之前在車企做地圖，從0到1搭建了一個完整的業務，雖然最終項目失敗，但是這次無疑是非常充實有成長的職業體驗。這篇文章，記錄下作者的復盤和思考，希望能幫到大家。

在某國內知名車企做地圖已經一年了，說實話真的很感謝，給我了這么好的機會，讓我從一個業務大頭兵，成為了一個業務負責人，讓我從0到1的搭建了一個在前司需要6個產品一起完成的業務。

遺憾但不得不承認的是，由于大方向的變化和整體業務的緊縮，我的業務最終于失敗在黎明前的黑暗中，我也拿著我的包開開心心的開啟了橫跨歐亞大陸的旅行，但是這次無疑是非常充實有成長的職業體驗。

所以在這里，我記錄下我的復盤和思考，為什么這件事沒能成功，以及如果再來一次，我應該怎么做。

初心回顧：車企為什么要做地圖

什么是地圖

車輛是實現位置移動的工具，駕駛車輛，從A地到B地，是車輛最樸素，最核心的功能。

所有的駕駛需求和駕駛行為都隨著路線（或者說是旅程）展開。即使是閑逛，車輛也自然的產生了位置、軌跡。

地圖數據由靜態信息（道路本身的信息）和動態信息（交通參與者的信息）組成，它為駕駛提供了路徑引導和數據收容。

車企的優勢：顛覆傳統地圖行業的數據收容

對于車企來說，他們在數據收容方面對比傳統圖商存在天然的優勢。

對于傳統地圖圖商來說，他們數據生產的資料來源于自有的采集車、采購的道路圖片、和用戶軌跡。采集車的數量有限，采購圖片的質量參差不齊，用戶軌跡可視化的信息太少，這些都影響著數據生產的質量、數量、更新頻率。

但是隨著支持輔助駕駛車輛的量產，這些天然裝載雷達、攝像頭的車輛，就像全副武裝的、規格統一的采集車一樣。無需人工運營，隨著正常用戶的駕駛，掃描著大街小巷、掃描著道路、標線、路牌、設施和其他交通參與者，源源不斷地進行著高質量數據資產的回收。

就像蒸汽機淘汰了馬車，高頻、高覆蓋的數據采集需要全模型化、自動化的生產，新的生產模式會顛覆，高效產線淘汰低效的產線，吃掉低效產線的市場，這是利潤的增量空間。

自動駕駛的需要：單車智能的極限

對于自動駕駛來說，車載電腦（CMU） = 人類駕駛員的大腦，感知模塊（激光雷達攝像頭） = 人類駕駛員的眼睛。理想情況下，和人類駕駛員導航一樣，我們可以把一條路線給到車載的電腦，車輛就可以完成自動駕駛控制。

但是單車感知存在視野的極限距離，此時，一張支持自動駕駛的高精地圖，既是車企的優勢，又是車企的剛需。

信心像金子一樣珍貴：不怕你們笑話，我做黃了兩個業務

這是一個有200人的，有地圖行業經驗的資深一線團隊，第一步是，我們打算從0開始，復刻業內的成熟產品，以節約集團的采購成本，第二步才是，并且在車企的特有能力上，超越競品，打出亮點。

而實際做起來，決策方向搖擺不定，對預算和周期都卡的很緊，常常是投產開干、金錢和時間都花進去了，做到七七八八，又叫停了。

我想雖然我們一線人員對成品的質量和周期有預期，但是決策層領導沒有做過地圖，也沒有做過互聯網產品，下決心去供養一個有200個技術的團隊，投入2-3年不見水花的產品，是一件心里壓力很大的事情。

這樣的情況下，一個完整的架構、一個以終為始的設計，拉長了項目的驗證周期，在預算緊張的情況下，很難讓人堅持的走下去。

即使從業內人的視角來說，這是只有車企能卡住身位的、業內最佳方案。

（涉及到具體方案不透露、也不僅僅是這一個原因，但是這里僅復盤如果我的業務重做，我會這么做）

正確的路徑是什么

車輛有需要，一定要100%自建嗎？

地圖作為一種數據產品，車企完全可以可以通過圖商采購，來實現導航的基本功能，自建地圖生產線，這是一件成本和復雜度同時很高的事情。

如果再來一次的話，我們應該整體采購，從上層開始做。

然后從上往下一步步的替換前端-引擎-數據生產模塊，直接從車企擅長的、圖商做不到的、有壁壘的能力開始搞。

（以下為示意圖，不涉及具體業務模塊）

每個月都能迭代一個可見可感的小功能，有產出就有了信心。

比如我做的交通業務，其實是道路參與者信息的的特征抽象，圖商提供的是基于軌跡點生成的路況。同理我們自有交通參與者（自有車輛），在采購的交通成品數據外包一個V2X感知觸達模塊，感知同路的車輛，做盲區預警、會車預警，也是手到擒來的事情。

這些不需要我們建一個完整的交通業務架構，只要在采購導航的外面包裝一個觸達感知服務，再加點我們自己的東西。

如此逐漸從上往下，由外而內的把原來的采購架構啃掉，在修忒修斯之船的時候，把這艘船變成一艘新的船。

每個節點，都能有交付亮點，也更容易撬動內部支持和外部合作

總之

希望我們不要陷入對完整架構設計的狂熱，而是應該先有再優，尤其是啟動階段，把時間用在最出成果的功能點上。