4月26日，易图通2018用户大会成功举办，有来自国内外重要的系统供应商，知名的人工智能公司以及其他产业链上的重要伙伴。大会围绕“智行互联，应用无界”的主题共同探讨车联网和自动驾驶发展的机遇与挑战。
易图通总裁陆洪彬对公司2017年的进展做了总结：高精度地图生产线自动化程度显著提高，自动驾驶仿真测试服务上线，车联网解决方案更为全面，世界地图上线并服务于全球企业。陆总强调，易图通是一家中立的图商，将坚持“合作、开放、共享”的发展理念，以开放和包容的思维对待竞争与合作，努力与合作伙伴共建生态系统。陆总认为，车联网时代必将诞生新的商业模式并给车厂和供应链创造更大的价值，易图通愿与生态系统中的伙伴紧密合作，共同打造有竞争力的车联网解决方案;在面向自动驾驶的高精度地图云平台服务方面，陆总透露易图通正在大力投入高精度地图研发，并聚焦即将到来的L2.5-L3自动驾驶发展机遇。
易图通副总裁羊铖分享了易图通在自动驾驶不同阶段的发展路线图，易图通将同时利用高精度地图重传感器和轻传感器技术路线的各自优势，以满足高精度地图快速覆盖、实时更新和定位精度的要求。此外，羊总还介绍了高精度地图不仅可以应用于自动驾驶，也能够广泛应用于智慧交通等其他领域。
易图通副总裁赵斌表示，易图通为了与合作伙伴共同打造有竞争力的车联网解决方案，目前正在利用千万级的车辆轨迹和亿级手机轨迹等大数据构建一张“活的路网”，包括三个图层，即基础路网层，目前覆盖接近700万公里，2018年底将达到850万公里;动态事件层，包括区域限行，潮汐车道，道路施工封闭等信息，到2018年7月，区域限行将覆盖所有颁布限行规则的城市;实时交通层，目前已经覆盖全国120多个城市，覆盖全国城际高速及85%国省道。目前易图通已经与合作伙伴共同打造了一个有竞争力的车联网解决方案，并已经应用在前装车厂项目。
清华大学智能网联汽车与交通研究中心主任李克强教授提出，中国标准智能网联汽车产业化亟需建立五大基础平台，包括高精度地图基础数据平台、智能网联汽车云控基础平台、云控基础平台、车载智能计算基础平台、新型智能车载终端基础平台，这五大基础平台的产业化必将产生协同效应，符合国家的发展战略。智能网联汽车研发应按此五大平台依序建立。
Ygomi 董事长(NAVTEQ创始人)T. Russell Shields认为，高度自动驾驶精确定位是核心，绝对位置精度并不需要，重要的是相对定位精度必须达到10厘米以内。Russell提出，用于自动驾驶定位的道路特征点数据库其实不是地图，因为涉及自动驾驶安全，这个数据库容不得错误，由于人工制作必然会发生错误，所以制作过程必须是没有人工干预的完全自动化过程。
Mapbox 副总裁Alex Barth在会上向大家展示了一个新型图商如何满足无限的地图应用。Alex介绍了Mapbox每天收集到全球2.25亿英里的行驶轨迹数据，并利用这些数据实时更新出一张活地图。并在会上为大家介绍了Mapbox最新的SDK，视觉图像技术。
Altran 英国汽车及产品部总工程师Michael Welsh表示Altran引用全新的SOA(面向服务架构)理念研发了跨越传统功能域名的coherenSE 平台，从而帮助制造商和一级供应商摆脱了目前软硬件管理在智能汽车生产链中层层依赖的命运。
Momenta 研发总监孙刚表示，自动驾驶能够大幅度提高出行安全和降低出行成本。为了争取自动驾驶的早日落地，Momenta 选择了渐进式的发展路线，在现阶段采用较低成本的视觉识别技术路径，这条技术路径高度依赖于AI算法的能力，而算法的能力恰恰是Momenta擅长的。孙刚在会上与大家分享了难得公开的研究成果。在孙刚展示的视频上可以看到，Momenta的自动驾驶技术目前已经可以实现在实际道路上行驶，且可以在地下停车场中，无GPS的情况下，通过视觉图像技术建立实时地图，以完成自动泊车。
中国卫星导航定位协会首席科学家曹冲认为，自动驾驶领域大家热议的高精度难题在某种程度上是个伪命题，我们更应该关注的是可靠性、安全性、体系化，自动驾驶中绝对精度并不重要，重要的是相对精度，从美国曾经设置SA(可用性选择)到最终放开SA，以及中国导航电子地图开放过程的经验来看，精度问题不会成为自动驾驶的障碍，真正的难题是技术与融合、政策与法规、标准与测试、成本与安全。
曹老师表示，从2016年开始制定的《卫星导航条例》将是汽车自动驾驶相关法律条文纳入的良机。而要有效推动政府立法修法，企业行业需要给政府一个说法，给出有根有据的研究报告，给政府决策提供依据。需要有像行业协会那样的机构持续不断的向政府部门提供有针对性的研究报告，才能解决问题。
知卓集团董事长陶闯博士是微软并购史上第一位被微软并购的华人企业家，并在此后领导过微软的全球地图部门，陶博士表示未来的颠覆一定是人工智能+空间大数据，他认为测绘(mapping)正在从测绘自然转向mapping人，未来将转向mapping机器，对应的发展阶段是从传统测绘到描画人类行为的时空大数据，再到描画机器人的时空大数据，这就是智能时空大数据时代到来的发展路径。
