	視覺複雜的施工區可能造成混淆；FSD 脫離接管的重要來源
地理覆蓋	任何有鋪裝道路的國家任何道路；FSD v12/v13 地理範圍：美國和加拿大；歐盟等待監管批准	無限地理上限；無需預測繪活動即可在任何地方運行	尚未在大多數市場提供；各司法管轄區仍需監管批准
每城市擴展成本	地理擴展的增量成本幾乎為零——不需要測繪活動	Tesla 可在數週內從美國擴展到任何國家（監管批准後），而 HD 地圖公司需要數月	近零擴展成本是長期結構性優勢
夜間及惡劣天氣	僅攝影機意味著低光、霧天、強降雨或雪天的性能比光達更具挑戰性	光達不受環境光影響；可在能見度低的條件下定位	純攝影機是光達倡導者最常引用的安全隱患
路口理解	FSD 必須僅從攝影機推斷號誌狀態、行人穿越及轉向許可	人類在相同條件下僅憑視覺駕駛；Tesla 認為這已足夠	複雜無控制路口是 FSD 的重大挑戰，也是頻繁脫離接管的來源

Tesla 的無圖方案不僅僅是資源受限的產物——它是一個深思熟慮的架構賭注。其論點是：一個足夠健壯、可以在任何從未接受訓練的城市僅憑攝影機定位和導航的系統，比需要城市特定預計算的系統更具通用性，最終更具可擴展性。車隊資料飛輪強化了這一點：超過 600 萬輛車輛在路上持續生成影片，Tesla 從其運營區域內遇到的每種道路類型、路口配置和天氣條件中積累訓練資料。

惡劣天氣限制是最明顯的結構性弱點。基於光達的定位融合 HD 地圖，在黑暗、小雨或中度降雪條件下幾乎不受影響——光達返回的反射幾何形狀與環境光無關，地圖提供車輛用於匹配的基準真值。基於攝影機的定位則隨感測器可見度成比例下降。強降雨、積雪覆蓋車道標線、黎明黃昏的眩光，以及無燈光的農村道路夜間駕駛，都會降低 FSD 定位所依賴的視覺信號品質。

第三節 — Mobileye REM：眾包 HD 地圖的替代方案

在 Waymo 的專用車隊 HD 測繪與 Tesla 的無圖方案之間，存在第三種模式：眾包 HD 地圖，以 Mobileye 的道路體驗管理（REM）系統為最完整代表。

指標	Mobileye REM	vs Waymo	vs Tesla
方案	眾包 HD 地圖：配備 ADAS 的車輛（全球 Mobileye 感測器超 3000 萬輛，估）被動採集道路觀測資料；匯總成持續更新的 HD 地圖	Waymo：專用車隊建圖；REM：ADAS 量產車隊自動測繪	Tesla：無 HD 地圖；REM：透過量產 ADAS 車隊維護 HD 地圖
覆蓋	已測繪路程超過 80 億公里（Mobileye 已披露）；覆蓋歐洲、北美及不斷增長的區域	Waymo 覆蓋：約 5-6 個城市商業運營；REM：全球覆蓋	Tesla：無地圖但地理覆蓋無限；REM：全球地圖
更新頻率	近持續：每輛經過的 Mobileye 配備車輛更新地圖	Waymo：商業車隊路線近即時；REM：每當 REM 車輛經過時更新	Tesla：無地圖可更新；REM：眾包持續更新
成本模式	地圖建立成本由 ADAS 市場補貼：Mobileye 向 OEM 客戶收取 EyeQ 芯片費用；地圖資料是副產品	Waymo 承擔全部測繪成本；Mobileye 分攤至超 3000 萬輛車	Tesla 完全避免測繪成本
戰略意義	REM 是無圖方案以外最具可擴展性的 HD 地圖方案；若 AV 公司將其作為平台採用，可在接近 Tesla 地理覆蓋的同時實現 Waymo 級別的定位	Waymo 若要實現全球 HD 地圖覆蓋，需要與 Mobileye REM 合作或許可	Tesla 的無圖方案在結構上仍與兩者不同

REM 的核心洞察是：當 HD 地圖建立被視為現有 ADAS 量產車隊正常駕駛的副產品而非專項活動時，建圖成本趨近於零。一輛 Mobileye EyeQ 配備車輛經過巴黎或拉各斯，自動為全球 HD 地圖作出貢獻，無需任何額外儀器或成本。地圖更新延遲取決於任何給定道路路段的交通密度——高流量城市核心近持續更新；低流量農村道路僅在 REM 配備車輛偶爾經過時更新。

第四節 — 定位基準：精度 vs 覆蓋

AV 定位的核心取捨不是好與壞方案之間的選擇——而是不同優化目標之間的抉擇。Waymo 在定義的地理範圍內優化最高定位精度。Tesla 以良好的定位精度優化無限地理覆蓋。兩者都不是嚴格佔優的；哪個更重要取決於部署場景。

場景	Waymo（HD 地圖）	Tesla FSD（無圖）	勝者
已知城市、晴天、白天	公分級定位；最大安全裕度	分米級（估）；性能良好	Waymo（精度）
已知城市、施工區	地圖可能過期；信心降低；遠程操作可能協助	即時攝影機推斷；處理視覺可偵測的變化	平局——兩者均面臨挑戰；不同失效模式
未知城市、無預先測繪	無法運行——無 HD 地圖	可立即運行	Tesla（覆蓋）
夜間駕駛	光達不受黑暗影響；地圖融合不受影響	攝影機依賴；夜間性能下降（估）	Waymo（夜間韌性）
強降雨或降雪	光達受降水部分影響；地圖融合仍有幫助	攝影機受降水嚴重影響；定位性能下降	Waymo（惡劣天氣）
農村或未鋪裝道路	無法在未測繪區域運行	可嘗試任何有鋪裝的道路	Tesla（覆蓋）
國際擴展	每個國家需要多年測繪活動	數週可擴展——只有監管批准是制約因素	Tesla（速度）
地圖攻擊面（安全）	HD 地圖是高價值攻擊目標；地圖欺騙等於車輛混亂	無地圖可攻擊或欺騙	Tesla（安全攻擊面）

施工區場景值得更仔細審視，因為它說明了不同架構如何以不同方式失效，而非一方嚴格優於另一方。Waymo 的風險是地圖過期——若施工區已修改車道邊界但 HD 地圖尚未更新，車輛可能定位到舊的車道幾何並規劃出與新物理佈局衝突的軌跡。Tesla 的風險是視覺複雜性——活躍施工區往往有臨時號誌、模糊車道標線、指揮交通的工人，以及可能將攝影機推理系統推向訓練分佈邊緣的不尋常障礙物。兩家公司都依賴運營支援（遠程協助、地理圍欄）來處理複雜施工場景。

第五節 — 地圖與定位基準評分卡

維度	Waymo	Tesla	優勢
定位精度	公分級（光達-地圖融合）	分米級（估）（基於攝影機）	Waymo
地理覆蓋	約 5 個城市商業運營；約 10 個城市已測繪（估）	美國和加拿大（監督）；長期任何全球道路	Tesla
每城市擴展速度	數月——需要測繪活動	數週——僅監管審批	Tesla
施工區處理	地圖過期風險；遠程操作協助	即時視覺推斷；不同失效模式	平局
惡劣天氣韌性	光達獨立於光線和天氣；地圖融合穩健	攝影機受雨、雪、夜間影響	Waymo
測繪成本	每城市初次 $1-5M 及持續維護（估）	零	Tesla
安全攻擊面	HD 地圖是高價值攻擊目標	無地圖——無地圖攻擊面	Tesla
長期擴展	每個城市需要相應比例的測繪投資	每個新地理區域的增量成本接近零	Tesla 決定性優勢

評分卡揭示了一個根本性的架構鴻溝，這與 Physical AI 基準系列其他維度中更廣泛的 Waymo vs Tesla 格局如出一轍。Waymo 在當今對安全裕度和監管信心最重要的每個指標上領先：定位精度、惡劣天氣韌性，以及在其運營設計域內可預測的失效模式。Tesla 在長期商業規模最重要的每個指標上領先：地理覆蓋、擴展速度和測繪成本。

長期擴展維度值得強調。如果 AV 部署最終擴展到全球數百個城市——這是商業可行性所要求的——兩種方案之間的測繪成本差距隨每個新地理區域而擴大。Waymo 的成本模式近似於城市數量的線性：每個新城市都需要一次活動投資，且不會隨經驗大幅降低（道路仍需實際駕駛、資料需處理、地圖需驗證）。Tesla 的成本模式城市級別增量成本接近零：唯一的增量工作是獲取當地監管批准，這是與道路複雜程度無關的固定行政成本。

Mobileye 的 REM 代表了 Waymo 式 HD 地圖公司大規模縮小這一成本差距的最可行路徑：若全球 ADAS 車隊將 HD 地圖作為正常駕駛的副產品建立，每城市增量測繪成本將下降至 Mobileye 的芯片利潤，而非 Waymo 的全成本測繪活動。Waymo 是否採用或許可類似 REM 的眾包方案，或透過機器人出租車車隊密度開發自己的等效方案，將是未來五年最具決定性意義的運營選擇之一。

定位問題最終歸結為對哪個制約因素放鬆更快的押注：Tesla 的基於攝影機的系統能否透過神經網路改進和感測器多樣化在惡劣條件下接近公分級精度？還是 Waymo 的 HD 地圖覆蓋能否——透過眾包或機器人出租車密度——在 Tesla 精度趕上之前擴展到足以匹配 Tesla 的地理覆蓋？兩條路徑都可行；兩者都不保證成功。Physical AI 基準的地圖與定位維度仍然是該領域最具重要性且最未解決的問題之一。

注意： 所有標注「（估）」的數據均來自截至 2026 年中的公開披露、研究論文、分析師估算及行業報告。本文不構成投資建議。