華為星跡定位（Xingji）是一套針對複雜環境設計的定位方案。它的重點不是讓每個場景都使用同一種高精度模式，而是依照環境組合衛星測量、專用硬體、運動估算與地圖匹配。華為在 2026 年 10 月 12 日的終端技術溝通會上介紹這項技術，相關報導提到 Mate 90 系列與 WATCH GT Runner 2 的應用。13

閱讀相關數據時，先留意不同指標的差別：「測距精度提升超過 10 倍」和「車道級定位達到亞米級」是兩種不同描述，不能解讀為所有導航場景的整體精度都提升十倍。以下性能數字均為華為公布、媒體轉述的口徑；現有資料沒有提供完整測試條件與比較方法，因此不能視為獨立驗證結果。

星跡定位採用哪些技術？

星跡定位會依照任務組合不同定位方式：高架道路場景使用海思短距晶片與 GNSS 載波相位測量；跑道導航採用 RTK 與 AI-PDR 融合；隧道場景使用 AI 速度估算和地磁匹配；滑雪場景結合 GNSS 與 SkiDR；地下停車場尋車則使用 3D 路網匹配。2359

這些方法分別處理衛星訊號受遮蔽、運動軌跡偏移，或只知道大概位置、難以判斷車道與樓層等問題。它們並不是同一套演算法在所有地方提供相同的精度保證。

不同場景如何運作？

高架道路：從道路定位進一步辨識車道

在高架道路上，導航若能分辨所在車道，就有機會提供更合適的變道指引。華為表示，星跡定位將海思短距晶片與 GNSS 載波相位測量結合，測距精度提升超過 10 倍，並支援亞米級車道導航。25

不過，「提升超過 10 倍」指的是測距精度，不代表實際導航在各種道路、裝置與環境下都提升十倍。亞米級也是報導所述的車道導航指標，不宜延伸解讀為星跡定位在隧道、商場等場景都具備相同精度。25

隧道：以速度估算和地磁匹配補足衛星訊號

進入隧道後，衛星訊號會受阻，單靠慣性導航也可能逐漸產生位置誤差。華為介紹的方案採用 AI 速度估算與地磁匹配，目標是在缺少衛星訊號時維持車道資訊。35

華為表示，這套方案可在隧道內實現不受隧道長度或行駛時間限制的車道級定位，並稱其為業界獨有。現有報導轉述了這項說法，但未提供足夠的對照測試細節，無法獨立確認其「獨有」或不受時間影響的程度。12

跑道與跑步：手機導航和手錶收訊各有側重

Mate 90 系列將 RTK 與 AI-PDR 融合，用於運動場跑道級導航。手錶方面，WATCH GT Runner 2 採用 3D 懸浮天線；華為稱其 GNSS 訊號強度較第一代跑步手錶提升 5.4 dB。13

兩者處理的問題不同：手機著重跑道級導航，手錶則著重改善衛星訊號接收。5.4 dB 是廠商公布的訊號強度數據，不等於跑步軌跡準確度也按相同比例提升。13

滑雪：融合衛星定位與滑雪運動估算

高速滑行時，定位軌跡可能難以即時反映動態變化。華為稱，GNSS 與 SkiDR 融合後，滑雪軌跡精細度提升 5 倍、動態跟隨能力提升 2 倍，滑雪距離準確度可達 98%。12

相關報導也轉述了腕上雪場地圖涵蓋超過 3,000 個雪場、雪道匹配準確率超過 97% 的說法。12這些都是華為公布的產品數據；地圖是否可用、匹配效果如何，仍須視個別雪場與實際條件而定。

地下停車場：記錄停車位置與樓層

地下停車場衛星訊號較弱，找車時除了位置，通常還得知道停在哪一層。星跡定位使用 3D 路網匹配記錄停車位置。報導轉述的指標包括樓層辨識準確率超過 95%、位置誤差小於 10 公尺；Mate 90 系列的精準尋車 2.0 據稱比 Mate 80 提升 50%，支援超過 3 萬個地下停車場。117

這些數字分別描述樓層辨識、位置誤差、機型比較與停車場涵蓋數，不能合併成單一的「尋車準確率」。現有來源也未詳細說明每項數據的測試方法。117

商場：定位效果也取決於室內地圖涵蓋

室內定位不只關乎裝置如何定位，也與商場和建築物的地圖資料有關。相關報導引用華為數據稱，星跡定位支援 50 萬個商圈圍欄與 1.7 萬棟室內定位建築；Petal Maps 的商場店舖級導航涵蓋超過 260 家商場，另提到預計每月新增超過 200 家。117

每月新增是報導中的擴充計畫，並非已完成的涵蓋數量。即使定位技術可用，能否導航至特定店舖，仍取決於該商場是否有相應的室內地圖與服務支援。

解讀星跡定位數據，留意兩件事

第一，指標要分場景看。測距精度、車道定位、衛星訊號強度、軌跡精細度、距離準確度與地圖涵蓋量，代表不同能力，彼此不能直接替代。125

第二，要區分廠商公布數據與獨立驗證。現有資料主要是媒體對華為發布內容的報導，未提供足以比較不同手機、手錶或定位方案的完整測試條件。因此，閱讀相關數字時應保留其廠商公布的脈絡，不宜視為所有使用者都能重現的保證。

整體來說，星跡定位的產品思路，是針對高架、隧道、運動、地下停車場與商場等環境，分別補足傳統定位的不足。實際效果仍要看裝置、使用場景與地圖資料是否相互配合；目前公布的數字，應視為華為針對不同場景提出的數據，而不是適用於所有地點的統一精度承諾。

華為星跡定位（Xingji）是一套針對複雜環境設計的定位方案。它的重點不是讓每個場景都使用同一種高精度模式，而是依照環境組合衛星測量、專用硬體、運動估算與地圖匹配。華為在 2026 年 10 月 12 日的終端技術溝通會上介紹這項技術，相關報導提到 Mate 90 系列與 WATCH GT Runner 2 的應用。13

閱讀相關數據時，先留意不同指標的差別：「測距精度提升超過 10 倍」和「車道級定位達到亞米級」是兩種不同描述，不能解讀為所有導航場景的整體精度都提升十倍。以下性能數字均為華為公布、媒體轉述的口徑；現有資料沒有提供完整測試條件與比較方法，因此不能視為獨立驗證結果。

星跡定位採用哪些技術？

星跡定位會依照任務組合不同定位方式：高架道路場景使用海思短距晶片與 GNSS 載波相位測量；跑道導航採用 RTK 與 AI-PDR 融合；隧道場景使用 AI 速度估算和地磁匹配；滑雪場景結合 GNSS 與 SkiDR；地下停車場尋車則使用 3D 路網匹配。2359

這些方法分別處理衛星訊號受遮蔽、運動軌跡偏移，或只知道大概位置、難以判斷車道與樓層等問題。它們並不是同一套演算法在所有地方提供相同的精度保證。

不同場景如何運作？

高架道路：從道路定位進一步辨識車道

在高架道路上，導航若能分辨所在車道，就有機會提供更合適的變道指引。華為表示，星跡定位將海思短距晶片與 GNSS 載波相位測量結合，測距精度提升超過 10 倍，並支援亞米級車道導航。25

不過，「提升超過 10 倍」指的是測距精度，不代表實際導航在各種道路、裝置與環境下都提升十倍。亞米級也是報導所述的車道導航指標，不宜延伸解讀為星跡定位在隧道、商場等場景都具備相同精度。25

隧道：以速度估算和地磁匹配補足衛星訊號

進入隧道後，衛星訊號會受阻，單靠慣性導航也可能逐漸產生位置誤差。華為介紹的方案採用 AI 速度估算與地磁匹配，目標是在缺少衛星訊號時維持車道資訊。35

華為表示，這套方案可在隧道內實現不受隧道長度或行駛時間限制的車道級定位，並稱其為業界獨有。現有報導轉述了這項說法，但未提供足夠的對照測試細節，無法獨立確認其「獨有」或不受時間影響的程度。12

跑道與跑步：手機導航和手錶收訊各有側重

Mate 90 系列將 RTK 與 AI-PDR 融合，用於運動場跑道級導航。手錶方面，WATCH GT Runner 2 採用 3D 懸浮天線；華為稱其 GNSS 訊號強度較第一代跑步手錶提升 5.4 dB。13

兩者處理的問題不同：手機著重跑道級導航，手錶則著重改善衛星訊號接收。5.4 dB 是廠商公布的訊號強度數據，不等於跑步軌跡準確度也按相同比例提升。13

滑雪：融合衛星定位與滑雪運動估算

高速滑行時，定位軌跡可能難以即時反映動態變化。華為稱，GNSS 與 SkiDR 融合後，滑雪軌跡精細度提升 5 倍、動態跟隨能力提升 2 倍，滑雪距離準確度可達 98%。12

相關報導也轉述了腕上雪場地圖涵蓋超過 3,000 個雪場、雪道匹配準確率超過 97% 的說法。12這些都是華為公布的產品數據；地圖是否可用、匹配效果如何，仍須視個別雪場與實際條件而定。

地下停車場：記錄停車位置與樓層

地下停車場衛星訊號較弱，找車時除了位置，通常還得知道停在哪一層。星跡定位使用 3D 路網匹配記錄停車位置。報導轉述的指標包括樓層辨識準確率超過 95%、位置誤差小於 10 公尺；Mate 90 系列的精準尋車 2.0 據稱比 Mate 80 提升 50%，支援超過 3 萬個地下停車場。117

這些數字分別描述樓層辨識、位置誤差、機型比較與停車場涵蓋數，不能合併成單一的「尋車準確率」。現有來源也未詳細說明每項數據的測試方法。117

商場：定位效果也取決於室內地圖涵蓋

室內定位不只關乎裝置如何定位，也與商場和建築物的地圖資料有關。相關報導引用華為數據稱，星跡定位支援 50 萬個商圈圍欄與 1.7 萬棟室內定位建築；Petal Maps 的商場店舖級導航涵蓋超過 260 家商場，另提到預計每月新增超過 200 家。117

每月新增是報導中的擴充計畫，並非已完成的涵蓋數量。即使定位技術可用，能否導航至特定店舖，仍取決於該商場是否有相應的室內地圖與服務支援。

解讀星跡定位數據，留意兩件事

第一，指標要分場景看。測距精度、車道定位、衛星訊號強度、軌跡精細度、距離準確度與地圖涵蓋量，代表不同能力，彼此不能直接替代。125

第二，要區分廠商公布數據與獨立驗證。現有資料主要是媒體對華為發布內容的報導，未提供足以比較不同手機、手錶或定位方案的完整測試條件。因此，閱讀相關數字時應保留其廠商公布的脈絡，不宜視為所有使用者都能重現的保證。

整體來說，星跡定位的產品思路，是針對高架、隧道、運動、地下停車場與商場等環境，分別補足傳統定位的不足。實際效果仍要看裝置、使用場景與地圖資料是否相互配合；目前公布的數字，應視為華為針對不同場景提出的數據，而不是適用於所有地點的統一精度承諾。