汽车智能化“卷”向城市NOA｜直击2023上海车展

今年的上海车展就一个字：卷。

1000余家品牌，人均两万步起，随处可见的CEO、CMO、CDO，层出不穷的技术名词......显然，在“拥抱汽车产业新时代”的路上，大家“卷”力十足。

今年1-3月, 中国新能源乘用车的市场渗透率超过26%，完成了从“初期市场”向“早期大众市场”的跨越，市场竞争的焦点从电动化延伸到智能化。

“2026年，当智能化完成市场‘跨沟’后，没有智能驾驶能力的汽车将难以进入用户的购车清单。”百度集团资深副总裁、智能驾驶事业群组总裁李震宇表示。

既然智能化这么重要，那么在智能化上大家又在卷什么呢？答案是：城市NOA。

这次上海车展上，从车企以及供应商车企和供应商接连发布的产品上不难看出来：理想宣布本季度城市NOA将开启内测推送，年底覆盖100座城市；百度Apollo推出旗舰产品城市智驾Apollo City Driving Max；腾讯推出了HD Air轻量级高精数据产品；四维图新发布了服务于智能驾驶的“场景地图”产品；地平线宣布与哪吒汽车合作高阶NOA智能辅助驾驶系统......

西部证券在之前的一份研报中甚至提到，2023年或许是“城市NOA元年”，足以见今年城市NOA的热度有多高。钛媒体App整理汇总了一份部分车企及供应商城区NOA进展。

城市NOA，顾名思义，指的就是在复杂的城市场景中实现点到点的“导航辅助驾驶”功能。在自动驾驶领域，城市道路场景一直是技术开发的难点之一，也是自动驾驶迟迟无法真正落地的原因之一。但城市NOA让人们看到了一种通往自动驾驶的路径，因此也被许多人看作是实现高级别自动驾驶的必经之路。

高精地图之争

NOA全称Navigate on Autopilot，通常译作“导航辅助驾驶”，最早是由特斯拉推出的。

2019年6月，特斯拉官方正式向中国市场内全部选配了FSD完全自动驾驶的车型，推送最新版本NOA，能够令车辆自动驶入和驶出高速公路匝道或立交桥岔路口，并超过行驶缓慢的车辆。

与传统的自适应巡航功能相比，NOA功能的优点在于可以自主辨别驶入或者是自主辨认超车的时机，从而实现自动变道超车的操作。

根据使用场景不同，NOA有两个细分方向：高速NOA和城市NOA。2022年，高速NOA快速发展并向城市场景延伸。小鹏汽车自动驾驶副总裁吴新宙就曾表示，城市场景的落地标志着“智能辅助驾驶下半场的开局”。

只是，相较高速道路来说，城市道路的交通环境更为混乱，涵盖了行人、自行车、电瓶车等更多类型的交通参与者。因此，高精度、精细化定义的地图成为自动驾驶重要的感知基础技术之一。

但这里也出现一个问题：高精度地图虽然有高精度、高鲜度、高丰富度的特点，但它高昂的成本真的适合城市NOA吗？

根据《智能网联汽车高精地图白皮书》显示，采用传统测绘车方式，分米级地图的测绘效率约为每天每车500公里道路，成本为每公里10元左右，而厘米级地图的测绘效率约为每天每车100公里道路，成本可能达每公里千元，一天就是十万级的费用。

成本高也就算了，更要紧的问题是高精地图的更新速度太慢，已经跟不上自动驾驶发展所需要的速度。

就像上海车展前夕，余承东在 HUAWEI ADS 2.0发布会上所说的那样，“高精地图覆盖全国的难度太大，中国道路几乎实时在变动。依赖高精度地图的话，根本没办法普及。”

更何况，去年8月份，自然资源部明确收紧高精地图测绘资质（即甲级测绘资质），要求企业需依法取得相应测绘资质，或委托具有相应测绘资质的单位开展测绘活动。

除此之外，从技术的发展角度来看，腾讯智慧出行副总裁刘澍泉认为，感知和高精地图是一个此消彼涨的过程，感知越来越强，所依赖的地图就可以越来越轻，“这是一个趋势。”

紧接着，他进一步解释说，高精地图在最开始提出来的时候实际上是导航+定位，解决的是在自动驾驶里面定位不准的问题，更多地是在单车算力有限、感知能力有限、规控有限的时候，通过更精确的地图能够完成自车的定位、自车的导航。但现在，感知技术已经越来越强了，甚至有一些可以实时地通过3D的环境还原就能够知道相对的定位。在这个过程里面会发现并不需要那么多的feature（特征），并不需要那么多高精度的地图，因此原来可能高精地图要做到100分才行，但今天60分或者50分就能满足应用了。

路径选择

成本高昂、更新速度跟不上、甲级测绘资质稀缺、感知技术的发展，种种因素将高精地图从城市NOA的路线上推开，行业内出现了一条“重感知、轻地图”的技术路线。

这条路线又继续细分了两种：一种是类似特斯拉的模式，完全抛开高精度地图百分百依靠在线学习。

不过，一位自动驾驶从业者也向钛媒体App分享说，“这种方式确实是感觉很轻量，特斯拉能这么做也有它自己的天赋，首先它是有百万辆的车队数据回传，另外它多年积累了成熟高效的数据标注的工具链。还有很让人羡慕的是，它自己驻厂招了上千个工人来帮助做数据标注，而且都是正式的员工，这些显然不是任何一个自动驾驶公司能够容易去复制成功的。”

同时，他也认为说，“除非你的学习能力是这个百分之百的正确，不然只要发生问题，比如像道路结构这么重要的元素，一错就是劝退类。”

所以，我们能够看到另外一条更为务实、更加平衡的细分路线就是：不完全抛开，但减轻对高精度地图的依赖。

上海车展前夕，百度Apollo推出旗舰产品城市智驾Apollo City Driving Max。据官方介绍，目前首发车的产品定义就包括激光雷达，以实现“纯视觉+激光雷达”的感知冗余。

同时，百度Apollo表示，该产品使用的“轻量级高精地图”比起行业通用的传统高精地图要“轻”近80%。

轻地图的“轻”，一是在地图数据采集阶段的减负，降低采集成本，每条路线仅需要采集1次即可制图；二是定位图层的降维，降低对点云和特征点的依赖，仅依靠Landmark定位图层即可支撑，提升效率；三是地图元素标注需求的瘦身，仅需要标注一个框，仅需要和停止线建立一条绑定关系，大大降低了人工标注出错的概率和成本。

对于行业内的地图路线之争，图商们也并非坐以待毙，而是在积极将标准地图与高精地图融合。

今年上海车展期间，四维图新发布了服务于智能驾驶的“场景地图”产品。在此之前，四维图新还发布过基于传统导航地图、辅助驾驶地图、高精度地图、停车场地图“四图合一”的OneMap产品。

根据介绍，这次发布的场景地图则是在此基础上，更加动态智能自适应智驾场景，灵活高效地支持汽车舱驾智能化的各种功能的实现，并通过差异化的场景地图服务提升功能的可用性及用户体验。

算力共识

地图之外，随着智能驾驶功能需求越来越多，需要更高的算力来支撑，而大算力芯片更是成为了行业共识，并且愈演愈烈。

根据公开资料，目前主机厂的城市NOA都选择了大算力方案，不管是昂贵的NVIDIA Drive Orin芯片或是其它国产大算力芯片。其中，特斯拉NOA系统的算力为144 Tops；极狐阿尔法S HI版拥有400 Tops算力，小鹏G9、理想L9的算力达到508 Tops，蔚来ES7的算力更是高达1016 Tops。

不过，在地平线创始人兼CEO余凯看来，“自动驾驶的硬件配置，算力从几十Tops 到 1000 Tops ，其实用户体验并没有那么大区别。真正要做的是不断地在给定算力上去优化软件算法，去用更多的数据不断地去逼近用户体验的上限。”

换句话说，“算力”是一个基础，但仅有算力不行，还要关注的是算力的有效性。比如对数据处理的效率，每秒处理多少帧的数据等。因为最终消费者能够体验到的算力带给他的价值，并不是简单等同于绝对算力本身。

地平线总裁陈黎明对钛媒体App表示，多少Tops算力只是一个峰值算力，这个峰值算力并不一定真正都能用到。

另外，从车企的角度来说，盲目堆砌算力意味着成本的提高。 黑芝麻智能首席市场营销官杨宇欣曾说过，“2023年以前大家讲自动驾驶讲的是高性能，需要多少T的算力。原因在于车企向新能源、向智能化转型需要在品牌之上加诸科技属性，让用户真正接受这些高附加值的应用。但是同样面临着整车成本的压力。”

下一阶段的关键是接管次数降低

虽然自动驾驶企业纷纷卷向“城市NOA”，不过理性来看，真正实现好用的城市NOA仍需要时间。

余凯就曾预测说，“去年是 L2 +（高速 NOA）量产元年，相信今年一些领先车企都会推出面向城区的NOA。但我认为在技术这方面还有挑战，起码要研发至少三年才会有一个比较大的进步。”

同时他表示，“现在到2025年真正要做的是在合理性价比上，把高速、环线等封闭道路的领航功能做到丝般顺滑，同时投注相当的时间和精力将城区NOA做到真正可用”。

现在NOA的功能覆盖的接管里程数还是不够高，厂商普遍追求的目标是高速场景一千公里的MPI，城市场景一百公里的MPI，实际上这个还是相对比较低一些，它核心体现的是长尾场景的覆盖度不够。

在陈黎明看来，“自动驾驶是一个比较漫长的演进的过程，是一个ODD（Operational Design Domain，即运行设计域，指自动驾驶系统被设计起作用的条件及适用范围）拓展的阶段，再到了下一个阶段，追求的是接管次数的不断降低，能更好适应周边环境。”

根据《2022年汽车行业报告：城市NOA重新定义智能汽车》预测，2023年搭载NOA的汽车总量或将为70万辆，2024年有望达到169万辆，2025年这一数字很可能将达到348万辆。其中，支持城市NOA功能的车型占比将从2023年的17％迅速上升到70％。

这样的发展速度也就意味着，“城市NOA是一个在过渡到自动驾驶前，最好且成本最低，甚至还能赚钱的数据收集方式，给车企的自动驾驶技术提供反哺。”一位自动驾驶行业人士说道。

自动驾驶前进的道路仍然荆棘丛生，但对于相关企业来说，城市NOA或许是一个不得不抓住的机会。

（本文首发钛媒体App，作者｜韩敬娴，编辑｜张敏）