1. 从CES Asia 2018看四维图新的战略转身不止于“地图”时间拉回到2018年CES Asia亚洲消费电子展在上海举办。那几年CES Asia几乎成了国内科技圈的风向标尤其是汽车科技领域。如果你当时去逛过展印象最深的肯定是满场的“智能座舱”和“自动驾驶”demo各种大屏、语音助手和激光雷达晃得人眼花。在这样一个喧嚣的舞台上四维图新打出的口号是“打造智能汽车大脑”。说实话当时我看到这个标题第一反应是一家做了十几年传统导航电子地图的公司怎么突然要造“大脑”了这跨度是不是有点大后来和圈内朋友聊发现不少人有同感。大家认知里的四维图新就是那个给车企提供高精度地图数据包的“幕后英雄”属于典型的Tier 2供应商业务扎实但偏“重”离最终的车辆控制和用户体验似乎隔了一层。但“智能汽车大脑”这个概念指向的是更核心的决策与控制层这通常是芯片厂商如英伟达、Mobileye或自动驾驶算法公司如Waymo、国内的初创公司的战场。四维图新凭什么带着这个疑问我仔细梳理了那段时间四维图新的动作和行业背景才逐渐明白这个“大脑”的提法绝非一时兴起的营销话术而是其在自动驾驶浪潮冲击下一场深思熟虑的、从“数据供应商”向“系统解决方案提供商”的战略升级。其核心逻辑在于当汽车走向智能化仅仅提供静态的、高精度的地图数据已经不够了。车辆需要的是一个能实时感知、决策、规划的“中枢神经系统”而地图数据尤其是融合了动态信息的“活地图”将成为这个神经系统不可或缺的“记忆”与“常识”基底。四维图新要做的就是将其在地图领域的深厚积累与芯片、算法、定位等能力结合打包成一个可供车企直接集成使用的“大脑”模块。所以理解“如何打造智能汽车大脑”关键不在于看它展示了多么炫酷的自动驾驶Demo车事实上当时它可能也没有重点展示这个而在于拆解它为了构建这个“大脑”在技术栈和业务链条上做了哪些关键的补强与整合。这对于所有身处变革中的传统技术公司尤其是那些拥有核心数据资产但面临业务模式挑战的企业都有很强的借鉴意义。2. 解剖“智能汽车大脑”一个多层次的技术集成体“智能汽车大脑”听起来很抽象我们可以把它拆解成几个具体的、可落地的技术层级来看。这就像组装一台电脑你需要CPU芯片、操作系统、基础软件和应用程序。四维图新提出的“大脑”大致也对应了这样一个从底层硬件到上层应用的框架。2.1 基石高精度地图与动态数据服务HD Map Dynamic Data这是四维图新的老本行也是其最无可替代的核心优势。但在这个“大脑”体系里高精度地图的角色发生了根本性变化。从静态数据到动态服务传统导航地图或早期的高精度地图更像是一本定期更新的“书”车端一次性下载使用。而智能汽车需要的是“实时更新的新闻播报”。四维图新需要构建一个能实时收集、处理、分发动态交通信息如拥堵、事故、施工、天气、信号灯状态的云平台。车辆不仅知道路是什么样还能知道路上正在发生什么。这要求强大的云端数据融合能力和低延迟的通信链路4G/5G。从“供图”到“供图定位服务”光有高精度地图不够车还得知道自己在这张图上的精确位置厘米级。这需要将GNSS全球导航卫星系统、IMU惯性测量单元、轮速计等传感器数据与地图特征进行匹配即地图匹配定位。四维图新将高精度地图与高精度定位能力包括其投资的六分科技提供的厘米级定位服务捆绑提供“图位”一体化的解决方案这是构成“大脑”空间感知能力的基础。众源更新与闭环生态仅靠采集车更新地图成本高昂且不及时。理想状态是接入“大脑”的智能汽车本身成为数据采集单元将感知到的道路变化如新增障碍物、标线磨损匿名化后回传云端经自动化处理验证后再分发给其他车辆。这就形成了一个“众源采集-云端融合-动态分发”的数据闭环让地图真正“活”起来。这是“大脑”具备学习进化能力的关键。2.2 核心自动驾驶芯片与计算平台Auto Chips Computing Platform这是“大脑”的物理载体和算力来源。2018年前后正是自动驾驶芯片战局初启的阶段。英伟达的Drive PX系列风头正盛Mobileye的EyeQ系列占据大量前装市场国内地平线、黑芝麻等初创公司也开始崭露头角。四维图新要造“大脑”不可能绕过芯片。战略投资与合作当时四维图新已经通过投资和战略合作的方式深度绑定了芯片资源。最典型的例子是参股杰发科技AutoChips后者专注于车规级MCU微控制器和SoC系统级芯片。虽然杰发科技当时的主力产品还在信息娱乐系统IVI芯片但向ADAS高级驾驶辅助系统和自动驾驶域控制器芯片演进是明确方向。拥有自己的芯片设计能力意味着在“大脑”的硬件定义和成本控制上有了更多话语权。软硬一体优化更关键的一步是“软硬一体”。四维图新的优势在“软”地图、算法但要让这些软件高效运行必须与底层硬件深度协同。例如其路径规划算法、地图匹配算法如果能针对特定芯片的AI加速器如NPU进行优化就能获得更高的计算效率和更低的功耗。这要求团队不仅懂算法还要懂芯片架构。打造“大脑”实质上是在打造一个软硬件协同优化的计算平台而不仅仅是提供一套软件SDK。应对不同的“脑容量”“大脑”也需要分等级。针对L2/L2级别的ADAS可能只需要一个集成地图、定位和基础ADAS功能的轻量级计算单元针对L3/L4则需要性能更强、支持多传感器融合和复杂决策的域控制器。四维图新的“大脑”方案需要具备可扩展性能适配从入门到高端的各种芯片方案这可能包括集成杰发科技的芯片也可能适配英伟达、地平线等第三方芯片。2.3 中枢自动驾驶全栈软件算法Full-stack Software Algorithms这是“大脑”思考和处理问题的逻辑所在。四维图新在这方面采取了“自研合作”并举的策略。感知层Perception虽然四维图新不以视觉或激光雷达感知算法起家但在2018年它已经通过旗下公司北京四维图新科技股份有限公司简称“图新科技”等实体在计算机视觉、目标检测与跟踪等方面进行研发。更重要的是高精度地图本身可以作为感知的“先验信息”和“冗余验证”。例如在恶劣天气传感器受限时地图提供的车道线、交通标志位置信息可以辅助或修正感知结果。这种“地图增强感知”是四维图新算法栈的特色。定位与融合Localization Fusion如前所述这是其强项。将GNSS、IMU、轮速计、摄像头感知特征与高精度地图进行紧耦合或松耦合融合输出稳定、可靠、连续的车辆全局位置和姿态。这套定位系统是自动驾驶安全性的基石。决策与规划Decision Planning这是“大脑”的“思考”核心。基于精准的定位、感知结果以及动态地图信息规划出安全、舒适、高效的行驶轨迹。四维图新需要构建自己的决策规划算法这可能包括基于规则的算法和早期探索的机器学习方法。其独特优势在于高精度地图提供了道路的精确几何信息曲率、坡度、车道宽度和语义信息路口类型、交通规则能让规划算法提前“预知”道路情况做出更拟人化、更平滑的决策。例如知道前方车道即将收窄可以提前开始平缓变道。高精度地图引擎HD Map Engine这是一个常被忽视但至关重要的中间件。它负责在车端高效地加载、解析、检索高精度地图数据并以标准化的接口如NDS、OpenDRIVE格式提供给上层的定位、感知、规划模块使用。一个优秀的地图引擎能极大降低内存占用和CPU负载四维图新在这方面有深厚积累。2.4 连接车云一体化平台Vehicle-Cloud Integration Platform“大脑”不是孤立的它需要与云端保持“脐带”连接。这个云平台承担着几个重任动态数据服务分发将实时交通事件、天气、云端预测模型等信息推送给车端“大脑”。众源数据收集与处理接收车辆回传的脱敏数据用于地图更新和算法模型训练。车队管理与OTA升级管理接入“大脑”的车辆并支持软件、地图数据的远程无线更新。仿真与测试提供基于云端高精度地图的虚拟仿真环境用于自动驾驶算法的海量测试和验证。这个云平台是“大脑”能力持续迭代和扩展的保障也是四维图新从一次性卖数据转向持续性服务收费的关键依托。3. 从概念到落地四维图新“大脑”的实践路径与挑战喊出口号只是第一步真正的难点在于如何让车企买单并把它装进车里跑起来。回顾2018年后的发展可以看到四维图新几条清晰的落地路径同时也面临着严峻的挑战。3.1 落地路径三条腿走路赋能传统ADAS与智能座舱这是最现实、最快产生收入的路径。将高精度定位、车道级导航、电子地平线Electronic Horizon等功能以软件或软硬一体模块的形式提供给车企用于L2级ADAS和智能导航。例如基于地图的弯道速度预警、交通标志识别辅助、更精准的能耗预测对于电动车尤为重要。这相当于为现有的“辅助驾驶大脑”或“信息娱乐大脑”增强了“空间记忆”和“预见能力”。与车企联合开发L3及以上系统与有志于研发高级别自动驾驶的车企建立深度合作作为其全栈解决方案中的核心模块供应商。四维图新提供从高精度地图、定位、到部分感知和规划算法的“大脑”组件与车企自身的车辆控制、系统集成能力结合。这种模式对四维图新的技术整合能力和工程落地能力要求极高但一旦成功壁垒也最高。进军“车路协同”与智慧城市这是更具前瞻性的布局。通过将其高精度地图、云平台与路侧智能设备RSU获取的信息融合形成“车-路-云”一体化的超视距感知和决策能力。例如路侧摄像头发现前方盲区有行人穿出可通过云平台实时预警后方车辆。四维图新可以成为智慧交通系统中连接车端与路端的“数据枢纽”和“决策辅助大脑”。3.2 直面挑战巨头的游戏理想很丰满但现实是这个赛道里挤满了实力雄厚的玩家四维图新的“大脑”之路注定不平坦。来自芯片巨头的垂直整合压力英伟达、高通、Mobileye被英特尔收购等都在推行“芯片基础软件栈开发工具”的全栈方案。例如英伟达的Drive AGX平台就提供了从硬件到感知、规划算法的参考设计。车企如果选用它们的芯片很可能会倾向于采用其捆绑的软件栈这挤压了四维图新作为独立软件供应商的空间。车企自研的“灵魂”之争越来越多的车企尤其是造车新势力和头部传统车企将自动驾驶软件视为核心能力倾向于自研或深度掌控。它们可能只向四维图新采购高精度地图和定位这类“标准化”数据服务而将决策规划等“灵魂”部分握在自己手中。四维图新如何证明其“大脑”整体方案比车企自研或采购其他算法公司的方案更具性价比和独特性是一大考验。数据闭环与生态建设的规模门槛“众源更新”模式要跑通需要足够多的车辆搭载其“大脑”并回传数据。在起步阶段数据规模不足会导致地图鲜度、算法迭代速度落后于拥有庞大测试车队的Waymo、特斯拉或与大量车企合作的数据平台。这是一个“先有鸡还是先有蛋”的困境。高昂的研发与持续的投入打造全栈的“智能汽车大脑”需要长期、巨额的研发投入涉及芯片、算法、云平台等多个烧钱的领域。作为一家上市公司需要平衡短期业绩压力和长期战略投入这对管理层的定力和资本运作能力提出了极高要求。4. 给行业后来者的启示在产业链重塑中寻找新定位四维图新从“图商”向“智能汽车大脑”提供商的转型是汽车产业智能化、软件化浪潮下的一个典型缩影。它的探索无论最终成功与否都给行业内的技术公司特别是那些拥有某一领域深度积累的“隐形冠军”们提供了宝贵的启示。启示一核心数据资产的重新定义与价值挖掘。四维图新的根基是高精度地图数据。在自动驾驶时代它没有固守“卖数据包”的旧模式而是思考如何让数据“流动”起来与感知、定位、规划深度耦合从静态的“背景板”变为动态的“参与方”。对于其他公司而言无论是拥有用户行为数据、供应链数据还是车辆运行数据都需要思考在智能化的新体系里这些数据如何能实时地、智能化地赋能核心业务流程从而创造新的产品形态和商业模式启示二“软硬结合”是构建深度护城河的必然选择。纯软件或纯硬件的时代正在过去。四维图新投资芯片公司正是为了获得软硬协同优化的能力提升解决方案的性能和效率壁垒。对于算法公司深入理解硬件特性如芯片架构、传感器物理特性进行针对性优化对于硬件公司向上构建关键的系统软件和算法能力都是提升自身不可替代性的关键。单纯的“组装”或“集成”价值会越来越薄。启示三生态合作与开放边界。“智能汽车大脑”是一个过于庞大的工程任何一家公司都难以通吃。四维图新的策略是“有所为有所不为”牢牢抓住地图、定位和云平台的数据枢纽地位在芯片层通过投资布局在算法层部分自研、部分开放合作。这启示我们在复杂的产业链中明确自己的核心边界同时以开放的姿态与上下游、甚至平级的合作伙伴建立“强连接”形成共生共荣的生态比试图封闭地打造一个“全能大脑”更为可行。启示四面对车企“灵魂论”的务实策略。当客户车企想要掌控核心技术时供应商需要调整姿态。可以提供“黑盒”式的完整解决方案也可以提供“白盒”或“灰盒”的模块化组件甚至提供技术咨询和联合开发服务。关键在于你的产品是否足够模块化、接口是否足够标准、能否无缝嵌入客户不同的技术栈中。灵活性有时比功能的强大更重要。回过头看CES Asia 2018上四维图新的那个口号它更像是一份面向未来的宣言宣告了这家老牌图商不甘于只做“配角”决心投身到智能汽车核心战场的雄心。几年过去行业格局已然巨变竞争愈发白热化。打造“智能汽车大脑”这条路道阻且长充满了技术、商业和生态上的重重挑战。但不可否认的是这种基于自身核心优势进行产业链纵向延伸与横向整合的尝试本身就是应对行业颠覆性变革的一种勇敢而必要的探索。对于所有在智能汽车这条漫长赛道上的参与者而言如何找到自己不可替代的“那一块大脑”并把它做到极致或许是比争论“全栈自研”还是“供应商集成”更值得思考的命题。