不画地图也能L4?武汉停摆才过两个月,就有人敢说＂真无图＂了?

这事过去才两个多月，6月初，一家叫佑驾创新的港股公司发布了一款新产品，小竹T5 Pro，一款L4级无人物流车。官方说法很漂亮，国内首款「真无图」，不用高精地图，买回来几个小时就能上路跑。

我第一反应是，几个月前武汉那幕还历历在目，这边就有人敢说「真无图」了。

这中间到底发生了什么，还是说大家各吹各的。

01 先搞明白一件事，什么是"有图"，什么是"无图"

很多人听到「高精地图」四个字可能没什么概念。

这么说吧。你手机上用的导航软件，那个地图告诉你前面左转、右转、有个红绿灯，精度大概在米级别，这叫普通导航地图，或者行业里说的SD地图。

高精地图完全是另一个东西。它精确到厘米级别。车道线在哪、路沿在哪、每个交通标志的准确位置、甚至路面坡度，全都要事先测绘好存进车里。

好处是什么。车子开到一个路口，不需要自己「看」太多东西，直接对照预存的地图就知道该干嘛。相当于你开车走过一千遍的路，闭着眼都知道哪该减速哪该变道。

代价也很大。

测绘成本每公里要上千块钱。一辆专业的采集车改一下就要花一百多万。全国有一千万公里道路，全覆盖的话总成本得上百亿。而且城市里天天修路，今天围起来施工明天换个标线，地图更新根本跟不上。

更麻烦的是，采集效率极低。一台专业车一天就只能跑几十公里，完了还得人工核对校准。

所以依赖高精地图的无人车，想在一个新城市落地，光是采图适配就要折腾好几周。

这就是为什么之前很多城市的无人驾驶项目，看着热闹，实际上就在那几个固定区域来回跑。出了圈就不行了，因为没图。

02 "无图派"说的逻辑，听起来确实有点道理

小竹T5 Pro走的另一条路。

它的核心思路是，不依赖那些预先绘制的超精细地图。车上装了一堆传感器，激光雷达、摄像头、毫米波雷达都有，靠这些设备实时「看」周围环境，然后通过一个端到端的大模型直接判断该怎么开。

什么意思呢。传统的自动驾驶系统分好几步，先感知（看到前方有个障碍物），再预测（它可能会动），再规划（我应该往左还是往右），最后控制（方向盘打多少角度）。每一步之间可能会丢信息或者出错。

端到端模型把这些步骤合并成一个。传感器看到画面，直接输出「方向盘往左打15度，速度降到20」。一步到位。

这样做的好处，最直观的一个就是不用提前采图了。传统方案落地一个新城要几周，小竹T5 Pro宣称压缩到了小时级。你今天买了车，下午就能安排出去送快递。

另一个好处是泛化能力强。遇到磨损的车道线、没有导流线的施工区、或者乡间小路上压根没有车道线，它能像老司机一样根据路沿、周围车的轨迹判断出该怎么走。而不是因为地图上没有这个地方就直接趴窝。

当然还有成本。省掉了高精地图采集和维护的钱，也省掉了专门维护地图数据的人力。

佑驾创新拿出的数据也挺好看。这款产品从4月份在北京车展发布到现在两个多月，已经在18个城市落地了，合作规模超过7000台。覆盖的场景包括快递配送、冷链运输、农产品批发、汽配物流等等。

而且6月初他们还干了一件事。花了2500万收购了中通快递旗下一个子公司50%的股权。中通反过来成了他们的战略股东。

中通什么体量。去年一年快递业务量385.2亿件，占全国市场将近五分之一，网络覆盖了96%以上的乡镇。

绑定了中通，意味着佑驾创新的无人车可以直接接入全国最大的快递网络之一。以前卖车是一锤子买卖，现在变成了持续提供运力服务，按单收费。

这套商业模式，行业里起了个名字叫RaaS，Robotvan-as-a-Service，无人运力即服务。

听着挺顺的。但我总觉得哪里不对劲。

03 说几个不太舒服的真实案例

先看最差的那个。

今年1月份，特斯拉向美国监管部门交了一份报告。他们在奥斯汀测试Robotaxi，大概35辆车，跑了总共80万英里左右。上报了15起事故。

算下来平均每5.7万英里出一次事。美国国家公路交通安全管理局的数据是，人类驾驶员平均每50万英里才出一次事。特斯拉的事故率大概是人类的8.8倍，接近9倍了。

而且这15起事故里，大部分都是低速状态下撞上了固定物体。电线杆啊、公交车啊、卡车啊。速度只有14.5公里每小时。换句话说，不是开太快反应不过来，就是在慢慢挪的时候撞上了。

特斯拉比较鸡贼的是，这15起事故的具体细节全部标注为「机密商业信息」，外界看不到完整过程。已经有安全员在场的情况下还这样，如果真把安全员撤了呢。

再看最好的那个。

Waymo在2025年5月发布了一份经过第三方验证的安全报告。5670万英里的累计行驶里程，48个月的数据，受伤事故一共48起。折算下来每100万英里0.008起。

人类驾驶员同口径的数据是每100万英里0.087起。Waymo的事故率大约是人类的十一分之一，低了91%。交叉路口碰撞骤降96%，行人受伤率下降92%。

听着很厉害对吧。但Waymo自己在报告里也说了两件事。第一，这48起事故全部判定为其他道路使用者的责任，不是Waymo的车撞人。第二，现有里程还不足以对严重伤害概率做出可靠统计结论——他们自己估，得跑到10亿英里以上才行。

所以你现在看到的情况就是，同样号称L4级自动驾驶，特斯拉和Waymo之间差了好几倍。这不是算法路线的问题，是工程落地成熟度的差距。

回到国内的。

刚才提到的武汉萝卜快跑停摆，发生在3月31号晚上。不是一辆车出问题，是多辆同时停在路中间导致拥堵。警方最终定性为系统故障。

这种事最让人不安的地方在于，它不是一个感知错误或者决策失误那种可以分析的bug。它是整个系统直接罢工了。你在高速上开着开着车机突然死机了，这种感觉。

还有更早的。2025年12月，湖南株洲，一辆哈啰无人车撞伤了两个骑行者。这是国内首例Robotaxi伤人事故。核心原因是系统遇到了一个突发非标准场景，感知和决策跟不上。

百度萝卜快跑也有过因没识别施工区域直接驶入沟槽的操作。

国外也没好到哪去。Waymo在美国奥斯汀，2025年8月出一件事。一辆无人车遇到停靠的校车，学生还在上车呢，它停了一下然后就开走了。事后推了个补丁，召回修车。但同类的事情到2026年还在发生。

我说这些不是要否定谁。而是想说明一件事。现在的自动驾驶，不管有图没图，都还没到能让你完全放心的程度。

04 "无图"本身，也不是银弹

回到小竹T5 Pro的「真无图」方案。

行业里其实有个共识，「无图」并不是真的什么都不靠了。它只是不再依赖高精地图，但还是要用到普通导航地图来做宏观路径规划。比如告诉车辆在哪个路口调头、从哪个出口下高速。

真正去掉的是那些厘米级的静态几何数据。

这么做的风险在哪呢。

最直接的顾虑是极端天气。暴雨、暴雪这种天气下，摄像头的视觉感知会大打折扣，激光雷达也会被干扰。有研究指出，浓雾会让图像对比度急剧降低，物体边缘模糊到几乎无法分辨形状和距离；激光雷达虽然自带光源，但在雨雪天气下光散射和遮挡效应会导致点云出现大量噪点和空洞。如果这时候又没有高精地图做兜底，纯靠实时感知的系统就会变得很脆弱。人类司机在大雨天视线不好至少还能凭记忆和经验慢慢挪，无人车呢。

然后是端到端模型的泛化边界问题。这类模型是通过海量训练数据学会怎么开车的。它在训练数据见过的场景里表现很好，但如果遇到从来没见过的情况呢。比如路边突然冲出来一个穿奇装异服的人，或者一个形状奇怪的掉落物。模型可能做出完全出乎意料的决策。这不是bug，是这种技术架构本身的特点。

算力压力也不小。传统分段式的L4方案，各模块加起来有效算力需求大约6到15个TOPS，算上冗余和利用率损耗，标称50到250TOPS的芯片就够用了。但端到端大模型把所有环节塞进一个神经网络，算力门槛直接抬升了好多倍。目前行业里面向端到端L4场景的芯片方案，像英伟达Thor-X，单片算力已经干到了1000TOPS，系统级方案要到2000TOPS。功耗和散热都是现实挑战，成本自然也水涨船高。

还有一个容易被忽略的点，误差放大效应。在传统分段式架构里，感知层的一个小小噪声可能在经过预测、规划层之后被放大成一个危险动作。端到端模型虽然减少了中间环节，但这种黑盒特性也意味着出问题时很难定位原因。

我不是说这些难题解决不了。而是说，当一家公司宣传「真无图」、「小时级部署」的时候，它展示的是最好情况下的能力上限。而你作为使用者或者路人，需要关心的是最差情况下会发生什么。

05 为什么偏偏是物流场景

你可能会问，既然这么多不确定，为什么还要往前推。

这里面有一个很重要的逻辑。L4级自动驾驶的商业化路径，其实是从简单场景逐步向复杂场景渗透的。

最复杂的场景是城市载人出行，也就是Robotaxi。路况复杂、速度快、涉及人身安全责任重大。目前看，连特斯拉这种投入最大的玩家都还在烧钱阶段。

相对简单的场景就是末端物流配送。车速慢、路线固定、不载人不涉及生命安全问题。就算出了状况，顶多晚收到几个快递，不会伤人。

所以你会发现一个很有意思的现象。做无人物流车的企业，像新石器交付量已经突破1.5万台，九识智能跟菜鸟达成了深度整合——这些玩家至少跑通了商业闭环，车真能卖出去、真能在路上跑起来。而Robotaxi那边的企业，大部分还在烧钱换规模，离稳定盈利还差得远。

小竹T5 Pro选的就是这条路线。不做出租车去做物流车。从技术难度来说降了一个档次，但从商业化落地的可行性来说，反而更靠谱。

佑驾创新绑定中通这件事，本质上是技术公司找到了一个愿意一起承担风险的场景方。中通有全国网络和海量订单需求，佑驾有技术和产品，双方利益捆绑在一起，比单纯卖车给客户的关系牢固得多。

这个逻辑是对的。但我想泼一盆冷水。物流场景虽然比载人场景简单得多，不代表技术上的那些根本性问题就不存在了。

乡村小路上的狗突然窜出来怎么办。城郊结合部人车混行，三轮车摩托车电动车横冲直撞怎么应对。暴雨天气传感器被糊住了怎么处理。

这些问题在测试的时候可以用「遇到异常就停车」来兜底。但如果你一天要跑几百单快递，频繁停下来等人工接管，那所谓的降本增效也就无从谈起了。

06 写在最后

我查资料的时候看到一个数据。截至2025年底，中国市场上80%的主流智驾方案已经转向了BEV加Transformer的无图架构。华为ADS、特斯拉FSD、小鹏都在这条路线上。

趋势是确定的，高精地图确实在逐渐退出历史舞台。

但趋势归趋势，成熟度是另一回事。从「能用」到「好用」到「敢放心用」，中间可能还差着好几年。

小竹T5 Pro是一款有意思的产品。「真无图」的方向没错，绑定中通的商业策略也对。7000台落地规模也不小。

我只是觉得，面对任何自动驾驶相关的宣传，保持一点审慎总是没错的。

毕竟，当你下次在路上看到一辆慢悠悠的无人配送车从身边驶过的时候，你心里想的应该是，希望它真的知道自己在干什么。而不是，希望它别突然停下来。

声明：本文内容90%以上为人工手写原创，少量素材借助AI辅助，文章所有内容已经过本人认真核对；图片均为网络图片或AI原创生成。文章秉持倡导社会正能量，无任何不良引导，望读者知悉。