在今年的腾讯全球数字生态大会上，腾讯地图副总裁张少宇给出了一个截然不同的观察：" 市场对地图的需求非但没有收敛，反而因 AI 的深度介入而变得更加多元和动态。"
今年，腾讯正式发布智能驾驶地图 9.0。它不再满足于做一份静态的 " 数字路书 "，而是要成为一个能深度参与决策、与自动驾驶系统共同进化的 "AI 导航智能体 "。
尽管行业一度流行 " 轻地图 " 方案，但腾讯地图认为，" 精细化、实时化、服务化 " 加上 " 广域覆盖 " 是地图技术发展的核心方向。
张少宇补充到，" 一些推进 L3 的车企，反而重新提出对高精地图的需求。智能驾驶对地图的需求并未收敛，而是因场景分化——城市 NOA 需要广域、鲜度；停车场导航需要精细化建模；而 " 驾驶经验图层 " 则依赖轨迹数据的 AI 挖掘。"
目前，腾讯智驾地图已覆盖全国高速和 360 个城市道路，拥有 40 亿知识图谱、8000 万 POI、1300 万道路数据，并覆盖 227 万个停车位。腾讯的策略不再是提供单一规格的产品，而是打造一个包含车端图、云端图、运营图层乃至原始训练数据的 " 工具箱 "，以应对不同客户的差异化需求。
以下是《新智驾》等与腾讯智慧出行副总裁张少宇和腾讯地图产品总经理陈志的对话，内容经编辑：
问：腾讯智驾地图 9.0 被定义为一个 " 懂交流、会思考的 AI 导航智能体 "，在座舱和自动驾驶两大板块的升级中，它具体充当什么角色？与车企目前重点宣传的端到端大模型、VLA 大模型之间是什么样的关系？
陈志：实际上，车企在使用大模型时会很自然地分成座舱和智驾两个相对独立的使用领域。在座舱领域，车企会部署一个中控大模型，用来处理用户在座舱场景下的所有需求。而对于腾讯地图来说，我们打造的智能体主要专注于导航和 LBS 领域，解决用户在这个特定领域的需求。
这两个智能体之间存在明显的协作关系。一般来说，用户的中控入口还是以车企的座舱大模型为主入口，当座舱大模型识别到用户有地图或导航领域的意图时，会把这些信息传递给腾讯的导航智能体，由我们来提供专业服务。这是一种分工协作的模式。
至于您刚才提到的 VLA、端到端大模型，它们更多是应用在智驾领域的。智驾领域会有一个 " 司机大模型 "，这个领域与腾讯地图智能体的关联度相对较弱，更多的是使用腾讯智能驾驶地图的数据能力，包括静态数据和动态数据，来提升整体智能驾驶的体验。
问：腾讯地图在智能驾驶领域已经和不少车企、智驾供应商建立了合作。面对这些不同类型的合作对象，他们的合作侧重点是否有明显差异？能否为我们举一个具体的合作案例，说明腾讯智驾地图是如何嵌入到对方的研发体系中的？
张少宇：我们现在合作的对象确实非常多，覆盖了行业主流的车企和智驾供应商。
我们观察到，不同的合作对象在自动驾驶领域所处的阶段确实存在明显差异——有的合作伙伴已经进行了非常深入的投入，形成了体系化的解决方案，整体水平接近国际头部企业；也有的合作伙伴还处于相对初期的探索阶段。
针对这种差异性，我们提供了不同层级的解决方案。首先是最基础的车端自动驾驶所需的地图数据服务；其次是云端的地图服务，包括运营图层等增值服务；更深度的合作还会涉及到原始训练数据和支持自动驾驶能力提升的工具链。这些都是为了帮助合作伙伴加速自动驾驶技术的研发和应用。
我举一个具体的例子。传统的自动驾驶方案只需要在车端预置一份地图数据就可以了，但现在我们发现需求发生了明显变化。
比如，导航中常见的 " 前方路口右拐 " 这样的引导信息，在过去的自动驾驶图里是不需要的，但现在越来越多的自动驾驶方案开始需要这类原本为人类驾驶员设计的信息。这种需求变化就促使我们提供更加动态的、面向服务的解决方案。
问：当前行业中有不少车企和智驾供应商都在强调 " 轻地图 " 或 " 无图 " 的技术方案，特别是端到端、VLA 等大模型方案颇为流行。站在腾讯地图的产业视角，您更认可什么样的技术发展路线？
张少宇：这确实是个值得深入探讨的问题。回顾行业发展历程，在 2019-2020 年期间，高精地图为自动驾驶服务似乎没有太多争议。但到了 2021-2025 年，特别是今年，我们看到的是一个多种技术路线并存的混用状态。
从实际观察来看，技术发展呈现出几个明显趋势：首先是追求更广域的覆盖，不再局限于局部区域；
其次是对信息实时性的要求已经超过了对精度的要求；
第三是对图层定制化的需求越来越多样化。我们发现，很多自动驾驶公司开始需要融合导航域的信息，这与 VLA 等技术的发展密切相关。
在我看来，" 精细化、实时化、服务化 " 加上 " 广域覆盖 " 是地图技术发展的核心方向。实时信息包括交通事故、道路施工等动态信息都会成为标配。每种技术路线都有其适用场景，关键是看能否满足实际需求。
问：导航智能体目前处于什么样的发展阶段？相比去年发布的 8.0 版本，9.0 版本在底层逻辑上发生了哪些质的变化？
陈志：导航 AI 或者说导航智能体，严格意义上还没有像自动驾驶那样清晰的 L1-L5 分级标准，它更多处于一个持续演进的状态。但从实际体验来看，随着基础大模型能力的进化，智能体的 " 聪明 " 程度确实在快速提升。
9.0 版本相比 8.0 的突破主要体现在三个层面：首先在路线智能化选择方面，我们以前会给用户多个选项让其自主选择，现在则能结合用户个性化需求和实时路况，更主动地帮助用户做出决策；
其次在播报引导方面，我们打破了传统的路口播报模式，引入更多语义化表达，比如 " 前方麦当劳右拐 " 这样更符合人类思维习惯的指引；第三在行程管理方面，实现了服务的连贯化，用户只需表达需求，系统就能自动完成路线规划和服务衔接。
从技术底层来看，最核心的变化体现在数据要素的丰富度和 AI 推理能力的提升。我们利用 AI 技术大幅提升了数据生产效率，使地图数据更加贴近真实世界。
同时，在播报等环节从规则驱动转向模型推理驱动，对中长尾场景的处理更加自然流畅。
问：随着 AI 与地图融合程度的不断加深，从产业发展的角度来看，下一代地图技术可能会朝着哪些方向进化？会有哪些当前可能还意想不到的创新场景出现？
张少宇：从地图技术发展的本质来看，我们实际上是在对真实世界进行数字化重构，这个过程中既包括时空信息的数字化，也包括与互联网上已有数字化信息的关联。AI 技术正在这个过程中发挥越来越重要的作用。
我认为主要进化方向有三个：首先是地图生产速度的飞跃，借助 AI 和边缘计算能力，整个数字化的过程会变得越来越快；其次是地图会更加 " 懂 " 用户，能够理解用户的驾驶习惯和偏好；第三是连接范围会不断扩大，地图将不再是孤立的导航工具，而是与车辆状态、周边服务等形成有机整体。
未来的地图可能会实时感知车辆的电量状态，并结合周边充电站的排队情况、价格因素等，为用户提供真正智能的充电规划。这种深度协同的服务模式，将会创造很多新的用户体验。
问：关于 L3 级自动驾驶，业内预计相关标准可能在今年第四季度推出。如果 L3 真正落地，对地图的需求会产生哪些变化？
张少宇：L3 在自动驾驶领域确实有相对清晰的功能定义，但具体实现路径却因厂商而异。我们看到，有些瞄准 L3 的自动驾驶公司提出了对高精地图的强烈需求，而另一些公司则认为基础导航图就能满足需求。
这说明，虽然 L3 时代正在到来，但对地图的需求并没有收敛到某种特定规格。地图需求仍然与各家的具体技术方案紧密相关。我们需要做的是保持技术灵活性，满足不同类型的需求。
问：腾讯作为图商，与其他竞争对手相比，最核心的差异化优势体现在哪些方面？
陈志：首先，高质量、高鲜度的地图数据是基础。在这个基础上，我们的差异化主要体现在两个方面：一是灵活性和开放性，我们能够提供工具让车企构建符合自身需求的定制化图层；二是腾讯生态的独特优势，比如我们可以通过微信支付等生态数据实时感知商铺营业状态，这种能力是传统图商难以企及的。
以 POI 数据为例，传统模式需要依靠人工巡检或用户反馈来更新状态，而我们可以通过生态优势实现近乎实时的状态更新，确保数据的准确性和鲜度。
问：当前行业也在关注机器人地图市场，从地图技术的角度来看，汽车地图与机器人地图之间是递进关系吗？腾讯在这方面有何布局？
张少宇：我们认为机器人时代已经来临，这两者更像是并行发展的关系，会相互促进技术进步。传统的汽车地图主要以路网为骨干，而机器人需要的是更加泛化的可行走区域地图，包括楼梯、草坪、广场等多样化场景。
这种差异对现有地图技术提出了挑战。我们正在与机器人公司开展合作探索，比如最近的机器狗项目。这要求我们突破传统路网地图的表达方式，建立更加泛化的地图构建能力。
问：在情感化设计方面，腾讯地图有哪些具体的技术突破？如何让 AI 的交互更加拟人化？
陈志：情感化设计确实是我们重点投入的方向。首先，地图相比其他应用有个天然优势——我们对用户的位置和场景有精准感知。比如在拥堵场景下，我们不仅能提供绕行方案，还会通过安慰性话术缓解用户焦虑。
更重要的是，我们正在将腾讯丰富的 IP 资源融入导航体验。比如引入《王者荣耀》角色妲己的语音播报，不仅是声音的模仿，更是将其人格特质、表达方式深度融入，让用户感受到真正的人格化交互。
问：在定义导航智能体的功能边界时，腾讯是如何把握 " 有所为有所不为 " 的原则的？
陈志：这个问题涉及产品定位的核心思考。我们始终围绕 " 为用户提供高效、安全、安心和愉悦的出行体验 " 这一价值主张来规划功能边界。具体来说，导航智能体会严格限定在出行、导航和智驾相关领域。
比如，我们不会让导航智能体去执行点歌这样的泛娱乐功能，但可能会在用户经过海边公路时，智能推荐适合场景的音乐。这种基于场景的服务延伸，才是我们关注的重点。
问：在实际落地过程中，如何平衡云端大模型与端侧模型的计算资源分配？不同类型的车企对此是否有不同的偏好？
陈志：这确实是个很实际的问题。我们发现，大部分主机厂倾向于自己集成端侧大模型，不希望每个应用都独立部署端侧模型。因此，我们主要采用 " 云 + 端 " 协同的方案。
具体来说，如果主机厂的座舱算力分配比较有限，我们主要以云端模型提供服务；对于需要快速响应的场景，我们会对接主机厂的端侧大模型能力。不同的厂商确实存在差异化需求，我们需要灵活应对。
问：行业中出现 " 无图 " 方案的声音时，腾讯内部是如何看待这一趋势的？这对业务发展产生了哪些实际影响？
张少宇：当新的技术概念出现时，我们始终保持开放和关注的态度，但更重要的是深入理解客户的真实需求。我们主动与各大车企进行技术交流，抛开概念炒作，聚焦在实际场景中到底需要什么样的地图能力。
经过深入交流后，我们发现实际情况与表面讨论存在差异——不是 " 无图 "，比如今年以及去年的下半年，我们在和车企聊的时候，了解到的是他们在训练过程当中还需要图，只是对地图提出了更高、更复杂的要求。雷峰网
