高精地圖的繪制并不難，問題在于成本。難的是如何理解環境發生的變化，并做出快速精準的判斷，并與車輛進行及時通訊。當然，短期內如何商業化，也是一大問題。
在絕大多數人眼里，高精度地圖是高級自動駕駛的核心使能技術之一。開發這類地圖是一項浩大的工程，需要在資金和人才方面進行巨大的投資。
在傳統地圖中，盤山公路上的黃色標志表示前方有蛇形彎道，這很難如實地反映詳細道路狀況，但卻可以向駕駛員傳遞一個簡單的信號：準備應對彎道。
幾個世紀以來，地圖最本質的作用從未改變：指導人類從A地到達B地。不難想象，有時過于詳盡的地圖也會礙事。加州初創公司Deepmaps首席運營官羅偉（音）表示：“你不需要過多細節，細節過多反而可能讓人迷惑。”羅先生此前曾在谷歌地圖擔任產品經理。
然而，在為用戶提供信息的同時，地圖公司也同時指望用戶能夠幫自己補充許多缺失的部分，并時刻對變化做出反應。畢竟，地圖的用戶是人類，地圖和語言一樣，是連接人類思維的橋梁符號。
自動駕駛時代的地圖繪制
然而，這種情況正在改變。作為地圖學中的最新領域，專為自動駕駛汽車繪制的地圖面對的則是一類完全不同的用戶：軟件程序。與人類駕駛員不同，導航系統需要的是細節，每一條曲線、每一個凸起的路沿、每一條車道，每個細節都至關重要，而且必須達到厘米級精度。除此之外，更具挑戰性的是，自動導航系統必須有能力判斷各種未知情況，并作出相應改變。
比如，假如有棵樹倒在路上，導航系統則該如何繼續提供指引？對于人類駕駛員，這根本不是問題，不過是抱怨幾句，然后換條路而已。但大多數軟件在面臨類似的情況時都需要非常詳細的指導，否則根本不知道作何反應。
如今，新型地圖已經成為自動駕駛行業中的基礎技術之一，地圖行業也由此開始崛起。畢竟，車輛最本質的功能是將人或貨物運送至目的地，而地圖可以幫自動駕駛車輛確定自身位置以及如何到達目的地，與現實世界建立聯系。
新型地圖需要對城市中的每一條小街小道都進行精確的三維記錄，這本身沒有什么難度。但更重要的是，我們還需要人工智能（AI）技術，協助車輛判斷行駛路線上可能出現的各種情況，并作出適當的反應，而且通常需要在幾分之一秒內完成。
如今，在自動駕駛汽車發展如火如荼之時，新一代地圖的繪制已然成為了一項龐大事業。其中的參與者不僅包括地圖行業巨頭谷歌Waymo，還有很多初創公司，比如拿到風投的美國公司DeepMind和Carmera，以及由戴姆勒（Daimler）、大眾（Volkswagen）和其他多家汽車制造商投資的歐洲領先地圖供應商Here Technologies。最終，在競爭中勝出的公司將有機會運行一個全球地理平臺，追蹤并指導地球上大部分車輛的行駛。卡內基梅隆大學機器人系教授John Dolan表示：“這是一個非常熱門的研究領域。”
如何應對變化
對于針對自動駕駛汽車的地圖繪制而言，最大的挑戰在于如何應對變化。“事實上，（自動駕駛地圖）必須是4D的。”Deepmap公司的羅偉Wei Luo 表示：“也就是傳統三維外加時間維度。”為了在地圖中融入時間維度，所有系統都必須通過某種方法來收集最新數據，而且必須保證這些數據的實效性和可靠性。Waymo等公司選擇利用自己自動駕駛車隊上的傳感器，其他公司則傾向于采用「眾包」的思路，也就是利用其他車輛上裝載的激光雷達和各種傳感器。
一旦傳感器就位，并開始傳回報告流，數據收集部分的工作就很簡單了。“你可以從一張信息豐富的基礎地圖開始。”紐約初創公司Carmera創始人兼首席執行官Ro Gupta表示：“這并不簡單，但從某種程度上來說已經不是問題了。”
事實上，真正構成巨大挑戰的正是大量數據本身。羅先生表示，每輛自動駕駛汽車每小時大約可以產生1PB的導航數據，這非常龐大，相當于2的50次方字節。軟件必須對這些海量數據進行篩選，并從中找出有意義的片段，然后「決定」是否采取行動及采取何種行動。這將帶來非常龐大的認知工作，需要人工智能技術的深入參與。
在最初階段，單單識別變化就已經是一個挑戰了。隨著海量數據的不斷涌入，基礎地圖將持續確認各種信息匹配無誤。停車標志？沒問題。左轉車道？也沒問題。
然而，世界常會有新的變化，比如街角處的一棵松樹沒有了，出現了一片空地。系統可以發現這些變化，但這個變化是否比落葉或水洼的出現更重要？人類駕駛員想都不用想，就會立刻認出某片空地上停了一輛卡車。但軟件系統卻缺乏人類的這種經驗和直覺，因此必須通過更多線索才能進行判斷。觀察結果有更多的數據支持嗎？類似大樹這樣的目標曾有多少次消失不見呢？這種情況是否會造成任何事故或其他麻煩？會影響交通的通暢嗎？
在應對變化時，時間至關重要。一種符合邏輯的做法是通過對傳感器車輛進行編程，使其僅在檢測到與基礎地圖出現不符的情況時才進行報告，從而大幅減少數據通信量及相關延遲。如果Broad Street大街上的三條車道一切如故，那又何必再報告一些沒用的信息，給系統增加噪聲呢？Carmera的Gupta表示，不過，問題在于我們可能會忽視掉一些未被察覺的變化。他說：“因而可能會丟失一些假陰性指標。”
是否連“云端”？
此外，新型地圖的更新還牽扯各種各樣的數據管理問題。例如，哪些地圖數據應交由車輛自己解讀，又有哪些應該上傳至基于云的人工智能系統進行判斷？
從一方面，云可以同時從多個來源接收信息，將其與歷史模式進行匹配，并提供更多的智能功能。然而，盡管超高速5G蜂窩網絡預計將在三年內得到普及，但數據的傳輸依然無法避免延遲問題。更重要的是，由于網絡連接很難得到100%的保證，因此自動駕駛汽車也必須配備車載系統，從而具備在不聯網的情況下對變化進行判斷，并做出適當反應的能力。
在早期階段，大多數地圖公司都會選擇將部分區域當作樣本，進行新型地圖開發。很自然，很多公司都把精力集中在正在進行自動駕駛測試或已經開始提供相關服務的區域。比如，Waymo和Deepmap均在亞利桑那州和加利福尼亞州的部分地區投入了很大精力。
Carmera則已經與一些貨運公司簽訂了合作協議，目前正在與紐約、舊金山和佛羅里達州的老年村進行地圖建模，而這些地區都是其合作伙伴正在提供自動駕駛穿梭巴士服務的區域。Here Technologies公司則是一個例外，這家公司憑借與多家主流歐洲汽車制造商的關系，可以通過這些制造商出售的數十萬輛汽車上的傳感器，收集歐洲和北美地區的匿名數據。
現階段的營利也很重要
對于一些獲得風投的創業公司而言，業務發展的時機也非常重要。盡管這些公司現在已經開始大量砸錢，但全自動駕駛汽車（也就是SAE 4級和SAE 5級自動駕駛汽車）的廣泛普及可能要到十幾年以后，甚至更久。因此，這些創業公司也在為他們的下一代地圖尋找過渡期的市場。HereTechnologies產品營銷經理Mattew Preyss提問到：“在過渡期中，我們該如何利用這些數據來幫助駕駛員？”
Preyss表示，下一代地圖將為Waze、谷歌地圖及TomTom等當下主流導航服務提供有力補充，時時為駕駛員提供最新路況和路線修正信息。更重要的是，這些地圖還可以提供如增強現實或尋找車位等一系列全新服務，以音頻和畫面的形式為駕駛員提供詳細的路線信息。與以往一樣，只要同時牽涉人類駕駛員和地圖，我們就必須面臨一個永恒挑戰——如何讓地圖為駕駛員提供更多有用信息，但同時剔除可能分散駕駛員注意力的細節。
現階段，讓人類駕駛員繼續參與新型地圖繪制還有一個重要作用——地圖本身可以學習人類駕駛員是如何對數據做出反應的，進而將更多人工智能處理能力分配在行車路線的中需要車輛立即做出反應的重大變化上。在未來十年中，我們人類駕駛員也將“教導”導航系統，使其真正做好取代我們的準備。