6月15日上午， WGDC2018自动驾驶地图峰会在北京国家会议中心举行，来自中海庭、易图通、奇点汽车、知卓集团的嘉宾举行了名为“自动驾驶时代传统图商是否会被颠覆”的圆桌论坛，论坛由四维图新战略合作与拓展总监雷新彬主持。
参与嘉宾：
四维图新战略合作与拓展总监雷新彬
易图通副总裁羊铖
中海庭总经理助理李玉东
奇点汽车智能系统部高级总监刘瑞祥
知卓空间产业集团首席架构师崔运凯
以下为论坛实录：
雷新彬：
首先还是欢迎各位嘉宾，按照圆桌论坛的国际惯例，我们还是请各位嘉宾先做一个简短地自我介绍，包括您和公司。
羊铖：
我是来自北京易图通科技有限公司的羊铖，我是负责自动驾驶研发中心，我们公司应该算是一家老牌的图商。因为我们公司主要业务是2B的业务，给车厂做前端的导航地图的工艺，应该说我们公司的历史也是比较长。成立自动驾驶研发中心有两年的时间专注于做高精度地图，包括ADAS地图等等方面。谢谢！
李玉东：
各位同事大家好！我是来自武汉中海庭的李玉东，现在职务是总经理助理。介绍一下中海庭的历史，2016年之前是属于事业部，2016年9月21号中海达投资我们独立成立了中海庭，2017年9月上汽入资控股我们，我们现在正式成为上汽的二级企业，对外都是叫上汽中海庭。2016年之前更多的是跟四维图新、易图通合作，服务于他们来做数据，跟上汽合作之后这块的业务方向做了调整，目前主要是在高精度业务服务于上汽集团到2020年之前的规划，特别是场景地图。对外会说高精地图业务，但是现在是针对车厂需要的场景地图的制作。
刘瑞祥：
大家好！我是来自奇点汽车的刘瑞祥。奇点汽车是2014年成立的，我们是一家新的造车势力。奇点汽车的定位是给未来用户提供新能源智能汽车，奇点汽车也有自己的一些研发，在自动驾驶部分也有研发部门，我们希望未来奇点汽车的车能够更智能，提供用户更智能的用车服务。
崔运凯：
大家好！我是来自知卓的崔运凯，知卓是由陶闯博士在2014年创立的，主要是做空间产业的相关布局，包括投资，包括实业。我自己是在Uber，美国ATC的Uber无人驾驶部门，刚成立的时候加入Uber，一直在做无人车相关的研发工作。后来回国来帮助知卓集团，从无人驾驶方向作为切入点来做相关的工作。
1
传统图商是否会被颠覆
雷新彬：今天主办方邀请的四位嘉宾很有代表性，羊总这边是传统图商，李总这边比传统图商更近一点，刘总这边是新型整车厂，崔总这边是知卓集团站在另外的一个视角来看待产业的变化。我们先从羊总这边开始问，我们今天这一环节的主题叫“自动驾驶时代传统图商是否会被颠覆”？我们看一看传统的图商怎么看待这个问题。前一段时间曾经有人这样讲，说使用传统的导航电子地图再加上传感器再加上一些部件就可以做到高级别的自动驾驶。羊总怎么看这个问题？
羊铖：这个问题不是我第一次被问到，应该说包括我们的客户、包括我们的朋友，经常会有这样的疑问。我对这个问题的回答是“是，也不是”。
为什么说是？应该说大家为什么会这样问？就是从人类的驾驶来说只有一双眼睛和一双耳朵，然后加上我的大脑就可以顺利地驾驶汽车。为什么我们用普通的地图加上传感器就不行？包括我们后台的这些算法，可以说传感器就是汽车的眼睛，然后后来的这些算法就是汽车的大脑。从理论上来说，这样是可行的。
但是我为什么又说不行？一定需要高精度地图来辅助自动驾驶来实现。对于自动驾驶来说，可能最最重要的问题就是安全。大家可能也经常看到新闻，包括像特斯拉、Uber出了交通事故以后，大家的关注度非常高。应该说，自动驾驶的目的不但是取代人驾驶，而是要做到比人类的驾驶员更安全。但目前从传感器的技术上来说其实是有些缺陷，无论是哪种传感器。
从两个角度来说一下这个问题。首先，传感器的可靠性，包括它在不同情况下的适应性，应该说目前还达不到非常高的性能要求。另外，大家也知道传感器是有一个作业范围，你无论是毫米波雷达也好，还是激光雷达，它的探测距离都是有限度的，而高精度地图从ADAS时代来说有另外一个说法叫做电子地平线。
可以说，地图给了传感器范围以外的视角，可以提供传感器范围以外的信息。这是一个方面。另外高精度地图还可以提供在普通地图中不具备的属性，比如说像坡度的属性、渠地的属性、车辆控制的属性。可以这么说，有了高精度地图的帮助，第一，安全性方面。第二，经济性方面。第三，可靠性方面。这些方面都可以做到比人类驾驶员更好。
我的结论是在很长一段时间内，自动驾驶是离不开高精度地图的帮助。谢谢！
李玉东：我接着羊总讲。羊总基本上把传统图商的标准都讲了，我如果接着再讲就没有意思。我接着再往前推进一步，要么说这个命题是错的，为什么这么说？传统地图再加传感器能不能服务智能自动驾驶？我想包括雷总提的是有定义的。至少在L3、L4级别的自动驾驶，这种情况肯定是不行的。为什么这么说？包括之前在中海庭前身的时候，园区里用车跑轨迹线实现了一定的自动驾驶，沿着轨迹跑。
但这不是L3、L4级别的前提，如果说是L3、L4级别以上，我们参加了很多的峰会都有介绍，这个情况也是像羊总说的必须是要有高度的支撑。包括现在中海庭跟上汽结合得很紧，从前瞻部门的技术路线上，我们认为传统二维地图跟高精地图是可以并用的，但是并用的情况下面，自动驾驶的就是高精度地图或者场景地图，二维地图更多的是因为高精地图没有全国覆盖，更多的是利用二维地图是做目的地设定和POI查询，如果控制还是需要高精地图的支持。我补充这些。
雷新彬：刘总有什么补充？
刘瑞祥：由于现在阶段很多技术的限制和传感器的限制，为了更好地达到高度的自动驾驶，现在大家把高精地图都提到日程上来。通过高精地图其实是为了降低实现自动驾驶的难度，大家会看到不但人会开车，猪狗走路都不会去撞。现在技术的发展是在摸索，但是我相信大家谈的自动驾驶还更多的是自动驾驶，我设定AB点是固定路线去行驶，通过车本身的传感器去避障是最基本的。
我相信未来自动驾驶还有很长的一段路，这里面地图在发展、传感器在发展、技术在发展。有可能10年之后、20年之后，是不是说自动驾驶一定需要高精地图？是不是普通地图加上车的本身智能也可以实现自动驾驶？这可能也是未来的路线。但是具体什么时候能实现或者是不是这样？我觉得很多时候是需要多行业、跨行业的研发。
雷新彬：刘总，你们应该也在做自动驾驶研发是吗？您这边采用的技术路线是什么样的？
刘瑞祥：目前奇点起点是主机厂，我要造车卖产品，讲的更多的是落地量产。目前奇点汽车自动驾驶研发更加偏向于说先要做L2的自动驾驶，在这里面可能对高精地图的依赖就没有那么大。我们更多的研发是基于车本身的智能方向。
雷新彬：谢谢刘总。崔总一定是给我们一个不同的视角，请崔总分享一下自己的观点。
崔运凯：我还是非常同意各位前辈的看法，尤其是羊总也讲过的，我们最后做无人驾驶最关键的点是要做更安全的驾驶。我们是想让整个交通从A点到B点变得更加的安全，所以我们如果只是按照常规的思维来讲这件事是人加地图就可以实现驾驶的话，我们很难做到比人更好，尤其是以现在的技术手段，不光是算法和技术也好还很难达到人的水平。如果连人的水平都没有达到再加上普通的地图，我们很难实现比人更好的驾驶结果。
从另外一方面讲，至少我在美国看到的一个主流观点是这样的，高精地图到底是不是地图？这其实也是一个值得考虑的一点。我感觉一个主流的观点是高精地图的本质已经超越了地图，以前定义地图的本身。高精地图的本质是把一部分的计算，从线上拿到了线下，我们可以说它是高精地图。另外一种说法可以说是把可以线下计算的东西提前计算出来，然后给到车的本身。另外一方面，我们非常想让自动驾驶落地成为现实，因为它所带来的社会影响力是非常的巨大，它能成就的生命以及所能带给整个社会的效率提升非常的巨大。
如果从这个角度上来想，我们最终的目标是让自动驾驶尽快实现。所以不管什么样的方法能使它尽快的实现都是非常好的方法。
2
自动驾驶会在什么时间实现
雷新彬：通过这一轮的对话，我们能够看到嘉宾的观点蛮一致的。羊总的观点很有代表性，刚才这个问题并不是是和否的问题，技术上来讲完全是可行的。但是因为自动驾驶的目的是什么？并不是为了自动而自动，而是为了让车更加安全、更有效率。从这个角度上来说，高精度地图使用会更有助于我们实现这样的一个目标。从另外一个角度来讲，刚才奇点的刘总观点会代表着整车厂对这个事情的贡献，我们知道像崔总您原来在Uber，我知道Uber很接近互联网公司在做无人驾驶研究。注意到刚才刘总讲的很务实，我们还是先做好低级别的自动驾驶，但其实是对实现安全的目标有很大的帮助。
下一个问题可能是问到崔总这边，刚才前面的也有嘉宾在演讲，自动驾驶、无人驾驶对它的发展都有很多乐观或悲观的估计，您的估计是怎样的？按照时间来算，三年、五年，2020年、2025年、2030年，到什么时候能够实现L3、L4更高级别的无人驾驶，乃至自动驾驶？
崔运凯：我个人是自动驾驶乐观主义者。我感觉要是让我直接回答这个问题的话，我想说今年，但这是有前提的。大家也能看到在很多的主流媒体上的新闻可以看到，包括Waymo在内很多公司想实现今年的落地，但是今年的落地不可能在非常广域的场景下进行落地，即便是在城市驾驶的场景下，大家可以看到Google一家全资子公司的Waymo，他们的测试场景是在一个大郊区。这个地方的居民有一定的需求想要去做这样的尝试，因为它的整个场景相对的简单，道路非常的规范。一般场景做到能在小的区域去进行一定的运营、进行一定的尝试，我感觉对Uber是非常重要的。
无人驾驶技术的实现是其中的一方面，另外一方面是用户体验上不断的迭代。如果我们一直把它当做一个技术的问题去解决，最后很难提升的是用户的体验。很长的时间需要观察用户是如何和自动驾驶车进行交互，我可以需要观察什么样的自动驾驶才能给用户进行更好地体验。还有这些好多真实运行当中所发生的问题都是需要进行真实的运行、真实的落地，才能去不断地积累这样的经验。
所以，我感觉Uber做得非常好的一点。 Uber积累了很多的经验，它知道大众对于无人驾驶这件事本身的想法是什么样的，他在无人车里面会做些什么，他是怎么和无人驾驶进行交互的。
我在Uber的时候，Uber是一个非常产品的公司，他更想给用户提供可用的产品，而非是纯解决技术难题。从这一角度上来讲，我感觉到很多的无人驾驶企业还是新兴势力也好，他们都是想尽快的落地。从技术条件上来讲，只要我们能通过现在有的手段，比如说大数据的手段分析出行数据，然后把产品限定在可以去处理的场景下，我感觉这些都是可以尽快做到的。
雷新彬：看来崔总这边还是互联网公司的风格，对这件事情相对的乐观。换一个问题问李总，我们都知道中海庭的背景，上汽在你们背后是有控股的地位。我们很感兴趣上汽的引入在你们这边对图商来说产生了哪些的推动作用？
李玉东：应该说从上汽入股后整个的战略、整个的组织架构，包括整个的运营都发生变化。之前跟很多老总都交流过，我们还走传统的图商路线，我们会考虑高速覆盖、城区覆盖，会谈这种的计划。但是上汽进来之后，我们这块发生了比较大的变化，更多的是作为车厂产品发布的计划是什么样的，它要包含哪些功能？包含哪些场景？特别是今年在北京车展可以看到的要实现最后一公里的自动驾驶。所以说，它更关注的是一栋大楼或者机场或者火车站内部的道路，以及内部道路连接地库的道路，这是我们目前最重要的场景。我们的产品线就会切换到这边。
另外可能2019年、2020年会有部分的高速公路的自动驾驶，那我们就对应到那个计划，目前是以服务车厂战略为目标来制定产品规划，包括内部的组织。以前我们可能更多的是以做图为主，只需要给到车厂需要的数据，像现在的ADAS协议。除了做图之外还要做这块的工作，输出车厂需要的数据，而不是几个G或者多少个T的高精地图给他，他需要经过处理以后看接收数据。包括有这样的部门和引入这样的人才来做这块的工作，应该说是整体的变化。
雷新彬：通过李总的介绍，我们发现上汽会改变您这边产品的路线图，可能更贴近落地的场景。刚好您身边的刘总是来自整车厂，我想问一下刘总，站在您这边的角度来看，从您来看对于自动驾驶将来的路线是很接近或者说您还有其他的一些观点？
刘瑞祥：我觉得作为主机厂一定要循序渐进，它一定是说背着包袱我要卖产品，不像纯互联网公司就是做自动驾驶的大脑或者技术，从而去跟主机厂合作。所以说，两个路线都没有错。作为主机厂，对于我们来说可能要做L2的话，我可能也需要在地图上获得更多的信息，比现在的普通地图要更多一些，就像刚才李老师也讲到的ADAS地图。比如说这里面在转弯的车道线，转弯的路口是需要获得到的。之前的ADAS功能更多的是位置的功能，比如说自适应巡航，车道保持，像做L2高速地图前面是弯道，弯道的距离是多少，可以提前减速过来。如果做到更好的用户体验也需要在地图上去更新，但是它又达不到高精地图的程度。
雷新彬：像中海庭您这边会不会考虑说，现在有很多传统的图商和新创业的图商，您这边也会不会投资一家图商更贴近于自己的需求来做动作？说真话。
李玉东：首先，我不能代表公司。但是这也是要去考虑的，现在普通导航，大家在手机上用都是免费的，地图的更新也不需要收费。但即使普通导航在车上也是有收费的，比如说一年、两年，地图更新了要收费，如果说自动驾驶到来之后，地图到底怎么提供给用户？是让用户掏钱，还是车厂掏钱？还是说未来有一个很大的运营商来运营？商务模式到现在没有很明确或者说更容易让用户接受的模式。我个人的观点可能更期望去投资能够在地图这块往运营方向去做研究的公司。
3
高精地图会有什么样的商业模式
雷新彬：还是希望有一些创新的东西出来，你觉得更有投资价值。现在这个问题到羊总这边，我们今天讲传统图商，高精度地图可以认为它是新的地图，这样的地图在生产模式和商业模式来看会有怎样的差别？您给大家分享一下。
羊铖：应该来说，传统地图和高精度地图的生态模式差别非常大。在座的对传统地图是非常的熟悉，我想把地图时代分成几个时代。从图商的角度来看，第一是在完全Off line的时代可以用一种Licence模式。
简单地来说，我把地图卖给客户，比如说像车厂或者是其他的用户，每张地图按照Licence来付费。第二个时代是Licence时代慢慢地在过去，目前的时代是车联网的时代。车联网的时代比原来的商业模式和原来已经有一些变化，首先Licence还是存在，但现在是越来越低，甚至有一些项目或者有一些客户已经没有Licence。
雷新彬：比如哪些客户？
羊铖：不太方便说，应该说有一些客户已经不用Licence。但是对于商业来说，一定要有商业模式才是一个健康的商业模式，在没有Licence情况下，大家都在从后向收费。从车联网或者是地图本身延伸出来的服务来进行收费，这就是目前的一种模式。而到了高精度地图阶段，目前真正的商业化并没有开始。
我想也是分几个阶段，首先第一个阶段相对于传统的Licence模式，在高精度地图真正到来的早期阶段功能相对比较简单，而且竞争也没有这么激烈，所以说还是会沿用Licence模式，而到后期会进入服务模式。应该说，高精度地图和传统地图，今天谈了很多的区别，我个人觉得最重要或者说最大的区别是对更新的要求。
今天也讲到传统地图像给车厂从年发到半年发到季发、月发、周发等等，而对高精度地图来说牵涉到车辆的控制、车辆的安全，一定是实时更新，对地图更新的要求是非常非常的高。所以说以后的商业模式包括地图也会进入到服务模式，我以开始给你可以不收Licence或者是非常低的Licence。
如果来使用地图更新或者是地图的动态信息，今天没展开来讨论这个事，高精度地图除了地图本身以外还包括实时发生的事件等等的动态信息。如果需要这些信息一定是需要地图商提供云端的服务，包括更新，包括实时事件的发布，而图商可以通过服务模式来收取商业利润或者是商业利益。我觉得这就是高精度地图时代和传统地图时代商业模式的区别。
雷新彬：看起来并不是传统图商被颠覆，而是传统模式看起来会有很大的变化。刚好下一个问题问崔总，您在知卓产业集团，有一个投资的话题问到您这边。假设我们现在是在一个投资的节目，有几位拿着业务来争取投资。假设是羊总是传统的图商，但是没有创新的业务、新的模式。假设还有一位图商新的创业者代表，比如Momenta，比如说还有摄像头做采集的公司，在您看来会选择哪一家？
崔运凯：这是非常好的问题，我也大概讲一下知卓的理念。我们对于高精度地图的理解和大家不太一样的地方，我们不是把它局限成一个统一的形式，我们认为高精度地图本身来讲是满足无人驾驶的几个基本功能，第一个功能之一就是定位，定位的方案有多种多样不同的方案，有主流、向外国厂商、向Uber在做的这套靠激光的方案，还有好多初创公司在尝试根据车道的几何和实时车道监测来进行车道匹配的地位，还有基于传统的计算机视觉来做特征提取和语义信息提取的方案。站在我们的角度认为，所有只要能实现地位功能，能把地位提高到一定精度的方案都是可以采用的方案。所以对地图的看法来讲，感觉地图本身有可能就是多种形式融合的体现，再会根据主机厂上的需求，再根据下游的需求不断的提高需求的产品，但我们输出的是定位的能力。回到这个问题来讲，如果有三家公司在我们面前需要给他们投资的话，那我们三家都会投。
【现场提问】
雷新彬：看来崔总是跨界融合的高手，觉得各有千秋、各有利弊。刚才四位嘉宾已经在台上做了很干货的分享，下面还有一点点时间留给现场的观众。马上到中午了，大家还坚持到现在，给大家一些机会，有什么问题给台上这四位嘉宾？
提问：主持人好，各位嘉宾老师好，我有这样的一个问题，假如自动驾驶汽车商业化在早期对高精度地图依赖度比较高，可能在比较多的人，主要是在人口密度比较高的城市才有这样的可能，而人口密度比较低、偏远化的城市，可能在未来几十年没有办法使用自动驾驶汽车的。
雷新彬：您的问题是说，从人口密集度来说，大城市可能会更快一点的推进，反而在人烟稀少的地方、小的城市发展的慢一点，您的问题是这样的吗？
提问：对的。
雷新彬：下面，四位嘉宾看看谁能回答一下他们的问题？
羊铖：我来说一下我的看法。刚才这个问题也非常好，首先，目前客户或者说计划对于道路的覆盖有两种，应该说，作为我们图商来说，覆盖到哪个地方一定是根据需求来的。一种需求可能是大多数OEM他们的需求，他们首先是希望覆盖高速公路。首先你要覆盖全国的高速公路，因为在高速公路上给驾驶员带来自动驾驶或者说能带来一些帮助。
另外一种应用场景是完全不同的应用场景，今天其实也有提到的Uber这边做的事，他们的要求是希望在城市内进行运营。这也是看运营公司的规划，首先一定是大城市，如果他们在相对偏远的城市有运营计划，我想我们的高精度地图也会覆盖到那儿。
在这个问题中还隐含了一个问题，我想再多说两句。业内普遍认为自动驾驶的落地一定是2B，包括商用车的应用场景或者说真正到2C阶段会相对远一些。
我理解您刚才的问题，如果买一辆无人驾驶的车，是不是在偏远地方就不能用了？但是我想真正到那个阶段的话相对来说比较远，而且图商应该也会覆盖到那些偏远地方，会满足需求来覆盖。
雷新彬：现场的朋友还有问题吗？
提问：因为这个会议的主题是传统的图商跟高精度地图之间的关系，我想问一下，大家对传统图商或者地图的制作，包括生产，这一块还有没有生命力？包括在未来的几年里面会不会被边缘化或者弱化。
雷新彬：你这个问题想要提给哪一位嘉宾？
提问：大家都可以发表自己的看法。
羊铖：我觉得这个问题是有点针对我们传统图商的。应该说，我们做地图做了很多年，真正开始做高精度地图也是有四五年的时间了。刚才这个问题是问传统图商的做法是不是会被淘汰或者说是不是会被边缘化落后？
我可以这么说，作为传统图商来说，我们现在要做的是既要传统也要不传统。怎么样的说法？我说的传统就是图商做图，雷总也非常的清楚，做图是非常严谨或者说需要非常多质量控制的一项工作，应该说每家传统图商在工作中的Know how积累是非常多的，怎么样控制质量、怎么样适应不同的情况。
为什么说又需要不传统？应该说最近两年非常多的AI公司给行业或者说给制图行业带来非常新的思维方式。而我们图商需要做的就是在刚才传统的基础上也要去吸收、接纳新生的技术。就我们公司来说，我们现在也跟包括在座的AI公司在进行合作，利用双方的优势，一方面工程化的能力，因为做全国图并不是一件非常化的事，工程化的能力让地图能真正的落地，同时也通过合作吸取一些新型公司，他们AI公司强在算法，强在处理能力。把双方的优势结合以后，在未来应该是非常好的时代，包括技术的成熟。应该说，在未来也会用这些新技术，通过合作包括自己的研发来适应新时代。谢谢！
雷新彬：作为主持人本来是想保持中立的立场，但是我还是忍不住想发表一下观点。我认为是需求和驱动，从市场上来说对LBS的需求还是存在的，量越来越大，这个需求点跟过去不一样，需要更深度、更丰富的内容。另外新鲜度或者实时度更好，即使是传统的地图还是不断地有一些新的变化、新的内容，所以这一块的东西仍然会存在。像刚才羊总讲的一样，可能它还是会存在，但是在逐渐的发生变化，无论是本身的内涵，还是从生产的模式方面来说都是在往前走。
换句话讲，十年前和今天的导航电子基础或者2018年到2025年到2028年再来看，可能相关的LBS业务还做，但是会发现里面的内容一直在往前走。芯片领域有摩尔定律，我觉得LBS领域不像摩尔定律那么快，但仍然会有非常大的变化。
从这个意义上来讲，传统这个词，如果一个图商或者是企业永远用一成不变的方式去做同样一件事情，这是比较危险的一件事情。真正要做的是说，你永远去追随看到市场、看到变化、看到新的趋势，然后找到新的趋势下最合适的那个点。谢谢！
由于现在比较踊跃再留给现场一个问题。
提问：非常感谢各位嘉宾的分享。刚刚羊总回答的地图覆盖率的问题，我就想到了几个问题。第一，现在大部分都在做高速的高精度地图，对于城市的高精度地图是产品的形态会不会非常的不一样？比如说地图的数据属性以及驾驶行为都不太一样，目前是否有图商已经有城市的高精度地图覆盖？还有高精度地图作为给车看的三维模型，除了可以服务于无人驾驶，那还有其他应用落地的场景吗？谢谢！
李玉东：这块我来先补充一点。确实如你所说，现在大家主要是在高速道路，但是关于你刚才提的城市内道路，实话实说，目前中海庭没有很多覆盖，特别是没有联网覆盖，而且目前采用模式还是像高速一样。但目前我们根据车厂发展或者是产品化时间也是提出我们的方案，城市道路不会等同于高速道路的采集方案，特别是采集车的配置以及采集的方式。虽然我们还没开始操作，但是规划已经发生变化，可能更多的是城市里边的道路，按现在更多地会采用众包的模式。因为现在我们已经发现如果城市道路覆盖，首先你的成本是吃不消的，另外可能包括羊总，李总也知道，用传统的方式来采集城市道路，我们的点云数据90%之间路都被人、车、摩托车给覆盖，我们完全没法作业。我相信其他图商一样会采用另外一种方式，这种方式现在有一些技术的问题，大方向是众包的方式来做。
雷新彬：谢谢李总。
羊铖：我这边稍微补充一点。刚才这位嘉宾问到一个问题，高速公路跟城市地图有什么区别？应该说，现在在高速公路上某一些方案或者某一些项目用的高精度地图定位方式还在用RTK的方案，而在城市内和空旷很大的区别是RTK方案是行不通的，在城市内一定是需要用相对定位的方案。换句话说，对于高精度地图来说，一定是需要相对定位，在城市内才能工作。
另外一个问题，高精度地图除了自动驾驶以外的应用领域。目前这一块也有一些其他的项目，除了自动驾驶以外，首先可以用于高精度的智慧交通或者是城市管理，现在很多这些项目对于道路的要求已经不是知道你在哪条路，而是需要知道你在哪条车道。
我这边只举一个非常简单的例子，是用在保险上面。大家对于车辆保险的判断，比如说一辆车直行，一辆车变道，发生事故一定是变道的这辆车是有责任。而有了高精度地图的辅助以后，我就可以非常明确的判断事故的责任，这是我举的一个简单的例子。
另外一个应用方面，高精度地图也是应用在自动驾驶的仿真。大家知道现在目前像Waymo或者像Uber做自动驾驶的公司都在进行非常大量的仿真。有一个说法是需要有上百亿公里的仿真测试以后，车才可以真正的上路。而做自动驾驶仿真离不开高精度地图，可以用高精度地图来构建非常真实的虚拟环境或者是仿真环境来运行仿真软件，达到最终实现车辆安全的目的。
崔运凯：我也想做一些补充。从知卓的观点来看，大家知道知卓是以数据说话的公司，我们认为在城市道路的高精地图的形态和高速高精地图形态是最根本的区别，我们认为城市道路的建图不是说谈论传统的高覆盖，而更是从用户需求去出发。如果我们可以掌握大量的用户需求数据，我不知道大家有没有看过公开提供的热力图，感觉中国比较少，美国有很多。你可以看到这些热力图，甚至包括纽约在内很多大的城市，车辆运行的道路是非常的集中分布，倒不是一个大的城市所有的道路都实时的有大量的车去不断的去运行。
反过来讲，实际在有车运行的道路中，只有少数的道路车的实际运行是产生社会价值的。比如说，工作的道路、去消费的道路。如果通过数据能不断地采集各种各样的数据，通过对数据进行分析发现对社会更有意义的道路，那我们可不可以通过这些道路入手在这些道路上进行建图。因为本质上无人驾驶是要提高整个社会的效率，如果我们可以找到这些能提供社会效率的道路，对他们进行无人驾驶的实现、无人驾驶的铺开，那我感觉这样对社会本身就是已经有意义的了。
{{item.content}}