無人駕駛百億細分市場，正被一些破局者悄然佔領

「

無論如何，對於優勝者來說，這將是一個利潤可觀的龐大市場。

」

2016 年，Google 無人車項目在開始受到外界越來越多商業化質疑的同時，也遭遇了長達 10 個月的人事震蕩。那一年，選擇離職的大批骨幹員工，如今很多已成為當下無人駕駛圈中明星技術公司的創始人與 Google 無人車最強勁的對手。如果細分他們當年在 Google 的所在部門，你會有一個發現：

這些人幾乎來自兩個項目，一個是無人車，而另一個則是地圖。

實際上，機器人專家 Chris Urmson 在 2008 年被任命為無人駕駛項目 Project Chauffeur 的負責人之前，曾在 2007 年的街景項目中帶領團隊提前完成了 100 萬英里的道路測繪工作；而後來捲入 Google 與 Uber 技術機密糾紛的核心人物 Anthony Levandowski，也曾是街景項目的骨幹成員。甚至曾有外媒評論說，無人駕駛汽車看起來更像是谷歌地圖團隊孵化出來的一個項目。

這個團隊在當時被全公司稱為「美國街道的最大真相發現者」，因為他們在政府提供的原始數據基礎上，不斷主動添加利用測繪車採集的更為詳細的地理信息。而直到現在，大部分人才意識到，一幅標有「車道線、坡度、甚至是一塊高度約 10 厘米凹坑」的詳細地圖信息對無人駕駛汽車的重要性。

無人駕駛汽車的未來取決於高質量的地圖

福布斯雜誌的這句評論並沒有誇大，其「超強的存在感」來源於無人駕駛的一個特性：

既消耗數據（燃料），也生產數據（收集信息）。

舉個例子，一輛無人車即便安裝了各類感測器與軟體工具，也需要經歷「冷啟動」階段。但好在機器們都具備「蜂巢思維」這個優點，把另一輛汽車上收集的數據記憶完全移植到另一輛車的「大腦」中，是一件分分鐘能做到的事情。

而那些配置好的視覺感測器與計算機視覺系統，又在無人車按照高精地圖進行定位、導航以及規劃路線的同時，精準捕捉周圍環境特徵，不斷補充、校正與更新高精地圖背後的龐大資料庫。

另一方面，即便近年來視覺感測器與深度學習軟體的性能有了大幅提升，汽車操作系統的可靠性逐漸從地圖數據存儲轉移到實時場景識別。

但從安全冗餘角度考慮，一旦識別反應慢了幾拍或者操作系統的某個驅動器崩潰了…高精地圖（這得先要確保高精地圖這個模塊是隔離的）也能充當一層保護屏障。

無人駕駛浪潮與發展

這種在無人駕駛汽車上的「多重特殊身份」，使得高精地圖在 2015 年無人駕駛熱浪初起時，便被看作是一個有待崛起的新興行業，讓資本聞風而動。

實際上，除了 2015 年諾基亞旗下數字地圖品牌 Here 的股權被德國車企聯盟及零部件巨頭瓜分，2016 年騰訊向四維圖新增資 1.8 億，採用眾包方式採集數據的 ASAS 供應商 Mobileye 以 153 億美元價格被英特爾收購，以及各種數不清的強強合作之外，高精地圖創業項目的融資頻率在 2017 年形成了一個小高潮。

想用物流車繪製 3D 地圖的 Camera、前特斯拉工程師開創的 lvl 5，在激光雷達測繪方面頗有造詣的 CivilMaps，以開源平台起家的 Mapbox，都是在 2016 年底至 2017 年期間陸續斬獲大筆融資。

而反觀國內，雖然百度、高德、四維圖新等普通圖商對高精地圖業務早有布局，L4 級別以上的無人駕駛技術公司也紛紛表示要自己做高精地圖。但說歸說，由於涉及到政策、國土安全及前期投入過大等因素，高精地圖市場鮮有成果放出。

而與此同時，針對高精地圖業務的創業公司也姍姍來遲，在 2017 年底至 2018 年初才見到一些苗頭。然而，在我們最近與感測器硬體公司的接觸中發現，一些傳統測繪及數據採集軟體供應商與集成商，正在對高精地圖市場蠢蠢欲動。

成本之痛

「我們這段時間見了一些圖商，他們說因為無人駕駛對高精地圖的需求很迫切，讓他們又重拾了對地圖的『敬畏感』。「數字綠土的 CTO 趙寶林很感慨。

這家一直在林業、電網等傳統領域做無人機測繪採集處理軟硬體產品的公司，2017 年卻被越來越多的圖商找上門來，他們都提出了針對高精地圖的應用採集需求。

一個很明顯的趨勢是，除了互聯網圖商，機載導航方面的圖商也在紛紛向高精地圖轉型。他們需要在無人機或者車上安裝一套新的採集軟體及硬體配套設施，才能更高效得把城市道路信息採集下來。

其實直接複製無人機的那套數據採集系統，並無不妥。當前市場大部分高精地圖採集方案，實際上就是把無人機那套直接搬到了車上來。畢竟用於傳統測繪的數據採集系統，精度通常都要縮減至 5 厘米以內這個級別；而目前基於車速剎車距離以及決策響應時間的判定，高精地圖行業內更為認可的相對誤差精度為 20 厘米。

以古文物的三維重建為例，這些實物對於細節的要求更高，包括數字綠土在內的傳統測繪解決方案廠商，通常會用 1~2 毫米測距誤差的激光雷達。這樣高精度的激光雷達用到車上，從效果上來說自然沒有問題，但很顯然，高端的感測器，其價格也一定不菲。

」像我們這一套無人機激光雷達點雲採集軟硬設備，售價在百萬級。「趙寶林表示。

而且掛在無人機上意味著少數設備就能覆蓋很大面積，對採集頻度的要求沒有那麼高；但車載方案覆蓋的面有限，而且細節要求更多，甚至需要每時每刻都要發揮作用。

還有在質量方面，無人機或者大飛機上的探測條件沒那麼苛刻（苛刻的話選擇不去作業就好了），即便遇到顛簸也是平滑地緩衝，對硬體質量的要求沒那麼高。但在車上，就需要硬體達到全工況的適應性，所以激光雷達必須是非常工業級的產品。因此，成本就這樣上來了。趙寶林說出了當下創業公司，甚至圖商都難以做通高精地圖的最大痛點之一。

根據長江證券提供的一份 2017 年報顯示，由於地圖數據的採集與維護占固定成本絕大比重，因此高精度地圖是一個資金密集型的行業。如果沒有穩定市場份額與良好的盈利面，就無法與那些具有先發優勢且規模較大的對手進行競爭。

而又據《汽車商業評論》在 2016 年的報道，高德高精地圖測繪採集車的單輛成本就高達 800 萬人民幣，且僅擁有 6 輛（截止報道時間）。

不像國外，國內的很多圖商，特別是互聯網圖商，都是免費的。再去專門做高精地圖，如果不是像百度有其他業務線支持，其實很難承受這樣一個數據採集成本。圖商的困難在於，這個價格如果想批量買或者進行市場普及，他們根本承受不起。

然而，即便高精地圖的生產與維護成本讓人難以想像，但這卻正是其市場價值所在。對於想跨過這道價格門檻的公司來說，只有唯一一個理論層面可行的解決方案：用相對低成本的感測器和高性能的軟體，把這個東西解決掉。同時，這也意味著想解決價格門檻，就要克服另一個門檻——基於激光雷達點雲的三維特徵提取。

門檻中的門檻

據趙寶林透露，即便採集了影像和點雲數據，距離輸出高精度地圖，還是有一定的差距。

從數據到地圖，還有很長一段路要走，最關鍵的是三維特徵提取的準確性、精度和效率，畢竟，高精地圖有太多關乎安全的車道線、信號燈和交通設施要處理，這裡需要強大的軟體技術支持。

引入激光雷達的無人駕駛方案中，有些並未發揮激光雷達的全部價值，通常只用於動態目標的快速定位，而目標識別和跟蹤則要依靠影像信息。尤其是低價位 16 線或 32 線的雷達，本身點雲就非常稀疏，這對實時點雲處理技術是一個極大挑戰。

點雲示例：Velodyne 16 線激光雷達的點雲效果

但真實情況是，如果要做進一步識別跟蹤，激光雷達本身更具備優勢。因為精度更高，而且點雲信息本身就包含的幾何關係，相對影像的計算壓力更小，實時性更好。

此外，高精地圖車輛定位方面，基於關鍵特徵匹配，也能大大減少高精地圖的數據量級，這意味著傳輸帶寬與數據儲存成本也會隨之降低。因此，這項基於激光雷達的三維目標精確識別及特徵提取技術，被趙寶林看作是當下高精地圖乃至無人駕駛行業內的一個重要門檻。

趙寶林稱，」我們的優勢就是——在 GPS 信號不好甚至丟失情況下，能用點雲匹配技術和 SLAM 把地圖精度保持還能把物體的三維信息實時提取準確，抽取動態與靜態特徵，並與決策演算法配准。「

既然是門檻，便意味著商業價值。

目前，數字綠土除了正在跟一些上下游的硬體公司籌劃開發一個基於視覺系統的標準件，希望將激光雷達點雲數據採集與決策演算法打通外，公司也已經簽訂了與幾家圖商的項目合作，為他們解決困難路段的問題。

此外，他們也正在與多家整車廠建立合作關係，包括主流德系車企。

但讓人有些意外的是，趙寶林提到的客戶里，還有幾家明星無人駕駛技術公司的名字。這些明星創業者也同樣提出了關於用點雲提取三維特徵的技術需求。

趙寶林透露稱，」大家都是想儘可能降低對硬體的依賴吧。除了成本問題，感測器的性能與決策系統對突發情況的實時應對能力還沒有到完全被寄予厚望的時候當然，做 B2B 生意，公司習慣了幫別人做技術方案但不能報自家名字的要求。「

此外我們發現，作為數字綠土的重要投資方，順豐能夠提供給這家創業公司的應用場景條件也十分優渥。想像一下跑在全國各地的順豐物流車，如果把軟硬體設備「扣」在車上，那地圖作為一種副產品被製造出來，其成本也將大大降低。

高精地圖爭奪者之間的矛盾帶來了更多商機

很顯然，數字綠土切入高精地圖市場的角度並非「橫衝直撞」（也就是直接做高精地圖），而是巧妙地藉助了自己在傳統測繪領域的優勢以及高精地圖市場的痛點，先成為向高精地圖圖商及整車廠拿訂單的軟體工具提供商。這一點與國外的高精地圖創業公司 CivilMaps 的商業路徑有些相似——幫高精地圖採集者「減負」。

這家被福特看中的創業公司，也具備從點雲數據中摳出三維物體關鍵特徵的能力。而他們選擇的商業模式，也是採取眾包方式——與整車廠合作，在車上安裝自己的感測器軟硬體設備。

「由於在國內會面臨資質問題，而且投入成本高，高精地圖創業公司不太可能單幹，但這不意味著這個市場不能做。」趙寶林表示，自己從汽車巨頭以及圖商布局高精地圖的動作中，看到的是更多的商業機會。

從 Here 的股權變化中就能看出，整車廠都在加持對 here 的控制權。至少我們接觸的每一家整車廠都希望對高精地圖數據有一定的支配力。因為在每一個技術與產品都未成型的早期市場，每個玩家都需要嘗試多條腿走路。

實際上，對於汽車行業來說，高精地圖不僅僅是無人駕駛汽車必不可少的一部分這麼簡單。

一旦無人駕駛生態最終形成，大家最終搶奪的是終端內衍生的消費能力，而高精地圖，也會成為無人駕駛汽車大軍中一個必要的流量入口。

而這場針對高精地圖激烈的爭奪戰，意味著這項產品即便最後能夠規模化，也不會有統一的標準。

雖然目前國內國際似乎正在推動「標準化」這個事情，但趙寶林認為，這僅僅等同於先把三維高精地圖以一種相對結構化的、開放型的特徵採集下來，然後再以一種統一格式對高精地圖數據進行存儲管理。

趙寶林表示，」這只是高精地圖作為一個數據資產，其生產者與運營者之間對交付物判定的一種標準。你想，我們做一個項目，你交付給我這個東西是一個形態，但當我要去用的時候，我去換一種形態。而在使用過程中的事實標準，大家是永遠不會公開出來的。「

這就像圖商把產品提供給寶馬賓士，雖然給的都是國際通用標準格式，但上了寶馬的車，就已經完全不是以前的樣子，數據一部分會存儲在雲端，一部分會在車上。

而對於高精地圖來說，其作用範圍更大，承擔的任務更重：

既然感測器實時採集的數據需要被加工後轉到決策系統中進行比配，而每家車廠或科技公司都有自己不同的決策大腦。那麼，這個大腦在決策時用何種特徵進行匹配分析更快，一定需要對數據格式做出改動，找到最匹配的模式。因此，每家都會有自己的壁壘和專利，無一例外。

這意味著，一種通用格式是絕不可能行得通的。他認為，獨一無二的決策系統，決定了每家一定需要獨一無二的高精地圖。因此，我們先選擇做一個高精地圖工具提供者。

這樣看來，高精地圖市場參與者之間的「大矛盾」，恰恰為像數字綠土這樣在傳統測繪領域積累了豐富經驗的技術方案集成商，以及具備感測器融合技術優勢的無人駕駛公司們，切開了高精地圖市場成本與資質圍欄的一角。

所以，無論如何，對於優勝者來說，這將是一個利潤可觀的市場。

7月13-14日，坐標：武漢

來自國內外整車廠、供應商、高校、科研機構、創業公司的眾多智能化領域專家

將與您分享各家的商業化解決方案及實踐經驗

還在等什麼

快掃碼搶票吧

車雲聯合30位行業專家

歷時18個月精心打造

李駿、安慶衡、陳安寧傾情作序

徐和誼、徐留平、李書福、王傳福、馮興亞、李斌、湯恩、趙福全、王小川、吳聲聯袂推薦

車 雲 推 薦

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！