智能驾驶来到十字路口，城市NOA的“大饼”能否实现？

没人能拥有能够看清未来的水晶球，但是每一个人都要在今天的市场上进行布局，这就需要对未来有所期待。

从去年开始，各大汽车公司的技术卷入了“城市NOA”的时刻，一个如火如荼、争先恐后的场景非常热闹。作为目前最受欢迎的自动驾驶产品，城市NOA也将是今年乃至未来几年智能驾驶行业最受欢迎、最有用的落地场景。

这不禁让人怀疑，汽车公司蜂拥而至的城市NOA是用户的实际需求还是幻想？汽车公司的城市NOA“蛋糕”能实现吗？

为什么要盯上城市NOA？

城市NOA，全名Navigate On Autopilot，通常被业界翻译为“领航辅助驾驶”或“高级智能驾驶”。不同的企业有不同的名称，比如小鹏叫NGP，理想和特斯拉叫NOA，蔚来早期叫NAD，长城魏品牌叫NOH，但本质上他们都是NOA。

理想情况下，司机只需要在车辆启动前设置目的地，选择一条想要驾驶的路线，车辆就可以到达目的地而无人接管，智能驾驶系统可以全程控制加减速踏板和方向盘的操作。

长期以来，L3一直被视为智能驾驶能力的重要分界点，也是智能汽车拉开竞争差异的真正起点。以城市NOA为代表的高级智能驾驶，可视为一种类型的L3功能，被业界视为从L2向L3跨越的技术必需品。因此，无论汽车公司是想展示自己的技术肌肉，还是想先赢。智能汽车后半段的第一场硬仗将从城市NOA开始，2024年将是城市NOA普及的关键一年。

去年，小鹏G6和世界新M7率先点燃了高级智能驾驶市场的第一条导火索。年底，工业和信息化部、交通运输部等四部委发布了《关于开展智能联网汽车准入和道路试点工作的通知》，进一步加快了高级辅助驾驶的应用，彻底点燃了城市NOA的战争。

特斯拉是业内第一个提出NOA概念的人。早在2019年6月，特斯拉就在高速工作条件下推出了NOA功能。随后，以小鹏、蔚来等厂商为代表的造车新势力也迅速跟进，NOA逐渐成为各大主流车型的必备品。

根据使用场景的不同，NOA主要分为高速NOA和城市NOA。各大厂商之所以率先开放高速NOA，是因为高速路况比较复杂，实现自动驾驶的难度也比较小。

然而，市政道路不同，其复杂性比高速工作条件提高了几个数量级。市政道路上出现了行人、电瓶车、宠物、机动车、非机动车等各种突发情况，如车辆极限堵塞、公交等大型车辆切入、电瓶车随意变道等。，这增加了公路交通的不确定性，对智能汽车的环境感知能力和数据处理能力提出了极高的要求。

正因为如此，很多厂商都把城市NOA的落地速度，包装成了吸引用户的主要卖点之一。顾客当然也对智能驾驶功能表现出浓厚的兴趣。根据麦肯锡的报告，中国本土高档新力量可以接单传统豪华品牌，“更先进的自动驾驶”是排名第二的原因。上述观点也可以通过终端数据来证明，2023年第四季度，问界新 M7、智驾版本购买比例超过50%的小鹏G6等车型。

技术面子，降低成本的内心？

在AI大爆发的加持下，在过去的一年里，智驾领域已经尝试了两条技术路线。

首先，整个市场正从“有图”逐步转变为“无图”方案。

2023年，“去高精度地图”几乎成为整个行业的共识。高精度地图为智能驾驶提供的详细信息主要适用于高速公路场景。然而，随着智能驾驶“进城”的加快，传统模式的高精度地图显然无法满足智能驾驶进入城市场景的需求。

中国的市政道路环境比较复杂，高精度地图需要更广泛的数据采集才能帮助智能驾驶“进城”。基于我国严格的路线监测标准，除高速路段外，我国只开放了北京、上海、广州、深圳、杭州、重庆六个城市的高精度地图采集权限，导致智能驾驶只能在唯一的城市发挥作用，无法广泛推广。

除了路况，高频更新和高成本的数据采集也是高精度地图不能“进城”的原因。根据《智能联网汽车高精度地图白皮书》，分米级地图的测绘效率约为每天每车500公里，成本约为每公里10元，而厘米级地图的测绘效率约为每天每车100公里，成本约为每公里1000元。

目前，我国市政道路不断更新，农村道路存在不清晰的部分，无法感知和覆盖高精度地图。因此，高精度地图很难划分城市道路的具体场景，也无法形成统一的地图。为了满足智能驾驶的上述需求，高精度地图不仅需要巨大的数据采集，还需要达到每月甚至每周的更新频率，这是高精度地图无法解决的问题。

华为常务董事、终端BG董事长、智能汽车解决方案BU董事长余承东曾表示，他们已经在上海投入了1~2年，并没有收集到城市地区的高精度地图。

然而，目前，无图解决方案中存在一些难以解决的问题。首先，车辆传感器收集的一些道路信息是敏感数据，很难满足规定的要求。其次，没有高精度地图，需要提高汽车的感性，传感器的成本也会增加。因此，如何在自动驾驶体验和造车成本之间找到最佳平衡，也是汽车公司应该优先解决的问题。

其次，少数玩家开始了“去激光雷达”的纯视觉方案。

目前围绕城市NOA主要有两条技术路线。一是以特斯拉为代表的纯视觉学校提倡取消激光雷达，通过视觉实现城市NOA。；另外一派是“视觉” “激光雷达”的技术路线，感觉纯视觉有一些不足，需要加上激光雷达才能实现城市NOA的快速落地。

“视觉 激光雷达可以提高汽车端的感知能力，从硬件端保证感知范围和稳定性。比如在静止启动的场景中，只配备摄像头的车型可能会撞到靠近的障碍物(如桩桶、小动物等)。)，而配备激光雷达的车型在近距离障碍物的准确性会明显提高。

激光雷达可以处理的另一个场景是识别异形障碍物。在单纯依赖摄像头的视觉方案中，由于高度依赖前期标注的先验，未标注的异形障碍物很容易无法识别。

如今，NOA功能车型主要集中在25万元至30万元之间，而不是国内最畅销的10万元至20万元的主流量产车型。其中，激光雷达占智能驾驶系统成本较高。因此，各大汽车公司开始了激光雷达成本的极限压缩。

2023年激光雷达的一个行业共识是“先上车，先降价”，其单一价格从 2021年的10,000元，降至2022年6000元左右，而2023年则进一步降至3000元以下。现在，国内新势力的旗舰车型至少配备了一个激光雷达，有些车型为了实现硬件安全冗余，支持2-3个激光雷达的选择。

此外，还有少数玩家开始以较低的成本启动激光雷达纯视觉解决方案。这条技术路线包括特斯拉、华为、极越、广汽等玩家。今年2月，小鹏发布的新款F57也计划放弃激光雷达，采用纯视觉解决方案。

与激光雷达方案相比，纯视觉方案最大的优点是成本更高，相机成本只有几十美元，这意味着大多数价格区间车型都可以覆盖这一成本，为智能驾驶的快速推广奠定了硬件基础。同时，相机收集的数据比激光雷达更丰富，更适合喂养智能驾驶系统来实现数据驱动。

更深层次的原因是，汽车公司可以通过以价换量、以规模换市场，促进智能驾驶的快速普及，进而在放大差异化优势的同时，实现市场竞争的马太效应；另一种恐怕是为未来的价格战或内部竞争做战略准备。

真的是未来的趋势吗？

面对城市地区各种交通参与者，甚至是不确定的交通法规毁灭者，即使头部率先开通城市NOA的玩家，其功能仍处于“可用性”阶段，距离“易用性”还有很长的路要走。

在使用高速NOA功能之前，已经发生了许多交通事故，这些事故是由车主分身引起的。进入城市NOA时代后，受交通事故影响的不仅仅是车内的驾驶员和乘客，还有大量的劣势交通参与者。因此，传统稳定应该是城市NOA的关键。

在过去的半年里，自动驾驶领域发生了一些明显的变化。最典型的例子就是各大厂商把重点放在辅助驾驶上，而不是宣传“放开手脚”和“躺着开车”。这其实是一个理性的选择。用目前的技术条件诱导用户躺着开车是极其不负责任的。

客观来说，城市NOA确实可以大大提高安全性能。在市政道路上，鬼探头等情况经常发生，很多新手司机对于如何避免盲点并不是很专家。城市NOA的普及可以在一定程度上防止交通事故的发生。

但是，从技术角度来看，城市NOA也会被卡住，判断失误。如果消费者养成使用城市NOA的习惯，事故概率会在系统不完善的前提下增加。

由于自身难以实现瓶颈突破，“车路云一体化”成为弥补自行车智能短板的最佳方案。车路云一体化整合了车端、路端、云端，利用路边设备和云端计算资源，为车辆提供了更全面的环境信息和决策支持，从而提高了车辆的感知和决策准确性。

与传统的依靠车辆独立收集数据的方式不同，车路云一体化系统可以获得更大的数据量和更丰富的数据类型，如十字路口交通流量、红绿灯信息、超视距路况等。，这不仅大大扩大了训练数据的广度和深度，而且显著加快了自动驾驶模型的学习效率和准确性，为实现更高水平的自动驾驶奠定了坚实的基础。

自动驾驶车辆的传感器不再是唯一的眼睛。通过遮挡或关闭这些传感器，车辆可以依靠路侧基站构建实时数字孪生系统，不断向车辆传输交通路况和环境数据，引导车辆顺利完成自动驾驶任务。

车路云一体化的普及应用，也有助于探索跨行业、跨领域技术标准的协同需求，如智能汽车与交通基础设施、通信网络、交通管理等，促进其与智慧城市、智能交通系统、交通大数据平台的互联互通，加快自动驾驶规模的落地进程。

如今，高级辅助驾驶能力已经成为衡量汽车公司竞争实力的重要标准。然而，从目前的情况来看，这项技术仍然面临许多考验，但国家对汽车和道路云一体化的大力推动也为自动驾驶探索了一条新的实践路径。对于汽车公司和自动驾驶公司来说，这永远是在自动驾驶道路上前进的机会，每一次考验也是成功的前奏。

本文来自微信公众号“极智GeeTech”（ID:gh作者：半山，36氪经授权发布，_ace6129f9cd5)。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com