自從“智駕”火了之后，整個(gè)智駕市場便掀起了新一輪的血腥拼殺，隨后這股殺氣逐漸蔓延到了高階智能駕駛市場。

從去年下半年以來，不管是造車新勢力還是傳統(tǒng)車企都心照不宣地“卷”向了NOA。今年，城市NOA逐漸從“開城”數(shù)量競爭演變?yōu)椤叭珖寄荛_”的比拼。據(jù)不完全統(tǒng)計(jì)，目前包括“蔚小理”、智己、問界、極氪等在內(nèi)的20多個(gè)汽車品牌均已推出城市NOA高階智駕。

與此同時(shí)，搭載城市NOA的車型正形成市場下沉趨勢，這在以往25萬元級(jí)別及以上才會(huì)搭載的技術(shù)，如今在20萬元以內(nèi)車型上已不鮮見。根據(jù)預(yù)測，2025年城市NOA市場規(guī)模有望接近550億元，2026年成為量產(chǎn)增速提高的拐點(diǎn)，2027年破千億元，年復(fù)合增長率達(dá)到37%。

白熱化的NOA之爭

“城市NOA，有路就能開。”隨著城市NOA成為各車企提及的高頻詞匯，車企之間的城市NOA之爭，已經(jīng)開始。

NOA全稱為“Navigate On Autopilot”，是一種車輛駕駛輔助系統(tǒng)，旨在幫助駕駛員在特定條件下更輕松地駕駛和導(dǎo)航車輛。通過NOA，用戶可在特定道路范圍內(nèi)實(shí)現(xiàn)點(diǎn)到點(diǎn)的導(dǎo)航輔助駕駛功能，車輛可在沒人接管的情況下實(shí)現(xiàn)等紅綠燈、變道、讓道，最終到達(dá)目的地。

近年來，NOA從基礎(chǔ)輔助駕駛（自適應(yīng)巡航、車道保持）、增強(qiáng)輔助駕駛（自動(dòng)變道、自主超車）向高階智能駕駛（點(diǎn)到點(diǎn)）跨越。“三域融通”正在成為考驗(yàn)車企綜合智駕水平的重要方向，即高速域、城市域、泊車域的全場景貫通。

從技術(shù)發(fā)展看，自動(dòng)駕駛從當(dāng)下的L2級(jí)向L3、L4級(jí)發(fā)展，高速和低速融合、跨域的場景融通是必然趨勢。“三域融通”有兩層含義。首先，NOA最終要發(fā)展成為不只實(shí)現(xiàn)一個(gè)或者兩個(gè)場景，而是完全覆蓋三個(gè)場景的高階自動(dòng)駕駛；其次，“融通”意味著三個(gè)場景并不割裂，要能做到三個(gè)域點(diǎn)到點(diǎn)的高階自動(dòng)駕駛，將三個(gè)場景的系統(tǒng)整合為一套，能夠給用戶帶來多個(gè)不同場景之間無縫銜接、絲滑的智能駕駛體驗(yàn)。

在傳統(tǒng)的分布式架構(gòu)中，由于不同供應(yīng)商提供軟硬件方案，各子系統(tǒng)之間相互獨(dú)立、涇渭分明，只能調(diào)用各自的傳感器、控制器及算法，各類傳感器在行車、泊車等環(huán)境中將各自感知的數(shù)據(jù)分別傳給不同的域控制器，不僅制約了感知和計(jì)算資源的利用率，同時(shí)也限制了復(fù)雜功能的實(shí)現(xiàn)。

面對(duì)高階智能駕駛功能落地的發(fā)展趨勢和要求，傳統(tǒng)架構(gòu)無論是功能上還是成本上都已無法滿足實(shí)際需求。

隨著汽車電子電氣架構(gòu)由分布式向集中式演進(jìn)，一體化域控制器方案應(yīng)運(yùn)而生。不同于傳統(tǒng)分布式架構(gòu)，一體化域控制器將行車、泊車等功能集成在一個(gè)域控制系統(tǒng)中，其優(yōu)勢是可以實(shí)現(xiàn)原來各自傳感器等硬件的深度復(fù)用，節(jié)約硬件成本的同時(shí)極大提升性能，滿足主機(jī)廠降本增效的需求。此外，功能迭代開發(fā)效率也得到有效提高，為打破智能駕駛通往高階的壁壘創(chuàng)造了條件。

2025、2026年將是整個(gè)市場洗牌的關(guān)鍵時(shí)期，而細(xì)節(jié)處理的能力和數(shù)據(jù)閉環(huán)的能力將成為智駕企業(yè)能否立足市場的重要標(biāo)準(zhǔn)，畢竟10萬車主和100萬、1000萬車主形成的數(shù)據(jù)閉環(huán)完全不一樣。除此之外，隨著車輛產(chǎn)生的數(shù)據(jù)量的不斷增多、AI技術(shù)的引入等，算力在未來智能駕駛方面將發(fā)揮越來越大的作用，而目前國內(nèi)廠商的算力和特斯拉相比還存在較大差距。

從市場端而言，用戶消費(fèi)習(xí)慣的改變也在推動(dòng)城市NOA的快速發(fā)展。根據(jù)《2024麥肯錫中國汽車消費(fèi)者洞察》，消費(fèi)者購買新能源汽車時(shí)，選擇中國高端新能源汽車品牌而非外資傳統(tǒng)高端品牌的首要原因是，前者擁有更先進(jìn)的自動(dòng)駕駛功能。而這個(gè)因素在2023年的報(bào)告中僅位列第二，位列第一的原因是前者配置和性價(jià)比高。

智駕技術(shù)路線不斷進(jìn)化

從技術(shù)路線來看，不同的企業(yè)針對(duì)NOA未來發(fā)展有著自己的看法。

部分企業(yè)如華為、比亞迪、理想、蔚來、智己的城市NOA所應(yīng)用的BEV+Transformer技術(shù)架構(gòu)，其建模精度較高，是國內(nèi)智駕使用的主流方案。該技術(shù)可以將環(huán)境信息整合為全局視野，圖像鮮有遮擋部分，預(yù)測更可靠、感知更穩(wěn)定。同時(shí)，數(shù)據(jù)處理更直接，信息損耗更小，能夠更好地處理一些復(fù)雜情況，在感知復(fù)雜道路、應(yīng)對(duì)惡劣天氣和動(dòng)態(tài)交通方面有著更出色的表現(xiàn)。

部分圖商們也在配合提供輕量智駕方案。簡化不必要的地圖元素，表達(dá)方式更簡潔，不僅可以降低制作和部署成本，也能夠做到高頻率的云端實(shí)時(shí)更新。

這一路線主要依賴于車企的數(shù)據(jù)處理和泛化能力，以及在研發(fā)過程中進(jìn)行的物體分類和標(biāo)注，可能出現(xiàn)無法識(shí)別靜態(tài)物體，以及出現(xiàn)幽靈剎車的情況。

而特斯拉FSD選擇純視覺路線。不依賴高精地圖，而是采用“眾包”的形式，即通過已售車輛收集道路信息，完成地圖繪制，屬于輕量化地圖的一種。算法方面，應(yīng)用Occupancy Network（占用網(wǎng)絡(luò)）技術(shù)，將行駛路徑上的物體在3D空間中用塊狀物展現(xiàn)，幫助感知算法判斷物體的大致輪廓與形狀，能夠更出色地回避車輛、行人與障礙物，避免碰撞。純視覺路線簡化了多傳感器融合的部分，降低了誤檢測概率，成本更低，但對(duì)于深度估計(jì)的準(zhǔn)確性弱于雷達(dá)。

另外依舊有觀點(diǎn)認(rèn)為，高精地圖提供了車輛感知范圍外的道路信息，對(duì)于預(yù)測、決策和規(guī)劃更有幫助。此外，更高級(jí)別的自動(dòng)駕駛技術(shù)（L4、L5）無法離開高精地圖的支撐，感知系統(tǒng)解決實(shí)時(shí)路況問題，高精地圖解決行駛路線問題。兩者相輔相成，缺一不可。然而，這一路線的問題在于成本高昂、地圖采集費(fèi)用昂貴且更新速度較慢，商業(yè)化難度大。

目前，更多車企正在轉(zhuǎn)向去高精地圖技術(shù)路線以適應(yīng)市場需求。在這一技術(shù)路線下，城市NOA在感知環(huán)節(jié)主要涵蓋三個(gè)關(guān)鍵技術(shù)，即BEV技術(shù)、Transformer技術(shù)以及占用網(wǎng)絡(luò)。

BEV技術(shù)允許攝像頭采集的場景信息以360°的鳥瞰方式呈現(xiàn)，包括距離和時(shí)間等關(guān)鍵要素，提供全景式的感知能力。Transformer技術(shù)則通過將圖片感知方式轉(zhuǎn)變?yōu)橐曨l感知方式，實(shí)現(xiàn)更接近人類視覺感知的實(shí)時(shí)效果，從而提高感知的準(zhǔn)確性。而占用網(wǎng)絡(luò)的創(chuàng)新則將感知提升到一個(gè)新的層次，使車輛能夠更好地應(yīng)對(duì)未知物體并進(jìn)行智能避讓，而不僅僅依賴于已知物體的識(shí)別。

數(shù)據(jù)融合及數(shù)據(jù)處理是決策規(guī)控的關(guān)鍵技術(shù)，這一環(huán)節(jié)目前涵蓋兩種主要技術(shù)路線，規(guī)則制和模型化，其中模型化被認(rèn)為是未來的主流模式。數(shù)據(jù)量在決定選擇技術(shù)路線時(shí)起著至關(guān)重要的作用，但目前尚未明確數(shù)據(jù)量需要達(dá)到的臨界值，以實(shí)現(xiàn)模型化技術(shù)路線的優(yōu)勢。因此，多數(shù)車企目前采用規(guī)則制技術(shù)路線，同時(shí)進(jìn)行模型化技術(shù)路線的研發(fā)實(shí)踐。

在城市NOA中，模型化技術(shù)路線被認(rèn)為是未來的主流，其基本原理類似于GPT模型，通過大規(guī)模數(shù)據(jù)的喂養(yǎng)和自我訓(xùn)練，模型化技術(shù)將帶來決策規(guī)控效果的爆發(fā)性增長。

目前，大部分的端到端方案采用的都是更易落地的“兩段式”方案，即由感知和決策兩個(gè)模型組成。第一段感知的部分本身就已經(jīng)在應(yīng)用神經(jīng)網(wǎng)絡(luò)了，因此變化不大。最大的變化在第二段的規(guī)劃控制部分，原來這部分是靠寫規(guī)則實(shí)現(xiàn)，現(xiàn)在則是同樣應(yīng)用神經(jīng)網(wǎng)絡(luò)去做。

“兩段式”的方案就是把兩個(gè)小模型接在一起，端到端聯(lián)合優(yōu)化一下。在“兩段式”方案里，信息經(jīng)過感知模型過濾后，損失較多，只剩下一些人、車、物之類的標(biāo)簽，因此第二段模型事實(shí)上只是一個(gè)小模型。

在“一段式”方案中，感知、決策、規(guī)劃等模塊都被整合到一個(gè)全棧Transformer端到端模型中，實(shí)現(xiàn)感知決策一體化的“一段式”方案。也就是由傳感器輸入，直接輸出行為的軌跡。

在這個(gè)過程中，機(jī)器會(huì)像人腦一樣綜合信息并思考判斷。就像讀一篇推理小說，小說中有各種不同的人物和情節(jié)，有密室、有謎團(tuán)，當(dāng)你在讀推理小說的過程中完全不清楚接下來會(huì)發(fā)生什么。通過小說不同的人物和情節(jié)，可以預(yù)測兇手有幾種可能性，機(jī)器大腦所做的內(nèi)容就像一本推理小說一樣。

不過，一段式方案和兩段式方案雖然僅有一字之差，但是難度卻相差懸殊。采用一段式路線，前端的視頻信息量是非常巨大的，但輸出的信號(hào)又需要非常精準(zhǔn)，這對(duì)整個(gè)網(wǎng)絡(luò)的訓(xùn)練、數(shù)據(jù)和Pipeline的要求更高。雖然一段式方案很難，但模型只要經(jīng)過大規(guī)模訓(xùn)練，其決策、規(guī)劃和控制能力將更加擬人化，這才是業(yè)界所追求的自動(dòng)駕駛ChatGPT時(shí)刻。

讓NOA不掉鏈子的三個(gè)原則

要想讓NOA不掉鏈子，根據(jù)《國家車聯(lián)網(wǎng)產(chǎn)業(yè)標(biāo)準(zhǔn)體系建設(shè)指南（智能網(wǎng)聯(lián)汽車）（2023版）》，需要遵循三大原則。

首先，要具備良好的感知能力，能夠準(zhǔn)確識(shí)別周圍環(huán)境，跟蹤目標(biāo)物體。比如激光雷達(dá)作為感知硬件，相比毫米波雷達(dá)、攝像頭等擁有無可比擬的分辨能力。通常激光雷達(dá)的角分辨率不低于0.1mard，也就是說可以分辨3km距離上相距0.3米的兩個(gè)目標(biāo)，并可同時(shí)跟蹤多個(gè)目標(biāo)；距離分辨率可達(dá)0.1米；速度分辨率能達(dá)到10米/秒以內(nèi)。距離和速度分辨率高，意味著可以獲得更為清晰的圖像。

其次，要有高效的決策能力，可以根據(jù)不同場景和任務(wù)，靈活調(diào)整自動(dòng)駕駛策略和行為。比如自動(dòng)駕駛算法、自動(dòng)駕駛芯片就和它直接相關(guān)。就拿英偉達(dá)的自動(dòng)駕駛芯片來說，從2015年開始，英偉達(dá)開始進(jìn)入車載SoC和車載計(jì)算平臺(tái)領(lǐng)域，為自動(dòng)駕駛提供基礎(chǔ)計(jì)算能力，此后英偉達(dá)幾乎每隔兩年發(fā)布一款車規(guī)級(jí)SoC芯片，且不斷拉升算力水平。

第三，要具備強(qiáng)大的執(zhí)行能力，能“強(qiáng)悍”地執(zhí)行既定計(jì)劃。關(guān)于怎么確保既定計(jì)劃的執(zhí)行，國家隊(duì)也在積極下場。國家標(biāo)準(zhǔn)GB/T41798-2022《智能網(wǎng)聯(lián)汽車 自動(dòng)駕駛功能場地試驗(yàn)方法及要求》專門設(shè)計(jì)了測試項(xiàng)目。就拿“準(zhǔn)確識(shí)別周圍環(huán)境，跟蹤目標(biāo)物體”來說，標(biāo)準(zhǔn)就明確提到了針對(duì)交通信號(hào)的識(shí)別、周圍車輛的識(shí)別等；關(guān)于“根據(jù)不同場景和任務(wù)，靈活調(diào)整自動(dòng)駕駛策略和行為”，標(biāo)準(zhǔn)甚至設(shè)計(jì)了一項(xiàng)“最小風(fēng)險(xiǎn)策略”測試，要求汽車能獨(dú)立完成苛刻的路障躲避。

另外，這里面的每一項(xiàng)測試還都制定了詳細(xì)的速度和時(shí)間要求，必須能實(shí)現(xiàn)安全輔助駕駛。比如停靠站臺(tái)項(xiàng)目中，除車輛的擺放角度外，還明確了擺放的精確位置，甚至都考慮到了主動(dòng)開啟車門的服務(wù)。

在NOA市場競爭中，車企的競爭基礎(chǔ)主要體現(xiàn)在技術(shù)路線選擇、感知決策規(guī)控能力、硬件和算力競爭，以及用戶需求與產(chǎn)品優(yōu)化的協(xié)同能力。這些關(guān)鍵因素將決定NOA技術(shù)的成功落地以及車企在市場中的競爭地位。

雖然NOA技術(shù)路徑大致相同，但真正執(zhí)行起來的難度非常高，因?yàn)檫@幾乎將“2D直視圖+CNN”時(shí)代累積起來的研發(fā)成果化為烏有，需要從頭再來。所以這幾年，各廠家的燒錢速度是一家比一家快，新勢力只能靠不斷融資，傳統(tǒng)車企只能靠傳統(tǒng)燃油車產(chǎn)品進(jìn)行補(bǔ)血。

另一方面，各家的策略也會(huì)根據(jù)定位和產(chǎn)品調(diào)整。比如純視覺方案的代表特斯拉，優(yōu)點(diǎn)是降低了激光雷達(dá)的投入，用強(qiáng)算法暴力解決難題。又或者華為系車型，在軟硬件方面有著無可比擬的配置優(yōu)勢，這也是為何眾多車企都爭先恐后與之合作的緣由。

高階智駕是一個(gè)充滿機(jī)會(huì)與不確定的賽道，未來技術(shù)路線還會(huì)不會(huì)發(fā)生翻天覆地的改變尚未可知。不過，可以肯定的是，無論是城市NOA、高速NOA，還是去高精地圖和端到端模型，它們的不斷嘗試與進(jìn)化，都為自動(dòng)駕駛技術(shù)的持續(xù)發(fā)展積累了經(jīng)驗(yàn)。只要乾坤未定，你我皆是黑馬。