高精度地图能够解决自动驾驶的问题我就不用过多赘述了，我觉得最关键的还是起到一个现有传感器冗余的作用，因为现有的传感器即使从看的比较远的激光雷达的角度来说，它现在还很贵，而且从现有落地的产品来看大概有2百到3百米的有效距离，未来应该可以做到4百到5百米，但是它是有限的，所以地图的信息是远远超过一定距离的，它能提供的维度也在这个之上。当然除了现实世界的信息和现实世界的变化之外，还有一个重要的点就是它里面有很多道路的决策，以及跟道路的驾驶行为相关有效的信息，这些对于自动驾驶系统来说可以通过地图来获取。
从整个自动驾驶的行业来说，大家对于高精地图这个名称理解并不是完全一致的，像waymo这种自己做完全端到端的自动驾驶运营、自动驾驶的工业设计、自动驾驶的量产落地这种类型的公司来说，它对于地图的要求是非常复杂的，比如说点云矢量、规则以及不同地图要素的概率，它都会有非常强烈要求。对此来说，它也会有很高频更新的要求，因为对于一个自动驾驶的运营车辆来说，这些运营的过程当中也会去频繁更新数据。但是对于传统的主机厂来说其实对于自动驾驶的车辆更关心的是这个车辆的安全性，就像日产的propilot会搭载两套产品，包括一套日本高精度地图的定位系统和传统的系统，来保证冗余，从而保证自动驾驶的安全性。当然也有相对来说准确性没有那么高成本很低的，但是可以大批量进行推广的高精度地图产品。还有博世的以及RoadDNA等等产品可以获取有效的信息，并且更新频率也很高，但是因为它缺少对于视觉语义信息的感知，因此它只能做一些现有传感器的补充。特斯拉对于高精度地图有另外的看法，它认为这个高精度地图在生成的过程当中可能是更多通过深度学习来自动生成而不是对高精度地图有强依赖的过程。
因此从四维的角度来说我们对于高精度地图的理解分为几个不同的层次，大家在说高精度地图，但其实高精度地图并不是一件事情，也并不是一个单一的产品。最简单来说就是我能够保证在某一个区域上面实现单车道或者多车道的自动驾驶，比如说这个区域的行驶条件适合行驶，那它有一定的车道信息就OK了，但是很多的车道级定位通过众包的形式也可以去生成地图，这个过程当中会有一定的不确定性，但是它可以获得很好的一个成本补偿。
从L2、L3、L4，我们认为这个阶段的地图我们才称它为HD map，因为它完完全全有效利用现代地图当中所有的要素，来实现地图当中上层的基本功能，也就是对地图来说最关键的几个功能，就像定位、规划和引导，我认为现在我们的行业阶段应该是从ODD地图在向L2+HDmap转变的过程当中，但是四维所做的事情就像其他的嘉宾演讲过程当中，对地图有这样的理解，实际上一头扎进了L3和L2+层面去实现对地图的道路安全以及复杂场景感知，以及道路规则和决策复位，四维认为一旦实现了L3和L4地图的要求，针对于L2+以及上层这些基本地图的要求，应该都是能够满足的，因此四维现在主要的精力都在攀登L3和L4，HAD和HD的地图高峰。
