智驾走到十字路口，城市 NOA 的“大饼”能实现吗？

没有人拥有能看清未来的水晶球，但每个人都要在当下的市场去布局，这就需要有对未来的预期。

从去年开始，各大车企的技术内卷进入 " 城市 NOA" 时刻，一片热火朝天，争先恐后的场面，好不热闹。城市 NOA 作为目前最受欢迎的自动驾驶产品，也作为最多、最有用的智驾落地场景，将是今年乃至今后几年智驾行业的必争之地。

这不禁让人心生疑问，车企蜂拥而上的城市 NOA 到底是用户的真实需求，还是臆想出来的幻象？车企们的城市 NOA" 大饼 " 能实现吗？

为何要盯上城市 NOA？

城市 NOA，全称 Navigate On Autopilot，通常被业界翻译为 " 领航辅助驾驶 " 或 " 高阶智能驾驶 "。不同企业的叫法略有不同，如小鹏称为 NGP，理想和特斯拉称其为 NOA，蔚来早期叫 NAD，长城魏品牌则称其为 NOH，但本质上它们都是 NOA。

理想状态下，驾驶员只需要在车辆启动前，设置好目的地并选择一条希望行驶的路线，车辆就可在没人接管的情况下到达目的地，智驾系统可以全程控制加减速踏板及方向盘操作。

一直以来，L3 都被视为智驾能力的重要分水岭，也是智能 汽车 拉开竞争差距的真正起点。而以城市 NOA 为代表高阶智能驾驶，可以看作是一种类 L3 功能，被业内视为从 L2 向 L3 跨越的技术敲门砖。 所以车企们无论是想秀技术肌肉，还是想先声夺人，智能汽车下半场的第一场硬仗都将从城市 NOA 开始打起，而 2024 年则是城市 NOA 普及的关键一年。

去年，小鹏 G6 和问界新 M7 率先引燃高阶智驾市场的第一条导火线，年底工信部、交通运输部等四部委的《关于开展智能网联汽车准入和上路通行试点工作的通知》，进一步加速了高级别辅助驾驶的落地应用，彻底点燃了城市 NOA 的战火。

业内最早提出 NOA 概念的是特斯拉，早在 2019 年 6 月，特斯拉就上线了高速工况下的 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标配。

根据使用场景不同，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，因为高速路况相对来说没那么复杂，实现自动驾驶的难度比较低。

但城市道路不同，它的复杂程度比高速工况提升了几个数量级，行人、电动车、宠物、机动车、非机动车一起出现在城市道路上，存在各种突发情况，比如车辆的极限加塞、公交等大型车辆切入、电动车随意变道等，这些都增加了道路交通的不确定性，对于智能汽车的环境感知能力和数据处理能力都提出了极高要求。

正因如此，不少厂商都把城市 NOA 的落地速度，包装成主要卖点之一，用来吸引用户。当然，用户也对智能驾驶功能也表现出了浓厚兴趣。麦肯锡的报告显示，中国本土高端新势力能够抢单传统豪华品牌，" 更先进的自动驾驶 " 是排名第二的原因。终端数据也可以佐证以上观点，2023 年第四季度，问界新 M7、小鹏 G6 等车型，智驾版本的订购比例都超过了 50%。

技术的面子，降本的里子

在 AI 大爆发的加持下，过去一年里，智驾领域进行了两种技术路线的尝试。

第一，整个行业都在逐渐从 " 有图 " 切换到 " 无图 " 方案。

" 去高精地图 " 在 2023 年几乎成为了整个行业的共识。高精地图为智能驾驶提供的详尽信息主要适用于高速公路场景，但随着智能驾驶 " 进城 " 进度加速，传统模式的高精地图明显满足不了智能驾驶驶入城市场景的需求。

我国城市道路环境复杂，高精地图想要辅助智能驾驶 " 进城 " 就需更广泛地进行信息采集。基于国家严格的路线监测标准，除高速路段外，我国仅开放了北京、上海、广州、深圳、杭州、重庆这六座城市的高精地图采集权限，这就导致了智能驾驶只能在仅有的城市范围内发挥作用，无法被广泛推广。

除去路况原因外，高频率更新以及高成本的信息采集也是高精度地图无法 " 进城 " 的原因。根据《智能网联汽车高精地图白皮书》，分米级地图的测绘效率约为每天每车 500 公里道路，成本达每公里 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，成本达每公里 1000 元左右。

目前国内城市道路时刻在更新，而其中的乡村道路更是存在不清晰的部分，是高精度地图无法感知、无法覆盖的。因此，高精度地图难以对城市道路进行具体场景划分，也无法形成统一的地图。若想要满足智能驾驶以上需求，高精地图不仅需要庞大的信息采集，还要达到月度甚至周度的更新频率，这些对高精地图来说都是无法解决的问题。

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，他们在上海投入了 1~2 年的时间，也没有采集完城区的高精地图。

但目前，无图方案也有一些难以解决的问题，首先是车辆传感器采集的某些道路信息属于敏感数据，很难符合合规要求；其次，在没有高精地图的情况下，需要提高车辆的感知力，传感器的成本也会增加。因此，如何在自动驾驶体验与造车成本之间找到最佳平衡，也是摆在车企面前优先要解决的事情。

第二，少数派玩家开始尝试 " 去激光雷达 " 的纯视觉方案。

围绕城市 NOA 目前主要有两条技术路线，一是以特斯拉为代表的纯视觉派，主张取消激光雷达，通过视觉来实现城市 NOA；另一派则是 " 视觉 + 激光雷达 " 的技术路线，认为纯视觉存在一定的短板，需要加上激光雷达来实现城市 NOA 的快速落地。

" 视觉 + 激光雷达 " 可以提高车端感知能力，从硬件端保障感知范围以及稳定性。比如，在静止起步的场景下，只搭载摄像头的车型可能会撞上距离很近的障碍物（如桩桶、小动物等），而搭载激光雷达的车型，在近距离障碍物的识别率会显著提升。

激光雷达可以应对的另一个场景，就是对异形障碍物的识别。在仅依靠摄像头的纯视觉方案里，由于高度依赖前期标注的先验，没有被标注过的异形障碍物就容易出现无法识别的情况。

现在搭载着 NOA 功能的车型，主要集中在 25 万元至 30 万元以上，而非国内最畅销的 10 万元至 20 万元主流量产车型。这其中，激光雷达占据智驾系统较高的成本。为此，各大车企开启了对激光雷达成本的极限压缩。

在 2023 年激光雷达的一个行业共识是 " 要上车，先降价 "，其单颗价格从 2021 年的 1 万元，降到了 2022 年约 6000 元以下，而 2023 年则又被进一步压到了 3000 元以下。目前，国内新势力的旗舰车型至少配装了 1 颗激光雷达，部分车型支持 2-3 颗激光雷达的选配，以实现硬件层面的安全冗余。

除此之外，还有少数派玩家开始尝试成本更低的去激光雷达纯视觉方案，这条技术路线包括特斯拉、华为、极越、广汽等玩家。小鹏于今年 2 月披露的新款车型 F57 也计划放弃激光雷达采用纯视觉方案。

相比较于有激光雷达的方案，纯视觉方案最大的优势就是成本更优，摄像头的成本只有几十美元，这意味着大部分价格区间的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，与激光雷达相比，摄像头收集到的数据更加丰富，更适合喂养智能驾驶系统来实现数据驱动。

更深一层的原因是，车企们可以通过以价换量、用规模换市场，助推智驾快速普及上车，从而在放大自身差异化优势的同时，实现市场竞争的马太效应；另一个则恐怕是为了以后的价格战，或者说内卷竞争做战略准备。

真的是未来趋势吗？

面对城区里各种各样的交通参与者，甚至是不确定的交通规则破坏者时，即使头部率先开通城市 NOA 的玩家，其功能仍然还处在 " 可用 " 阶段，距离 " 好用 " 还有不小距离。

此前在使用高速 NOA 功能时，已经发生过不少起因车主分身从而产生的交通事故。进入城市 NOA 时代后，受交通事故影响的不只是车内的驾乘人员，还将波及大量弱势交通参与者。因此，保守稳健应当是城市 NOA 的关键。

最近半年，自动驾驶领域出现了一些比较明显的变化，最典型的就是各大厂商不再宣传 " 放开手脚 "" 躺着开车 "，而是把重点放在了辅助驾驶方面，这其实是一种理性的选择，以目前的技术条件，诱导用户去躺着开车，是极其不负责的。

从客观角度来说，城市 NOA 的确可以在很大程度上提升安全性能。在城市道路上，经常出现鬼探头之类的情况，不少新手司机对如何避免视野盲区也不太在行。城市 NOA 的普及，可以从一定程度上避免交通事故的出现。

但从技术角度来看，城市 NOA 也会出现死机、判断失误等情况，如果消费者养成使用城市 NOA 的习惯，那么在系统不完善的情况下，事故概率反而会增加。

既然依靠自身无法实现瓶颈突破，" 车路云一体化 " 就成为补足单车智能短板的最佳方案。 车路云一体化将车端、路端和云端进行融合，利用路边设施和云端计算资源，为车辆提供更全面的环境信息和决策支持，从而提高车辆的感知能力和决策准确性。

与传统依赖车辆单独采集数据的方式不同，车路云一体化系统能够收集到更庞大的数据量与更丰富的数据类型，比如路口车流、红绿灯信息、超视距路况等，不仅大幅拓宽了训练数据的广度与深度，还显著加速了自动驾驶模型的学习效率与精确度，为实现更高水平的自动驾驶奠定坚实基础。

通过车路云一体化，自动驾驶车辆的传感器不再是唯一的眼睛，通过遮蔽或关闭这些传感器，车辆完全可以依赖路侧基站构建的实时数字孪生系统，将实时路况和环境数据源源不断地传输给车辆，指引其顺利完成自动驾驶任务。

车路云一体化的普及应用，将有助于挖掘智能汽车与交通基础设施、信息通信、交通管理等跨行业、跨领域技术标准的协同需求，推动其与智慧城市、智能交通系统、交通大数据平台等实现互联互通，加速自动驾驶规模化落地进程。

如今，高阶辅助驾驶能力已成为衡量车企竞争实力的一个重要标准。不过从目前情况来看，这项技术依然面临很多的挑战，但国家对车路云一体化的强力推动，也是在为自动驾驶探寻着一条新的实践路径。无论对于车企还是自动驾驶公司来说，这总归是在自动驾驶路上向前迈步的机会，而每一次的挑战，也都是成功的前奏。

来源： 极智 Gee Tech