智駕走到十字路口，城市NOA的“大餅”能實現嗎？

沒有人能擁有能看清未來的水晶球，但每個人都要在當下的市場去布局，這就需要有對未來的預期。

從去年開始，各大車企的技術內卷進入“城市NOA”時刻，一片熱火朝天，爭先恐后的場面，好不熱鬧。城市NOA作為目前最受歡迎的自動駕駛產品，也作為最多、最有用的智駕落地場景，將是今年乃至今后幾年智駕行業的必爭之地。

這不禁讓人心生疑問，車企蜂擁而上的城市NOA到底是用戶的真實需求，還是臆想出來的幻象？車企們的城市NOA“大餅”能實現嗎？

為何要盯上城市NOA？

城市NOA，全稱Navigate On Autopilot，通常被業界翻譯為“領航輔助駕駛”或“高階智能駕駛”。不同企業的叫法略有不同，如小鵬稱為NGP，理想和特斯拉稱其為NOA，蔚來早期叫NAD，長城魏品牌則稱其為NOH，但本質上它們都是NOA。

理想狀態下，駕駛員只需要在車輛啟動前，設置好目的地并選擇一條希望行駛的路線，車輛就可在沒人接管的情況下到達目的地，智駕系統可以全程控制加減速踏板及方向盤操作。

一直以來，L3都被視為智駕能力的重要分水嶺，也是智能汽車拉開競爭差距的真正起點。而以城市NOA為代表高階智能駕駛，可以看作是一種類L3功能，被業內視為從L2向L3跨越的技術敲門磚。所以車企們無論是想秀技術肌肉，還是想先聲奪人，智能汽車下半場的第一場硬仗都將從城市NOA開始打起，而2024年則是城市NOA普及的關鍵一年。

去年，小鵬G6和問界新M7率先引燃高階智駕市場的第一條導火線，年底工信部、交通運輸部等四部委的《關于開展智能網聯汽車準入和上路通行試點工作的通知》，進一步加速了高級別輔助駕駛的落地應用，徹底點燃了城市NOA的戰火。

業內最早提出NOA概念的是特斯拉，早在2019年6月，特斯拉就上線了高速工況下的NOA功能，隨后以小鵬、蔚來等廠商為代表的造車新勢力也迅速跟進，NOA逐漸成為各大主流車型的標配。

根據使用場景不同，NOA主要分為高速NOA和城市NOA。各大廠商之所以率先開放高速NOA，因為高速路況相對來說沒那么復雜，實現自動駕駛的難度比較低。

但城市道路不同，它的復雜程度比高速工況提升了幾個數量級，行人、電動車、寵物、機動車、非機動車一起出現在城市道路上，存在各種突發情況，比如車輛的極限加塞、公交等大型車輛切入、電動車隨意變道等，這些都增加了道路交通的不確定性，對于智能汽車的環境感知能力和數據處理能力都提出了極高要求。

正因如此，不少廠商都把城市NOA的落地速度，包裝成主要賣點之一，用來吸引用戶。當然，用戶也對智能駕駛功能也表現出了濃厚興趣。麥肯錫的報告顯示，中國本土高端新勢力能夠搶單傳統豪華品牌，“更先進的自動駕駛”是排名第二的原因。終端數據也可以佐證以上觀點，2023年第四季度，問界新 M7、小鵬G6等車型，智駕版本的訂購比例都超過了50%。

技術的面子，降本的里子

在AI大爆發的加持下，過去一年里，智駕領域進行了兩種技術路線的嘗試。

第一，整個行業都在逐漸從“有圖”切換到“無圖”方案。

“去高精地圖”在2023年幾乎成為了整個行業的共識。高精地圖為智能駕駛提供的詳盡信息主要適用于高速公路場景，但隨著智能駕駛“進城”進度加速，傳統模式的高精地圖明顯滿足不了智能駕駛駛入城市場景的需求。

我國城市道路環境復雜，高精地圖想要輔助智能駕駛“進城”就需更廣泛地進行信息采集?；趪覈栏竦穆肪€監測標準，除高速路段外，我國僅開放了北京、上海、廣州、深圳、杭州、重慶這六座城市的高精地圖采集權限，這就導致了智能駕駛只能在僅有的城市范圍內發揮作用，無法被廣泛推廣。

除去路況原因外，高頻率更新以及高成本的信息采集也是高精度地圖無法“進城”的原因。根據《智能網聯汽車高精地圖白皮書》，分米級地圖的測繪效率約為每天每車500公里道路，成本達每公里10元左右，而厘米級地圖的測繪效率約為每天每車100公里道路，成本達每公里1000元左右。

目前國內城市道路時刻在更新，而其中的鄉村道路更是存在不清晰的部分，是高精度地圖無法感知、無法覆蓋的。因此，高精度地圖難以對城市道路進行具體場景劃分，也無法形成統一的地圖。若想要滿足智能駕駛以上需求，高精地圖不僅需要龐大的信息采集，還要達到月度甚至周度的更新頻率，這些對高精地圖來說都是無法解決的問題。

華為常務董事、終端BG董事長、智能汽車解決方案BU董事長余承東曾表示，他們在上海投入了1~2年的時間，也沒有采集完城區的高精地圖。

但目前，無圖方案也有一些難以解決的問題，首先是車輛傳感器采集的某些道路信息屬于敏感數據，很難符合合規要求；其次，在沒有高精地圖的情況下，需要提高車輛的感知力，傳感器的成本也會增加。因此，如何在自動駕駛體驗與造車成本之間找到最佳平衡，也是擺在車企面前優先要解決的事情。

第二，少數派玩家開始嘗試“去激光雷達”的純視覺方案。

圍繞城市NOA目前主要有兩條技術路線，一是以特斯拉為代表的純視覺派，主張取消激光雷達，通過視覺來實現城市NOA；另一派則是“視覺+激光雷達”的技術路線，認為純視覺存在一定的短板，需要加上激光雷達來實現城市NOA的快速落地。

“視覺+激光雷達”可以提高車端感知能力，從硬件端保障感知范圍以及穩定性。比如，在靜止起步的場景下，只搭載攝像頭的車型可能會撞上距離很近的障礙物（如樁桶、小動物等），而搭載激光雷達的車型，在近距離障礙物的識別率會顯著提升。

激光雷達可以應對的另一個場景，就是對異形障礙物的識別。在僅依靠攝像頭的純視覺方案里，由于高度依賴前期標注的先驗，沒有被標注過的異形障礙物就容易出現無法識別的情況。

現在搭載著NOA功能的車型，主要集中在25萬元至30萬元以上，而非國內最暢銷的10萬元至20萬元主流量產車型。這其中，激光雷達占據智駕系統較高的成本。為此，各大車企開啟了對激光雷達成本的極限壓縮。

在2023年激光雷達的一個行業共識是“要上車，先降價”，其單顆價格從2021年的1萬元，降到了2022年約6000元以下，而2023年則又被進一步壓到了3000元以下。目前，國內新勢力的旗艦車型至少配裝了1顆激光雷達，部分車型支持2-3顆激光雷達的選配，以實現硬件層面的安全冗余。

除此之外，還有少數派玩家開始嘗試成本更低的去激光雷達純視覺方案，這條技術路線包括特斯拉、華為、極越、廣汽等玩家。小鵬于今年2月披露的新款車型F57也計劃放棄激光雷達采用純視覺方案。

相比較于有激光雷達的方案，純視覺方案最大的優勢就是成本更優，攝像頭的成本只有幾十美元，這意味著大部分價格區間的車型都可以覆蓋這一成本，為智能駕駛的快速推廣奠定了硬件基礎。同時，與激光雷達相比，攝像頭收集到的數據更加豐富，更適合喂養智能駕駛系統來實現數據驅動。

更深一層的原因是，車企們可以通過以價換量、用規模換市場，助推智駕快速普及上車，從而在放大自身差異化優勢的同時，實現市場競爭的馬太效應；另一個則恐怕是為了以后的價格戰，或者說內卷競爭做戰略準備。

真的是未來趨勢嗎？

面對城區里各種各樣的交通參與者，甚至是不確定的交通規則破壞者時，即使頭部率先開通城市NOA的玩家，其功能仍然還處在“可用”階段，距離“好用”還有不小距離。

此前在使用高速NOA功能時，已經發生過不少起因車主分身從而產生的交通事故。進入城市NOA時代后，受交通事故影響的不只是車內的駕乘人員，還將波及大量弱勢交通參與者。因此，保守穩健應當是城市NOA的關鍵。

最近半年，自動駕駛領域出現了一些比較明顯的變化，最典型的就是各大廠商不再宣傳“放開手腳”“躺著開車”，而是把重點放在了輔助駕駛方面，這其實是一種理性的選擇，以目前的技術條件，誘導用戶去躺著開車，是極其不負責的。

從客觀角度來說，城市NOA的確可以在很大程度上提升安全性能。在城市道路上，經常出現鬼探頭之類的情況，不少新手司機對如何避免視野盲區也不太在行。城市NOA的普及，可以從一定程度上避免交通事故的出現。

但從技術角度來看，城市NOA也會出現死機、判斷失誤等情況，如果消費者養成使用城市NOA的習慣，那么在系統不完善的情況下，事故概率反而會增加。

既然依靠自身無法實現瓶頸突破，“車路云一體化”就成為補足單車智能短板的最佳方案。車路云一體化將車端、路端和云端進行融合，利用路邊設施和云端計算資源，為車輛提供更全面的環境信息和決策支持，從而提高車輛的感知能力和決策準確性。

與傳統依賴車輛單獨采集數據的方式不同，車路云一體化系統能夠收集到更龐大的數據量與更豐富的數據類型，比如路口車流、紅綠燈信息、超視距路況等，不僅大幅拓寬了訓練數據的廣度與深度，還顯著加速了自動駕駛模型的學習效率與精確度，為實現更高水平的自動駕駛奠定堅實基礎。

通過車路云一體化，自動駕駛車輛的傳感器不再是唯一的眼睛，通過遮蔽或關閉這些傳感器，車輛完全可以依賴路側基站構建的實時數字孿生系統，將實時路況和環境數據源源不斷地傳輸給車輛，指引其順利完成自動駕駛任務。

車路云一體化的普及應用，將有助于挖掘智能汽車與交通基礎設施、信息通信、交通管理等跨行業、跨領域技術標準的協同需求，推動其與智慧城市、智能交通系統、交通大數據平臺等實現互聯互通，加速自動駕駛規模化落地進程。

如今，高階輔助駕駛能力已成為衡量車企競爭實力的一個重要標準。不過從目前情況來看，這項技術依然面臨很多的挑戰，但國家對車路云一體化的強力推動，也是在為自動駕駛探尋著一條新的實踐路徑。無論對于車企還是自動駕駛公司來說，這總歸是在自動駕駛路上向前邁步的機會，而每一次的挑戰，也都是成功的前奏。