华为星迹定位（星迹，Xingji）是一套面向复杂环境的定位方案，重点不是让所有场景都套用同一种高精度模式，而是根据环境组合卫星测量、专用硬件、运动估算和地图匹配。华为在 2026 年 10 月 12 日的终端技术沟通会上介绍了这项技术，相关报道提到 Mate 90 系列和 WATCH GT Runner 2 的应用。13

关键是区分不同场景的指标：例如“测距精度提升超过10倍”与“车道级定位达到亚米级”是两种不同说法，不能理解为所有导航场景的整体精度都提升十倍。以下性能数字均为华为公布、媒体转述的口径；现有材料没有提供完整测试条件和对照方法，不能据此视为独立验证结果。

星迹定位采用哪些技术？

星迹定位将多种定位手段按任务组合使用。高架道路场景采用海思短距芯片与 GNSS 载波相位测量；跑道导航使用 RTK 与 AI-PDR 融合；隧道场景依靠 AI 速度估算和地磁匹配；滑雪场景融合 GNSS 与 SkiDR；地库寻车则使用 3D 路网匹配。2359

这些方案分别应对卫星信号受遮挡、运动轨迹失真，或仅知道大致位置却难以判断车道、楼层等问题。它们不是同一套算法在每个地方给出同一种精度保证。

不同场景如何工作

高架道路：从道路级定位细化到车道

在高架道路上，导航可能需要区分不同车道，才能提供更合适的变道指引。华为称，星迹定位将海思短距芯片与 GNSS 载波相位测量结合，测距精度提升超过10倍，并支持亚米级车道导航。25

这里的“超过10倍”针对测距精度，不等于实际导航在所有道路、设备和环境下都提升十倍。亚米级也是报道中的车道导航指标，不应外推为星迹定位在隧道、商场等场景的统一精度。25

隧道：用速度估算和地磁匹配补充卫星定位

进入隧道后，卫星信号受阻，单靠惯性导航可能出现位置偏差。华为介绍的方案使用 AI 速度估算和地磁匹配，目标是在缺少卫星信号时维持车道信息。35

华为方面称，该方案可实现不受隧道长度或行驶时间限制的隧道内车道级定位，并将其称为业界独有。现有报道转述了这一说法，但没有提供足够的对比测试细节来独立验证其“独有”或不受时长影响的程度。12

跑道与跑步：手机导航和手表收星各有侧重

Mate 90 系列将 RTK 与 AI-PDR 融合，用于运动场跑道级导航。手表方面，WATCH GT Runner 2 使用 3D 悬浮天线；华为称其 GNSS 信号强度比第一代跑步手表提升 5.4 dB。13

这两项能力解决的问题并不相同：手机侧重跑道级导航，手表侧重改善卫星信号接收。5.4 dB 是信号强度的厂商公布数据，不等同于跑步轨迹准确度提升同样的比例。13

滑雪：融合卫星定位和滑雪运动估算

高速滑行时，定位轨迹可能难以跟上运动变化。华为称，GNSS 与 SkiDR 融合后，滑雪轨迹精细度提升5倍、动态跟随能力提升2倍，滑雪距离准确度可达98%。12

相关报道还转述了腕上雪场地图覆盖超过3,000个雪场、雪道匹配准确率超过97%的说法。12这些是华为公布的产品数据；可用地图和匹配效果也应结合具体雪场与实际条件理解。

地下车库：记录停车位置和楼层

地下车库内卫星信号弱，找车除了位置，还常常需要判断楼层。星迹定位使用 3D 路网匹配记录停车位置。报道转述的指标包括楼层识别准确率超过95%、位置误差小于10米；Mate 90 系列的精准寻车 2.0 据称比 Mate 80 提升50%，覆盖超过3万个地下车库。117

这些数字分别涉及楼层识别、位置误差、机型比较和车库覆盖范围，不能混为一个“找车准确率”。现有来源也没有详述每项指标的测试方法。117

商场：定位能力还依赖室内地图覆盖

室内定位不仅是设备如何定位，也取决于商场和建筑的地图数据。相关报道援引华为数据称，星迹定位支持50万个商圈围栏和1.7万栋室内定位建筑；Petal Maps 的商场店铺级导航覆盖超过260家商场，报道还提到预计每月新增200家以上。117

其中，月新增数量是报道中的扩展计划，不是已经完成的覆盖。即便定位技术可用，能否导航到具体店铺仍取决于相应商场的室内地图和服务覆盖。

读懂星迹定位数据的两个要点

第一，指标要按场景看。测距精度、车道定位、卫星信号强度、轨迹精细度、距离准确度和地图覆盖量代表不同能力，不能互相替代。125

第二，区分发布口径与独立验证。现有资料主要是对华为发布内容的报道，未展示足以比较不同手机、手表或定位方案的完整测试条件。因此，理解这些数字时应保留厂商归因，避免把宣传指标当作所有用户都能复现的保证。

总体而言，星迹定位的产品思路是针对高架、隧道、运动、地库和商场等环境分别补足传统定位的短板。它的实际价值，要看设备、场景和地图数据是否匹配；目前公布的数字则应视为分场景的华为口径，而非一项适用于所有地点的统一精度承诺。

华为星迹定位（星迹，Xingji）是一套面向复杂环境的定位方案，重点不是让所有场景都套用同一种高精度模式，而是根据环境组合卫星测量、专用硬件、运动估算和地图匹配。华为在 2026 年 10 月 12 日的终端技术沟通会上介绍了这项技术，相关报道提到 Mate 90 系列和 WATCH GT Runner 2 的应用。13

关键是区分不同场景的指标：例如“测距精度提升超过10倍”与“车道级定位达到亚米级”是两种不同说法，不能理解为所有导航场景的整体精度都提升十倍。以下性能数字均为华为公布、媒体转述的口径；现有材料没有提供完整测试条件和对照方法，不能据此视为独立验证结果。

星迹定位采用哪些技术？

星迹定位将多种定位手段按任务组合使用。高架道路场景采用海思短距芯片与 GNSS 载波相位测量；跑道导航使用 RTK 与 AI-PDR 融合；隧道场景依靠 AI 速度估算和地磁匹配；滑雪场景融合 GNSS 与 SkiDR；地库寻车则使用 3D 路网匹配。2359

这些方案分别应对卫星信号受遮挡、运动轨迹失真，或仅知道大致位置却难以判断车道、楼层等问题。它们不是同一套算法在每个地方给出同一种精度保证。

不同场景如何工作

高架道路：从道路级定位细化到车道

在高架道路上，导航可能需要区分不同车道，才能提供更合适的变道指引。华为称，星迹定位将海思短距芯片与 GNSS 载波相位测量结合，测距精度提升超过10倍，并支持亚米级车道导航。25

这里的“超过10倍”针对测距精度，不等于实际导航在所有道路、设备和环境下都提升十倍。亚米级也是报道中的车道导航指标，不应外推为星迹定位在隧道、商场等场景的统一精度。25

隧道：用速度估算和地磁匹配补充卫星定位

进入隧道后，卫星信号受阻，单靠惯性导航可能出现位置偏差。华为介绍的方案使用 AI 速度估算和地磁匹配，目标是在缺少卫星信号时维持车道信息。35

华为方面称，该方案可实现不受隧道长度或行驶时间限制的隧道内车道级定位，并将其称为业界独有。现有报道转述了这一说法，但没有提供足够的对比测试细节来独立验证其“独有”或不受时长影响的程度。12

跑道与跑步：手机导航和手表收星各有侧重

Mate 90 系列将 RTK 与 AI-PDR 融合，用于运动场跑道级导航。手表方面，WATCH GT Runner 2 使用 3D 悬浮天线；华为称其 GNSS 信号强度比第一代跑步手表提升 5.4 dB。13

这两项能力解决的问题并不相同：手机侧重跑道级导航，手表侧重改善卫星信号接收。5.4 dB 是信号强度的厂商公布数据，不等同于跑步轨迹准确度提升同样的比例。13

滑雪：融合卫星定位和滑雪运动估算

高速滑行时，定位轨迹可能难以跟上运动变化。华为称，GNSS 与 SkiDR 融合后，滑雪轨迹精细度提升5倍、动态跟随能力提升2倍，滑雪距离准确度可达98%。12

相关报道还转述了腕上雪场地图覆盖超过3,000个雪场、雪道匹配准确率超过97%的说法。12这些是华为公布的产品数据；可用地图和匹配效果也应结合具体雪场与实际条件理解。

地下车库：记录停车位置和楼层

地下车库内卫星信号弱，找车除了位置，还常常需要判断楼层。星迹定位使用 3D 路网匹配记录停车位置。报道转述的指标包括楼层识别准确率超过95%、位置误差小于10米；Mate 90 系列的精准寻车 2.0 据称比 Mate 80 提升50%，覆盖超过3万个地下车库。117

这些数字分别涉及楼层识别、位置误差、机型比较和车库覆盖范围，不能混为一个“找车准确率”。现有来源也没有详述每项指标的测试方法。117

商场：定位能力还依赖室内地图覆盖

室内定位不仅是设备如何定位，也取决于商场和建筑的地图数据。相关报道援引华为数据称，星迹定位支持50万个商圈围栏和1.7万栋室内定位建筑；Petal Maps 的商场店铺级导航覆盖超过260家商场，报道还提到预计每月新增200家以上。117

其中，月新增数量是报道中的扩展计划，不是已经完成的覆盖。即便定位技术可用，能否导航到具体店铺仍取决于相应商场的室内地图和服务覆盖。

读懂星迹定位数据的两个要点

第一，指标要按场景看。测距精度、车道定位、卫星信号强度、轨迹精细度、距离准确度和地图覆盖量代表不同能力，不能互相替代。125

第二，区分发布口径与独立验证。现有资料主要是对华为发布内容的报道，未展示足以比较不同手机、手表或定位方案的完整测试条件。因此，理解这些数字时应保留厂商归因，避免把宣传指标当作所有用户都能复现的保证。

总体而言，星迹定位的产品思路是针对高架、隧道、运动、地库和商场等环境分别补足传统定位的短板。它的实际价值，要看设备、场景和地图数据是否匹配；目前公布的数字则应视为分场景的华为口径，而非一项适用于所有地点的统一精度承诺。