10月16日—18日，2025世界智能网联汽车大会在京召开。北京四维图新科技股份有限公司（以下简称“四维图新”）CEO程鹏在“人工智能论坛：AI赋能生态演进——探析技术新变革”主题论坛上发表演讲。

　　作为传统图商，四维图新正向自动驾驶解决方案提供商转型。如何看待“重地图”和“轻地图”技术路线之争？高精地图最终理想的商业模式会是怎样？如何应对城市NOA（导航辅助驾驶）快速铺开对高精地图覆盖广度、更新频率等带来的挑战？制约L3级及以上高级别自动驾驶大规模落地的最大瓶颈是什么？

　　论坛期间，围绕上述一系列问题，程鹏接受了《每日经济新闻》记者（以下简称NBD）采访。

　　将地图与芯片、硬件等打包销售的商业模式可能更适合中国

　　NBD：当前，行业在“重地图”和“轻地图”的技术路线上存在分歧。你如何看待这场路线之争？四维图新作为高精地图的领头羊，是坚定地“把地图做重”，还是也在积极布局“轻地图”方案以适应更广泛的客户需求？

　　程鹏：我认为，地图的“轻重”取决于应用场景和自动驾驶的级别，级别越高，对地图精度的依赖程度就越高。

　　目前，我们两条路线都有布局，从基础的SD地图（标准地图），到轻地图，再到高精度的HD地图（高精地图）。一些中低阶的辅助驾驶，只需要SD地图加上一些连通性拓扑关系就能实现。而对于L4级别及以上的自动驾驶，以及一些需要超越人类驾驶能力的场景，就必须使用高精度HD地图。不同的应用场景决定了地图的“轻重”程度。

　　NBD：高精地图的商业模式仍在探索中。从“一次性售卖”到“按年服务费”，您认为最终理想的商业模式会是怎样的？是否会走向类似SaaS（软件即服务）的“按使用次数”或“按功能订阅”的模式？

　　程鹏：从商家角度看，最理想的状态当然是客户每天都付费；而客户则希望完全免费。因此，没有绝对的“理想模式”，最终是商业博弈的结果，找到一个平衡点就好。

　　传统SD地图最早是License（技术授权）模式，即按车辆数量一次性收费，后来逐渐演变为按月付费。另外，还有“羊毛出在猪身上”的模式，比如高德、百度地图对用户免费，但通过打车分成等其他方式盈利。

　　不同国家的情况也不同，比如Google地图按调用次数收费，每天调多少次，在这个范围内是一个价格，超过这个范围，又是一个价格。而在中国，由于互联网公司将地图服务免费化，导致地图本身很难直接盈利。因此，我认为将地图与芯片、硬件打包销售，这种“软硬一体”的方式可能更适合中国。

　　未来随着高阶辅助驾驶车辆普及，地图更新将更加实时精准

　　NBD：城市NOA（导航辅助驾驶）的快速铺开，对高精地图的覆盖广度、更新频率和成本控制提出了极致要求。四维图新如何应对这一挑战？目前的产能和成本是否能跟上主机厂“开城打仗”的速度？

　　程鹏：这是行业长期面临的难点。很多人喊“无图”正是因为地图更新跟不上城市变化，导致系统置信度下降，频繁要求人工接管，我想这是目前很多车厂喊“无图”的本质原因。

　　这个情况该怎么办？我们目前的解决方案是跟车厂共建，让量产车成为“采集车”，即车辆在使用过程中通过摄像头和雷达实时反馈道路变化，我们据此动态更新地图。事实上，我们已经具备这种技术能力，但前提是车辆数量要足够多。目前仍处于启动阶段，因为具备传感器的车辆数量还不够多，数据覆盖率仍有限。未来随着高阶辅助驾驶车辆普及，数据量将大幅提升，地图更新也将更加实时和精准。

　　NBD：四维图新正从“传统图商”向“自动驾驶解决方案提供商”转型。在您看来，“高精地图”未来会逐渐成为一种可被替代的传感器吗？

　　程鹏：地图永远都会在，这一点毫无疑问，但它未必再是过去那种“为自动驾驶车辆做轨道”的形态。其实，所谓“无图”并不是完全没有地图，而是不再把高精地图的几何信息当作行驶轨道。我们可以形象地来比喻：2016年、2017年前后的自动驾驶车辆是把地图当轨道，就像火车必须沿着轨道行驶一样，这相当于在地上画了一个无形的轨道，车辆严格依照高精地图预先标定的车道线行驶，变道、进出匝道等操作也须提前按地图规划完成。

　　现在的“无图”是指车辆不再依赖地图做轨道，而靠自身传感器的实时感知与足够的算力，配合新的算法模型，实时判断应该执行哪种驾驶动作、走哪条车道。由此衍生出“端到端”“VLA（视觉－语言－动作）”等新概念，系统可即时做出决策。

　　NBD：那您觉得在这种背景下，四维图新未来的核心护城河究竟是什么？是数据、算法，还是“数据+算法+芯片”的闭环生态？

　　程鹏：我认为关键在于各业务板块的协同。传统Tier1（一级供应商）不懂数据，很难把AI时代的座舱与自动驾驶做好；而纯AI公司，又不懂芯片；我们的团队同时掌握地图、数据、算法与芯片能力，了解每一个板块。

　　举例而言，我们可以用20K的算力芯片达到他人40K算力芯片的效果，因为我们有懂芯片的人，通过深度挖掘每1K算力，将硬件潜能发挥到极限。在已量产的项目中，我们利用原本仅用于导航的芯片剩余算力，实现自动泊车功能，为客户省去约1000元硬件成本。对于普遍处于负毛利或低毛利的新势力车企，这种成本节约直接帮助其提升毛利率、跨越生存线，对他们是有贡献的。

　　制约L3及以上级别自动驾驶大规模落地关键因素在于安全和信心

　　NBD：有观点认为，L3是一个技术上的“伪命题”或过渡阶段，车企应全力奔向L4。您是否认同？

　　程鹏：认为L3是“伪命题”的人，本身才是“伪命题”。技术发展是渐进式的，产品也是逐步迭代的。很多时候是遇到问题、解决问题，才实现一点点进步。做公司、做产品、做研发都是如此，不可能靠一项新技术立刻颠覆一切。L3是一个必经阶段，是技术进步的自然过程。

　　NBD：近期，工信部牵头发布《汽车行业稳增长工作方案（2025—2026年）》，提到“有条件批准L3级车型生产准入”，措辞较为谨慎，您觉得现在制约L3级及以上高级别自动驾驶大规模落地的最大瓶颈，主要是技术、成本，还是已经转变为法规或公众接受度？

　　程鹏：我认为，制约因素的关键在于能否保障用户安全，以及用户是否对系统有信心。所以，我非常感谢像华为这样的公司，他们提升了用户体验，也增强了用户信心。当然，行业中也有一些企业“拖后腿”，在安全性上打折扣。

　　我认为，车企要坚持实事求是，不夸大宣传。比如，将辅助驾驶宣传为“自动驾驶”，这是不负责任的。当然，目前相关部门也在规范，这是一个渐进的过程。

　　未来3-5年内一定会出现没有驾驶座的车

　　NBD：您曾说“看到的未来将很快照进现实”，您认为未来3-5年内智驾领域会出现哪些颠覆性的体验升级？地图在其中将扮演一个怎样的角色？

　　程鹏：如果说颠覆性的，这个领域我认为一定会出现没有驾驶座的车，方向盘、刹车踏板都会被取消。未来3-5年内，这样的车辆有望实现量产。虽然短期内不会大规模普及，但在某些特定场景下，比如网约车、物流运输等，将会率先应用。考驾照可能将变得“浪费时间”，因为驾驶本身就是一种重复性劳动，最适合由AI完成。地图在其中将扮演一个什么样的角色我不是很确定。

　　当然，这背后需要传感器、算力和算法的全面成熟。比如，有人说人脑算力约等于5000TOPS，而目前英伟达芯片算力已可达1000～2000TOPS。因此，芯片的算力在未来5年内可能将超过人脑，尽管功耗仍然会很高。所以，未来关键在于经济性——当机器人/自动驾驶系统的能耗、成本、效率达到经济性临界点，规模化落地就将实现。

　　NBD：飞行汽车这两年也很火，公司在这方面有没有布局？

　　程鹏：我认为飞行汽车面临的核心问题与自动驾驶类似，法规和技术并非其大规模落地的最大障碍，经济性和安全性才是关键因素。

　　首先，目前电池重量占整车一半，为了运送一个50公斤的人，需要携带几百公斤电池飞上天空，显然不划算。其次，安全性尚未达到商用标准。

　　当事故率降至千万分之一的级别时，它就可以形成服务了，哪怕不经济都可以。初期可能在高端市场率先应用；随着技术成熟、成本下降，逐步普及至大众市场。我认为这些都会发生，只不过会有比较长的一个周期，需要解决成本、功耗、安全性等问题。