首页专业知识重地图OR轻地图？自动驾驶商业化核心问题是数据合规、成本及效率平衡

重地图OR轻地图？自动驾驶商业化核心问题是数据合规、成本及效率平衡

来源：晰数塔互联网快讯时间：2023年03月17日 19:19

作为自动驾驶技术的重要基础设施，高精度地图在自动驾驶技术量产落地过程中起着非常重要的作用。随着自动驾驶步入大规模商业化阶段，围绕高精地图的安全合规、成本及数据价值释放进一步成了行业关注焦点。

两会期间，多数汽车行业代表就围绕自动驾驶地图数据相关的立法和监管发表提案。如，小鹏汽车CEO何小鹏提出建议，在保证国家地理信息安全的前提下，进一步优化、简化、便利化高精度地图的审核流程，并采取更加有效的方式实现数据的及时更新，缩短高精地图从采集到使用的周期，加快数据积累和技术迭代创新。

但回归到实际应用过程中，随着自动驾驶步入城市级道路，受限于成本、地图数据覆盖量等因素，很多车企开始选择“重感知，轻地图”的技术路线。但从另一层面来说，不管是重地图，还是轻地图，车企在量产自动驾驶技术的过程中，都需要使用地理信息数据。

据去年8月自然资源部下发的《促进智能网联汽车发展维护测绘地理信息安全的通知》中的规定，智能网联汽车在运行过程中对数据的任一操作，即为测绘，也就是说，智能网联汽车，被划归到了“测绘工具”一类。

这也就意味着，即使是采用轻地图路线，车企通过智能网联汽车实时采集道路数据信息，也属于测绘行为，需要取得相关测绘资质。另外，随着城市NOA的量产落地，车企也需要采集更加海量的数据信息，去应对自动驾驶所面临的长尾效应问题。

基于此，我们不难看出，不管是应用高精度地图，还是采用轻地图路线，车企都会涉及到地理信息测绘的数据信息搜集，这背后所面临的则是如何兼顾数据价值的挖掘与数据处理成本和安全合规监管的平衡难题。

政策监管加强，兼顾数据合规、成本、效率成核心竞争点

自动驾驶技术的升级迭代离不开海量数据的支持，但海量数据既是自动驾驶技术发展的养料，同时也给行业发展带来了一些挑战。原因在于，自动驾驶系统所采集到的道路数据，其中可能会涉及到关键地理位置信息等涉密数据，这些数据一旦被滥用，则有可能会危及到国家安全。

因此，近年来国家频繁发布相关政策，一方面是对地理信息测绘活动、测绘主体进行进一步的明确，另一方面，则是对数据的加密、脱敏等处理方式上进行明确具体的限制。

比如去年8月份发布的《促进智能网联汽车发展维护测绘地理信息安全的通知》，总结来说，该通知明确界定了智能网联汽车和测绘活动的关系，明确表示智能网联汽车是一种测绘工具；车辆运行属于测绘活动；想要进行测绘活动，必须拥有导航电子地图制作的甲级资质；获得资质的途径可以是直接申请、间接收购以及与图商合作。

此外，根据国标发布的《智能汽车基础地图数据安全保护技术基本要求（征求意见稿）》以及《信息安全技术、云计算服务安全指南》要求，智能汽车基础地图云必须由具备导航电子图制作资质的单位负责管理、运营和维护，提供智能汽车基础地图数据和智能汽车基础地图传感器数据处理、更新和服务等私有云或专有云。

这也就意味着，基于一系列国家法规、标准的出台，对自动驾驶相关地图数据测绘及云服务使用的约束越来越具体和严格，从数据测绘到专有云服务都提出了安全合规要求。同时，于自动驾驶而言，地图数据的采集和测试是其技术进一步发展的基础，而车企与自动驾驶企业想要使用地图数据，则必须要与图商合作，且所使用的智能汽车云必须是社区云或专有云。

其次，在数据的处理流程上，根据《汽车数据安全管理若干规定（试行）》，明确规定汽车内涉及到敏感信息的数据，要进行加密、脱敏等处理，才能够进行应用。

毫无疑问，智能汽车的研发和量产过程都高度依赖地理测绘信息数据，海量的数据存储、计算和运维都将带来巨大的成本压力，但随着各种新规的持续推出，如何在保证合规的前提下降低数据利用的成本，并保障研发效率是车企面临的关键挑战。

管理规定要落在自动化的系统、流程和工具链上面

智能网联下半场的胜负，取决于行业能不能开发好功能应用、能不能服务好用户体验、能不能发挥好商业价值，而数据，无一例外在每个环节扮演着关键的角色。

但当前智能汽车数据覆盖面广、数据规模庞大、数据生命周期长、数据安全风险高，让主机厂和行业从业者对数据不敢采、不敢用、用不好，数据闭环的框架难以形成。同时，在密集的法规背后，车企和行业从业者如何更高效的应对，以及实现严谨的数据处理流程，提高流程效率，成为整个行业所需要思考的难题。

此背景下，多位企业专家表示，正探索数据自动化加密、自动化脱敏等智能化技术应用，以此降低合规成本、提升整体研发效率。也就是说，加快实现数据链路的自动化与智能化是降本增效的关键。

此前，在相关行业研讨会上，针对降本增效，腾讯智慧出行副总裁刘澍泉分享了相关思路，其认为管理规定要落在系统、流程和工具链上面，才能变成有效的合规监控手段，构建灵活动态、SaaS化的平台服务是必不可少的基础。

腾讯面向智能汽车行业设立了云专区，以多租户的模式提供社区云合规服务，打造了包括数据脱敏、加密、传输、处理等全链路自动化工具链，以此降低合规成本、提升自动驾驶研发和运营阶段的效率。通过智能汽车云专区，腾讯能够助力车企可以面对不断出台的新规要求，动态升级相关工具链，确保敏捷响应最新的安全合规要求的同时，还能够满足自动驾驶研发到量产阶段的成本控制和效率需求。

此外，面对海量数据的应用，建立相关数据使用统一标准体系，以及推动数据信息共享机制的实施，也是企业降本增效的有效路径。今年两会上，长安汽车董事长朱华荣表示，当前汽车数据法规尚需要进一步完善，缺少数据分类、分级标准，不支撑车辆数据共享；严格审批监管与快速更新需求的矛盾日益突出；重复采集造成国家层面的资源浪费；数据质量未达到让车辆数据共享的程度。

因此，朱华荣建议，应建立、健全汽车数据相关法律法规，搭建国家智能网联汽车数据法律、法规工作组；建立汽车数据采集统一方案、数据统一标准；完善高精度地图数据策略与管理机制；培育3-5家国资为主的国家级地图公司；建立汽车数据质量国家过检平台。

小米创始人兼CEO雷军在两会上也表示，当前汽车数据安全领域的相关标准、认证评价、应用管理机制仍不完善，制约了行业发展，建议应加快制定汽车全生命周期的数据安全标准，建立汽车数据安全认证、评价机制，并构建汽车数据共享机制及平台，促进汽车数据共享使用。

而针对地图信息数据采集和应用领域上，此前长城汽车方面则认为，地图采集业务的特殊性让各家企业每年在地图维护更新方面均投入了大量的人力、物力，也产生了一些重复性的工作，建议在确保数据安全、理清安全责任、处理好知识产权等关系的前提下，开展自动驾驶众源地图公共服务平台建设，包括中国标准的建设，进一步强化中国在车用地图领域的话语权。

就像两会代表提案所言，一方面，汽车数据安全法规尚需进一步完善，应建立汽车数据采集统一方案、数据统一标准，实现车辆数据共享，另一方面，整个行业也仍需要加快实现数据链路的自动化与智能化，这样才能让企业在实现数据安全合规使用的基础上，还能够提高数据使用效率，降低使用成本。当然，这同样需要政策机构与产、学、研界共同探索，寻找有效路径。

发布于：北京