前阵子我刷到一个视频：一个年轻人骑着电动车，在杭州新打通的小巷子里转悠，车把上绑着手机，屏幕上闪着一个 App 的界面。他说自己在“跑地图”，给那些导航软件里没有的路做标注。我一看就乐了，这不就是十几年前我干过的事吗？那时候我刚入行做地图数据，每天背着旧笔记本，跑遍北京城，拿笔在本子上记路名、画路口。碰到新修好的胡同，还得蹲在路边等大爷指点路名。现在呢？这年轻人手机一开，AI 后台自动识别路况、建筑轮廓，只需要确认一下。从人工标注到智能识别，地图数据的这场静默革命其实早已开始。
你可能会觉得，地图不就是导航工具，哪有那么多门道。但你想想，你每天用高德、百度或苹果地图，点一下“去公司”，它立马给你算出三条路线，告诉你哪个堵车、哪个最快。背后靠的可不是卫星拍张照片那么简单。卫星图像能看到路，却看不出限速是多少、哪里新设了单行道、哪个小区门口新开了菜市场。这些细节最早全靠人工一点点跑、一点点标。我记得 2010 年左右，公司招了一批人，专门做“地图标注员”，每天对着屏幕，把卫星图上的房子、道路、绿化带用鼠标一个个描出来。那活儿枯燥得要命，眼睛盯久了直冒金星，一个月工资也就三千多块，离职率特别高。
后来技术开始变了。2015 年，深度学习和计算机视觉火起来，地图公司最先尝到甜头。AI 能自动识别卫星图上的道路轮廓，连行人横道线都能勾出来。但问题是，AI 再聪明，也分不清“这条街是步行街还是机动车道”，更搞不懂“这个路口左转是否被禁止”。于是出现了“人机协同”模式：AI 先跑一遍，把能识别的都标出来，剩下模糊、有歧义的再交给人工确认。我在杭州认识一个地图数据公司的产品经理，他说他们现在有几百人的团队，每天的工作就是“教 AI 认路”。比如某个小区新开了北门，AI 没认出来，人工就得标一下，然后把这个样本喂给模型，下次它就记住了。
这种模式的好处是效率提升了不止一个量级。以前一个人一天能标几十条路，现在 AI 预处理完，人工一天能确认几百条。但坏处也很明显——人工标注的质量参差不齐。我有个朋友在深圳做地图数据质检，他最怕碰上那种“糊弄型”的标注员，为了赶量随便点两下就提交，结果导航把人导进死胡同，用户投诉炸了。所以现在很多公司实行“双人复核”机制：一个人标完，另一个人再验一遍。这就像写文章一样，AI 能帮你生成初稿，但把关的还是人，尤其是细节，比如“这个小区的地下停车场入口到底朝哪个方向开”，AI 也猜不出来。
不过，智能识别的进步确实在蚕食人工标注的领地。去年我去了一趟武汉，跟一家做自动驾驶高精度地图的公司聊了聊。他们用激光雷达和摄像头，能实时扫描路面，连车道线、路沿、红绿灯位置都能自动建模，精度到厘米级。以前这些数据得靠人开车、拿专业设备一点点测，一公里路成本上千块。现在 AI 跑一趟，成本砍到十分之一。但有意思的是，他们仍保留了一支人工团队，专门处理“极端场景”——比如雨雪天路面标线被覆盖、施工路段临时改道、或者没有路牌的乡间小路。技术总监说：“AI 在标准场景下无敌，但一碰上非标，就得靠人。”
这场革命最微妙的地方，在于它对从业者的影响。我认识一个做了八年地图标注的老张，去年被公司裁了，原因是 AI 效率太高，人工需求骤降。他后来去了一家外卖平台做数据标注，工作内容从标道路变成了标餐厅的营业时间、菜品图片。他跟我说：“地图不画了，改成画饭馆了。”这背后是整个人工智能行业的缩影：技术把很多重复劳动消灭了，但也催生了新的标注需求——AI 需要海量的训练数据，这些数据仍然要靠人来清洗、标注。所以地图数据的革命，与其说是“人工被替代”，不如说是“人工在转型”。以前是画地图，现在是教 AI 画地图。
回到开头那个视频里的年轻人，他跑完那条新巷子，地图第一次真正活了过来。
