自动驾驶、车联网领域的快速发展直接改变了大家的出行体验，如果你足够细心的话还会发现，大批行业内的公司都在宣布进行战略转型升级。这其中不仅包括大家熟知的一些主机厂、Tier 1，还有我们今天要提的一家图商：四维图新。
上周，他们举办了一场 2017 用户大会。除了展示业务布局之外，还宣布将会全面转型自动驾驶。
导航地图业务
四维图新对于导航地图业务的认知是，无论是车载导航、智能网联、移动互联还是自动驾驶业务，基础地理信息都属于支撑板块，用来满足行业的基础需求。四维图新副总裁陈丹在大会上说，一旦自动驾驶技术成型，对于数据的需求以及服务方式都会发生不可预期的变化。而这也将导致他们的思考方式、做事方法、数据内容、应用技术以及产品形态都要随之变化。
在我看来，四维图新的想法就是导航地图业务要配合自动驾驶的落地节奏进行升级，而这也是他们适应变化的一个过程。
而在产品层面上，四维图新的导航地图业务主要还是强调他们的「FASTMAP」平台。简单介绍就是，他们要在 24 个小时之内将现实道路的变化采集回来，处理好之后再分发给其他用户。不过，如果换做是我个人来理解的话，还是数据量更能直观反映这套平台。四维图新给出的数据是，在中国道路上，他们每年要更新 400 万公里的道路数据。
另外，在这届用户大会上我发现，与「FASTMAP」平台相比，他们目前在做的另外一套「ADASMap 平台」或许更有意思。
两到三年内，他们想要通过 ADASMap 将道路精度控制在 1 米以内。不过，与单纯的控制精度相比，我更关心的可能还是 ADASMap 技术的落地应用。四维图新做过一项测试，用户驾驶过程中如果可以提前获知前方几公里道路的坡度，大概可以节约 5%的燃油。一旦大规模应用，这部分价值就将有机会得到放大。
车联网业务
介绍车联网业务之前，四维图新高级副总裁景慕寒首先带大家回顾了一下这个领域的发展历程。他认为，车联网主要经历了 4 个发展阶段：
1、以呼叫中心为主的车联网发展阶段。
2、汽车联网，但仅仅是简单的汽车+联网而已，包括汽车的安防和远程控制等功能。
3、智能网联阶段，把移动互联网和智能硬件结合在一起，给汽车赋予更多的职能。内容更丰富，可以远程更新，可以远程下载，可以跟各种传感器的融合。
4、自动驾驶阶段，可以实现 V2X 功能，而车联网所做的一切也都是在为自动驾驶做准备。
在景慕寒看来，四维图新提供的车联网方案目的就是覆盖用户在使用汽车的整个场景，他们有自己的芯片、数据、实时交通、智能导航软件等等，可以确保软硬件之间的交互是流畅的。具体到车联网方案上的话，四维图新主要提供数据、动态交通以及智能车载导航系统三项产品。而这些产品现阶段也有落地在车型上的案例，例如他们已经在给大众、丰田等合作伙伴提供内容上的支持以及呼叫中心服务。
谈到车联网业务的未来发展方向时，景慕寒给出的说法是：乘用车联网业务将面向下一代自动驾驶场景，加强产业资源整合及联合开发力度，形成强大的云端数据处理和服务能力。而商用车联网领域，四维图新主要还是拓展商用车厂前装渠道。
自动驾驶业务
文章开头时我们也提到了，四维图新将会全面转型自动驾驶。因此，我很想了解的是，他们今后的自动驾驶业务路线到底如何实现？
四维图新高级副总裁戴东海认为，想要实现自动驾驶只要解答这 4 个问题就可以：首先是我在哪里。第二，要对周围的环境有比较全面地感知。接下来要预测其他环境的车辆是怎么样动作，最后一步是自己应该怎么去做。简单概括就是：感知、定位、规划决策以及控制四步。
想要实现自动驾驶，可以采用渐进式的策略，也可以选择颠覆式的策略。不过，由于人工智能和新型传感器技术的爆发，很多颠覆性技术正在推动自动驾驶技术落地。而四维图新的想法是：自动驾驶汽车的安全问题非常重要，他们既不想使用传统的渐进式方案，也不想完全依赖于全颠覆式策略，而是将两种路线结合使用。
而在谈到自动驾驶业务的发展进度时，四维图新 CEO 程鹏告诉 GeekCar，目前很多创业公司都在使用深度学习、机器学习来做感知，而这个环节的门槛已经开始降低了。他们在感知层面上取得了一些成绩，不过没有特别突出。
在程鹏看来，四维图新的强项在于定位，其中分为高精度地图以及高精度定位两大板块。这两项板块再加上传感器结合在一起之后，可以不用激光雷达 + 摄像头 + 毫米波雷达就得到很好的感知基础。
程鹏还特意强调，他们的高精度地图采集过程基于用户的传感器、智能设备、行车记录仪，用这些设备采集的数据可以实时动态更新。在分钟级以内，前面有车发现状况，后面的车就能知道。而他们的高精度地图基于机器人的视角，而不是人类的视角，最终数据也是交给机器人看的。
芯片业务
无论是车联网业务还是地图业务都属于「软」业务，为了在自动驾驶领域完成布局，同时实现软硬结合，四维图新此前收购了汽车电子芯片设计和解决方案的提供商杰发科技。两家公司也在合作生产自动驾驶所用的芯片，芯片的主要作用是进行地图和传感器的相关运算，例如处理车端传感器传来的感知数据，进行高精度匹配和决策，提取道路属性和地物信息等等。
现阶段，他们的芯片业务依然以后装为基础，前装产品所占比例大约是 20%，今后会陆续提高。四维图新副总裁王文信说，接下来两年，他们主要将精力放在提供更高性能的 CPU、GPU，做一些算法的集成，同时提供一些更容易导入的芯片。
而从战略层面上分析，芯片业务对于四维图新实现自动驾驶路线则有很大影响。程鹏告诉我，有了芯片业务之后，他们就可以完成汽车产业链整合。过去四维图新可能只卖数据，后来演变成卖车联网服务，而终极形态则是卖解决方案。其中包含了数据、服务以及芯片，所有的一切都已经集成好，可以拿来改装自动驾驶汽车。
位置大数据业务
今年 6 月份的时候，四维图新发布了 位置大数据平台「MineData」。这一次的大会上，他们的首席架构师石清华则提出这样一种观点，由于四维图新一直是一个纯正的「to B」公司，他们收获了一些比较认可的公司。所以在这一两年时间内，他们不仅把自身的数据集合了起来，同时也包括这些合作伙伴的数据。
说到 MineData 平台时，石清华的想法是，他们做大数据主要关注三点：数据本身、可视化以及分析计算能力。得到数据之后，他们需要围绕着人、车、路、城市基建、环境五个方面构建数据图谱。人和车是城市交通的主体，路和城市基建是交通活动的载体，环境是城市交通活动非常重要的因素，有了这五大要素，关于城市交通就可以输出解决方案。
仅仅只谈概念或许不够形象，石清华给出了这样这样一组数据：从 2007 年到现在为止，他们积累了超过一千亿公里的数据，这些数据正在以每天 3T 的速度在增长。而他们要做的就是平均用 30 秒的时间，将这些实时数据处理成全国 340 多个城市的城市路况。一旦大量数据累积在一起，达到一定量级和广度后，就可以预判交通事件甚至切入部分场景。
或许是「to B」的属性过于专业，会后专访时，程鹏最后还特意强调了一下他们的合作落地案例，例如微信分享位置、滴滴人车分配、美团订餐等服务都与四维图新有关。这似乎也印证了一个很易懂的道理：再复杂的技术终究会落地在消费者服务体验环节。而总结四维图新的战略也很简单，那就是整合所有业务构建一套自动驾驶体系，打造「智能汽车大脑」。
原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！
欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
