2016 年，Google 无人车项目在开始受到外界越来越多商业化质疑的同时，也遭遇了长达 10 个月的人事震荡。
那一年，选择离职的大批骨干员工，如今很多已成为当下无人驾驶圈中明星技术公司的创始人与 Google 无人车最强劲的对手。
如果细分他们当年在 Google 的所在部门，你会有一个发现：
这些人几乎来自两个项目，一个是无人车，而另一个则是地图。
实际上，机器人专家 Chris Urmson 在 2008 年被任命为无人驾驶项目 Project Chauffeur 的负责人之前，曾在 2007 年的街景项目中带领团队提前完成了 100 万英里的道路测绘工作；
而后来卷入 Google 与 Uber 技术机密纠纷的核心人物 Anthony Levandowski，也曾是街景项目的骨干成员。
甚至曾有外媒评论说，无人驾驶汽车看起来更像是谷歌地图团队孵化出来的一个项目。
这个团队在当时被全公司称为「美国街道的最大真相发现者」，因为他们在政府提供的原始数据基础上，不断主动添加利用测绘车采集的更为详细的地理信息。
而直到现在，大部分人才意识到，一幅标有「车道线、坡度、甚至是一块高度约 10 厘米凹坑」的详细地图信息对无人驾驶汽车的重要性。
「无人驾驶汽车的未来取决于高质量的地图。」
福布斯杂志的这句评论并没有夸大，其「超强的存在感」来源于无人驾驶的一个特性：
既消耗数据（燃料），也生产数据（收集信息）。
举个例子，一辆无人车即便安装了各类传感器与软件工具，也需要经历「冷启动」阶段。但好在机器们都具备「蜂巢思维」这个优点，把另一辆汽车上收集的数据记忆完全移植到另一辆车的「大脑」中，是一件分分钟能做到的事情。
而那些配置好的视觉感知器与计算机视觉系统，又在无人车按照高精地图进行定位、导航以及规划路线的同时，精准捕捉周围环境特征，不断补充、校正与更新高精地图背后的庞大数据库。
另一方面，即便近年来视觉传感器与深度学习软件的性能有了大幅提升，汽车操作系统的可靠性逐渐从地图数据存储转移到实时场景识别。
但从安全冗余角度考虑，一旦识别反应慢了几拍或者操作系统的某个驱动器崩溃了…高精地图（这得先要确保高精地图这个模块是隔离的）也能充当一层保护屏障。
这种在无人驾驶汽车上的「多重特殊身份」，使得高精地图在 2015 年无人驾驶热浪初起时，便被看作是一个有待崛起的新兴行业，让资本闻风而动。
实际上，除了 2015 年诺基亚旗下数字地图品牌 Here 的股权被德国车企联盟及零部件巨头瓜分，2016 年腾讯向四维图新增资 1.8 亿，采用众包方式采集数据的 ASAS 供应商 Mobileye 以 153 亿美元价格被英特尔收购，以及各种数不清的强强合作之外，高精地图创业项目的融资频率在 2017 年形成了一个小高潮。
想用物流车绘制 3D 地图的 Camera、前特斯拉工程师开创的 lvl 5，在激光雷达测绘方面颇有造诣的 CivilMaps，以开源平台起家的 Mapbox，都是在 2016 年底至 2017 年期间陆续斩获大笔融资。
而反观国内，虽然百度、高德、四维图新等普通图商对高精地图业务早有布局，L4 级别以上的无人驾驶技术公司也纷纷表示要自己做高精地图。
但说归说，由于涉及到政策、国土安全及前期投入过大等因素，高精地图市场鲜有成果放出;
而与此同时，针对高精地图业务的创业公司也姗姗来迟，在 2017 年底至 2018 年初才见到一些苗头。
然而，在我们最近与传感器硬件公司的接触中发现，一些传统测绘及数据采集软件供应商与集成商，正在对高精地图市场蠢蠢欲动。
成本之痛
「我们这段时间见了一些图商，他们说因为无人驾驶对高精地图的需求很迫切，让他们又重拾了对地图的『敬畏感』。」数字绿土的 CTO 赵宝林很感慨。
这家一直在林业、电网等传统领域做无人机测绘采集处理软硬件产品的公司，2017 年却被越来越多的图商找上门来，他们都提出了针对高精地图的应用采集需求：
「一个很明显的趋势是，除了互联网图商，机载导航方面的图商也在纷纷向高精地图转型。他们需要在无人机或者车上安装一套新的采集软件及硬件配套设施，才能更高效得把城市道路信息采集下来。」
其实直接复制无人机的那套数据采集系统，并无不妥。
当前市场大部分高精地图采集方案，实际上就是把无人机那套直接搬到了车上来。
毕竟用于传统测绘的数据采集系统，精度通常都要缩减至 5 厘米以内这个级别；而目前基于车速刹车距离以及决策响应时间的判定，高精地图行业内更为认可的相对误差精度为 20 厘米。
以古文物的三维重建为例，这些实物对于细节的要求更高，包括数字绿土在内的传统测绘解决方案厂商，通常会用 1~2 毫米测距误差的激光雷达。
这样高精度的激光雷达用到车上，从效果上来说自然没有问题，但很显然，高端的传感器，其价格也一定不菲。
「像我们这一套无人机激光雷达点云采集软硬设备，售价在百万级。
而且挂在无人机上意味着少数设备就能覆盖很大面积，对采集频度的要求没有那么高；但车载方案覆盖的面有限，而且细节要求更多，甚至需要每时每刻都要发挥作用。
还有在质量方面，无人机或者大飞机上的探测条件没那么苛刻（苛刻的话选择不去作业就好了），即便遇到颠簸也是平滑地缓冲，对硬件质量的要求没那么高。
但在车上，就需要硬件达到全工况的适应性，所以激光雷达必须是非常工业级的产品。
因此，成本就这样上来了。」赵宝林说出了当下创业公司，甚至图商都难以做通高精地图的最大痛点之一。
根据长江证券提供的一份 2017 年报显示，由于地图数据的采集与维护占固定成本绝大比重，因此高精度地图是一个资金密集型的行业。如果没有稳定市场份额与良好的盈利面，就无法与那些具有先发优势且规模较大的对手进行竞争。
而又据《汽车商业评论》在 2016 年的报道，高德高精地图测绘采集车的单辆成本就高达 800 万人民币，且仅拥有 6 辆（截止报道时间）。
「不像国外，国内的很多图商，特别是互联网图商，都是免费的。再去专门做高精地图，如果不是像百度有其他业务线支持，其实很难承受这样一个数据采集成本。
图商的困难在于，这个价格如果想批量买或者进行市场普及，他们根本承受不起。」
然而，即便高精地图的生产与维护成本让人难以想像，但这却正是其市场价值所在。
对于想跨过这道价格门槛的公司来说，只有唯一一个理论层面可行的解决方案：用相对低成本的传感器和高性能的软件，把这个东西解决掉。
这意味着，想解决价格门槛，就要克服另一个门槛——基于激光雷达点云的三维特征提取。
门槛中的门槛
据赵宝林透露，即便采集了影像和点云数据，距离输出高精度地图，还是有一定的差距。
「从数据到地图，还有很长一段路要走，最关键的是三维特征提取的准确性、精度和效率，毕竟，高精地图有太多关乎安全的车道线、信号灯和交通设施要处理，这里需要强大的软件技术支持。」
「引入激光雷达的无人驾驶方案中，有些并未发挥激光雷达的全部价值，通常只用于动态目标的快速定位，而目标识别和跟踪则要依靠影像信息。
尤其是低价位 16 线或 32 线的雷达，本身点云就非常稀疏，这对实时点云处理技术是一个极大挑战。」
点云示例：Velodyne 16 线激光雷达的点云效果
但真实情况是，如果要做进一步识别跟踪，激光雷达本身更具备优势。因为精度更高，而且点云信息本身就包含的几何关系，相对影像的计算压力更小，实时性更好。
此外，高精地图车辆定位方面，基于关键特征匹配，也能大大减少高精地图的数据量级，这意味着传输带宽与数据储存成本也会随之降低。
因此，这项基于激光雷达的三维目标精确识别及特征提取技术，被赵宝林看作是当下高精地图乃至无人驾驶行业内的一个重要门槛。
「我们的优势就是——在 GPS 信号不好甚至丢失情况下，能用点云匹配技术和 SLAM 把地图精度保持，还能把物体的三维信息实时提取准确，抽取动态与静态特征，并与决策算法配准。」
既然是门槛，便意味着商业价值。
目前，数字绿土除了正在跟一些上下游的硬件公司筹划开发一个基于视觉系统的标准件，希望将激光雷达点云数据采集与决策算法打通外，公司也已经签订了与几家图商的项目合作，为他们解决困难路段的问题。
此外，他们也正在与多家整车厂建立合作关系，包括主流德系车企。
但让人有些意外的是，赵宝林提到的客户里，还有几家明星无人驾驶技术公司的名字。这些明星创业者也同样提出了关于用点云提取三维特征的技术需求。
「大家都是想尽可能降低对硬件的依赖吧。除了成本问题，传感器的性能与决策系统对突发情况的实时应对能力还没有到完全被寄予厚望的时候。
当然，做 B2B 生意，公司习惯了帮别人做技术方案但不能报自家名字的要求。」
此外我们发现，作为数字绿土的重要投资方，顺丰能够提供给这家创业公司的应用场景条件也十分优渥。
想象一下跑在全国各地的顺丰物流车，如果把软硬件设备「扣」在车上，那地图作为一种副产品被制造出来，其成本也将大大降低。
高精地图争夺者之间的矛盾带来了更多商机
很显然，数字绿土切入高精地图市场的角度并非「横冲直撞」（也就是直接做高精地图），而是巧妙地借助了自己在传统测绘领域的优势以及高精地图市场的痛点，先成为向高精地图图商及整车厂拿订单的软件工具提供商。
这一点与国外的高精地图创业公司 CivilMaps 的商业路径有些相似——帮高精地图采集者「减负」。
这家被福特看中的创业公司，也具备从点云数据中抠出三维物体关键特征的能力。
而他们选择的商业模式，也是采取众包方式——与整车厂合作，在车上安装自己的传感器软硬件设备。
「由于在国内会面临资质问题，而且投入成本高，高精地图创业公司不太可能单干，但这不意味着这个市场不能做。」赵宝林表示，自己从汽车巨头以及图商布局高精地图的动作中，看到的是更多的商业机会：
「从 Here 的股权变化中就能看出，整车厂都在加持对 here 的控制权。至少我们接触的每一家整车厂都希望对高精地图数据有一定的支配力。」
因为在每一个技术与产品都未成型的早期市场，每个玩家都需要尝试多条腿走路。
「跟几家与阿波罗合作的车厂聊，他们其实对数据以及高精地图的态度都非常积极。」
实际上，对于汽车行业来说，高精地图不仅仅是无人驾驶汽车必不可少的一部分这么简单。
一旦无人驾驶生态最终形成，大家最终抢夺的是终端内衍生的消费能力，而高精地图，也会成为无人驾驶汽车大军中一个必要的流量入口。
而这场针对高精地图激烈的争夺战，意味着这项产品即便最后能够规模化，也不会有统一的标准。
虽然目前国内国际似乎正在推动「标准化」这个事情，但赵宝林认为，这仅仅等同于先把三维高精地图以一种相对结构化的、开放型的特征采集下来，然后再以一种统一格式对高精地图数据进行存储管理。
「这只是高精地图作为一个数据资产，其生产者与运营者之间对交付物判定的一种标准。
你想，我们做一个项目，你交付给我这个东西是一个形态，但当我要去用的时候，我去换一种形态。而在使用过程中的事实标准，大家是永远不会公开出来的。」
这就像图商把产品提供给宝马奔驰，虽然给的都是国际通用标准格式，但上了宝马的车，就已经完全不是以前的样子，数据一部分会存储在云端，一部分会在车上。
而对于高精地图来说，其作用范围更大，承担的任务更重：
既然传感器实时采集的数据需要被加工后转到决策系统中进行比配，而每家车厂或科技公司都有自己不同的决策大脑。
那么，这个大脑在决策时用何种特征进行匹配分析更快，一定需要对数据格式做出改动，找到最匹配的模式。
因此，每家都会有自己的壁垒和专利，无一例外。
「这意味着，一种通用格式是绝不可能行得通的。」他认为，独一无二的决策系统，决定了每家一定需要独一无二的高精地图。
「因此，我们先选择做一个高精地图工具提供者。」
这样看来，高精地图市场参与者之间的「大矛盾」，恰恰为像数字绿土这样在传统测绘领域积累了丰富经验的技术方案集成商，以及具备传感器融合技术优势的无人驾驶公司们，切开了高精地图市场成本与资质围栏的一角。
无论如何，对于优胜者来说，这将是一个利润可观的市场。
