原标题：超越 " 无图化 "：为什么位置智能是 AI 驱动自主驾驶的关键层？

作者：陈艳，HERE Technologies 首席架构师及北亚地区汽车业务解决方案架构团队负责人

汽车与出行行业始终围绕着同一个问题展开讨论：自动驾驶功能是否能够依赖 " 无图（Map-less）" 系统运行？

无论是在中国还是全球市场，随着车企不断推进端到端 AI 模型的发展，以及车载传感器能力的持续提升，这一问题不断被提起。其背后的逻辑十分明确：如果车辆越来越能够实时感知并理解周围环境，那么地图是否还必不可少？

然而，现实情况远比这一观点更加复杂。

行业并非正在远离地图，恰恰相反，行业正在重新定义地图的价值和使用方式。

关于 " 无图 " 的许多讨论，归根结底源于术语定义的不同。

在实际应用中，" 无图 " 更多指的是对高清地图（HD Map）的依赖程度降低，而并非完全不使用地图。随着传感器性能和计算能力不断提升，自动驾驶系统对高密度、预先构建地图图层的依赖确实有所减少。然而，要实现安全且稳定的自动驾驶，系统依然需要依赖诸如车道连通性、道路曲率、限速信息以及交通规则等基础道路属性。

无论采用何种名称，这些本质上都属于地图所提供的信息。

真正的变化，不是在 " 有图还是无图 " 之间进行二选一，而是转向一个更实际的问题：自动驾驶到底需要什么样的位置智能，以及应该如何提供这些能力。

这一转变正在改变地图的设计和使用方式。行业正逐步摆脱统一、庞大的数据模式，转向更具针对性、更模块化的地图内容体系——针对不同应用场景提供最合适的地图属性，从高级驾驶辅助系统（ADAS）到更高级别的自动驾驶，皆是如此。

随着自动驾驶系统规模化落地，静态数据正逐渐成为制约因素。

道路网络不断演变，交通流量持续变化，道路环境也始终处于动态更新之中。在这样的背景下，地图价值越来越不再仅仅取决于精度，而更多取决于其更新速度和时效性。

要保持价值和相关性，位置智能必须能够持续更新并实现大规模交付。它需要实时反映不断变化的现实世界，并依托实时数据输入、反馈机制以及大规模数据融合能力进行持续优化。

正是这些能力，使自动驾驶系统即便在不断变化的运行环境中，也能够在既定条件下保持可靠运行。

除了实时驾驶场景之外，地图在自动驾驶系统的训练和验证过程中也正发挥越来越重要的作用。

高质量、结构化的地图数据能够支撑大规模仿真测试，使自动驾驶系统在正式部署之前完成充分测试与优化。

对于构建可规模化落地的可靠自动驾驶能力而言，这一点至关重要。

随着车企加速拓展全球市场，AI 模型的仿真、验证和本地化能力变得愈发重要。面对与本土市场存在显著差异的驾驶环境，高质量地图数据能够帮助车企以更大规模、更高效率开展环境仿真与验证，训练和优化 AI 模型，加速自动驾驶功能落地，而减少泛化测试和真实道路测试成本。

采用统一地图平台，同时支撑导航、自动驾驶和 AI 模型训练，可以确保整个技术栈的一致性，降低系统复杂度，并提升整体性能表现。

与此同时，地图本身也正在演变为动态平台。它们持续更新、不断吸收真实世界数据，并同时服务于人类用户与机器系统。

随着自动驾驶逐渐迈向以 AI 为核心的架构时代，行业面临的挑战已不再是数据是否充足，而是决策质量。

系统不仅需要理解复杂环境，还需要对海量输入进行优先级判断，并实时做出响应。这正是位置智能发挥关键作用的地方——它所提供的不仅是信息，更是帮助系统理解环境的结构化语境。

传感器负责告诉系统：" 正在发生什么。"

地图负责告诉系统：" 接下来会发生什么。"

AI 则负责帮助系统决定：" 应该采取什么行动。"

这一演进过程正在推动自动驾驶迈向 " 决策智能（Decision Intelligence）" 时代，在这一体系中，感知、环境语境和推理能力被统一整合为一个整体。

" 无图 " 概念之所以持续受到关注，是因为它确实反映了行业正在发生的深刻变化。

自动驾驶系统正在变得更加灵活，更加依赖 AI 驱动，也不再依赖传统僵化的技术架构。

但这并不意味着地图正在消失。

恰恰相反，地图正在经历一场深刻转型。

它变得更轻量、更动态，也更智能；它正被深度融入融合感知能力、位置智能和人工智能的全新系统架构之中。

自动驾驶的未来，并不会由地图的缺失来定义。

真正决定未来的，是这些能力如何高效融合，从而实现安全、可靠且可规模化发展的智能出行。

真正的行业变革方向，并非 " 无图驾驶 "。

而是迈向由洞察驱动的自动驾驶自主能力（Insight-Driven Autonomy）。