掀开 NOA 开城大战的底牌

「很多 AEB五星测试结果，实际是在用场景识别的方式作弊。」

「测试假人万年不变的黑衣服蓝裤子。」

前不久，智驾科技的创始人、CEO 周圣砚在自家的活动上说了一这番话。眼看着前段时间轰轰烈烈的 AEB 大战刚偃旗息鼓，又被掀了「老底」。

就在周圣砚「开炮」的同时，理想与小鹏也在同一天官宣了城市智驾开城：

理想将在 12 月 NOA【正式版】覆盖全国高速和环线及 100 个城市，交付给 AD Max 用户；

小鹏推送 Xmart OS 4.0，XNGP 新增 20 城无图智能驾驶领航辅助。

这一边，是高阶智能驾驶攻城拔寨，眼看着智驾普及未来可期；那一边，像 AEB 这样基础的辅助驾驶功能依然充满争议。

这就是如今智能驾驶的乱象：有庞大基础和工程经验的 L2 供应商，多数缺乏升维度能力；高阶智驾玩家，往往又在 AEB 这些基础功能的工程化开发上存在短板；眼看着今年各家逐渐摆脱高精地图束缚，立下 30 城、50 城、100 城的 flag，但开城的实际速度并没有想象中那么迅速……

（图片来源：佐思汽研究）

眼看着各家开启了 NOA 开城大战，究竟怎么战？

BEV 当道，高精地图失宠

「今年开始，有一些自动驾驶驾驶供应商用传统 CNN 包装所谓『无图方案』忽悠车企。」

虽然周圣砚没有点名道姓，不过不少业内人士表示：这种「骗局」并不是意外，甚至可能是「双向奔赴」。

没办法，「无图方案」的确太让如今的汽车圈「上头」了。

自从年初小鹏喊出了「轻地图、重感知」路线开始，高精地图曾经智驾的掌上明珠，因为成本高、速度慢、政策限制等一系列原因逐渐「失宠」，轻地图化、去高精地图成了各家的重点，伴随着「无图方案」一起的就是 BEV 技术路线。

2020 年，特斯拉推出 FSD beta、重写了 AutoPilot 底层代码，用的就是全新的 BEV 感知算法，从那时开始，蔚来、小鹏、包括前边提到的 MAXIEYE 智驾科技先后加入 BEV 阵营。

之所以在 2023 年，BEV 路线被发扬光大、成为主流趋势，是因为城市高阶辅助驾驶的路况远比高速场景复杂得多，对感知的需求也高得多。

前任小鹏汽车自动驾驶副总裁吴新宙曾披露，小鹏城市 NGP 的代码量是高速 NGP 的 6 倍、感知模型数量是 4 倍，预测、规划、控制相关代码量是 88 倍。在传统 CNN 卷积神经网络框架下，各传感器算出自己的结果，再不同场景下按照不同权重投票得到结果。这个权重来自于人的判断，要想精确度高，就需要人尽可能穷举真实场景。在城市场景庞大的需求下，CNN 显然不够用了。

BEV（Bird’s Eye-View，鸟瞰图）把原本摄像头 2D 的视角通过算法校正和改变，把不同传感器的数据映射到统一坐标下，可以获得最佳特征表达，让车辆可以判断自己和空间的关系。

BEV+Transformer，则能给不同传感器时间序列的特征和信息赋予权重。概括来说，不仅能提升感知精度，同时能增加系统的跟踪和推断能力，准确地预测目标轨迹；同时端到端的优化，让模块更简洁，任务的可扩展性更强。

最关键的是，BEV 路线拥有构建语义地图的能力，可以摆脱高精地图。利用 BEV 算法和已有信息，能提供道路线、车道类型、速度限制等一系列信息，构建语义地图，虽然没有高精地图那么多细节，但是在高精地图受限等情况下够用了。

以 MAXIEYE 推出的青云 Hyperspace 架构为例，这套技术体系相当于用 BEV+Transformer 重构了一遍，从城市 L2 增强、高速 NOA、城区 NOA、行泊合一、记忆行泊车全场景应用，都可以在一套系统中覆盖。由于融合了道路拓扑、目标轨迹、占用空间三大网络，横向拓扑精度 5 公分，纵向拓扑精度误差 1‰，稳定性趋近于真值；在轨迹预测方面可以准确地预测 3 秒后的目标轨迹。

这就是今年以来，各家城区 NOA 计划开始提速的原因，而且各家不仅开始试图摆脱高精地图，还开始试图摆脱激光雷达的束缚。

上个月，极越 01 上市，去掉了原本计划搭载的激光雷达，直接采用 BEV+Transformer+OCC 占用网格技术的纯视觉方案。

以往，系统识别障碍物时要么通过激光雷达点云判断障碍物，要么在视觉方案中要对障碍物识别、标注，遇到白名单中不存在的物体就不认识了。利用 OCC 占用网格技术，能把空间网格化区分，被占用的网格是 1，没占用的是 0，这样障碍物的形态就能显示出来了。

在特斯拉 FSD 姗姗来迟的情况下，目前极越 01 是第一家主动抛弃激光雷达、纯视觉 NOA 上路的车企。不过，据行业内相关人士透露，小鹏、华为等关于 BEV+Transformer+OCC 的研发也在推进当中，抛弃激光雷达、或者只把激光雷达作为一种感知冗余，只是时间问题。

记忆共享

让一部分城市 NOA 先用起来

过去几年里，以特斯拉 FSD 为首的各家智驾功能主打一个望梅止渴、画饼充饥，要么迟迟不能落地，要么只能在有限的几个城市路段、让少数用户在少数场景下体验。

根据高工智能汽车的数据，今年上半年，国内乘用车销量 959.08 万辆，其中前装标配 NOA 车辆 20.94 万辆，仅占 2.18%，这其中城市 NOA 占比更低；就算是目前已经开通城市 NOA 的区域，也以北京、上海、广州、深圳等城市为主。

俗话说不能给用户带来方便的功能都是耍流氓，各家车企针对高频率的场景推出了新功能：

小鹏推出 AI 代价，可以在高频场景定制智能驾驶路线，不管有没有高精地图覆盖；

理想推出了通勤 NOA，在设定的路线学习一周就可以开放 NOA 功能，不依赖高精地图；

大疆车载推出不带激光雷达的记忆行车，先记忆点到点的行驶路线，保存路线后，系统可以根据这条路线完成点到点的领航辅助驾驶；

最近，MAXIEYE 智驾科技提出了记忆共享，打通了首次行车、再次记图、三次激活的智慧化记忆行泊车功能应用，90%以上场景可支持实现三次行车后记忆功能激活。

AI 代价、通勤 NOA、记忆共享、记忆行车，从本质上来说，这些功能都是基于相对固定的路线重复训练，当训练的有效数据足够多的时候，BEV 算法和已有信息构建的语义地图就可以弥补部分高精地图信息，获得特定路段下的城市 NOA 功能。

这样，城市 NOA 的开通就不是以「城市」为单位，一辆车走过同一段路几次，就可以实现通勤智驾。这不仅能提高智能驾驶系统的感知精度，也能摆脱对硬件和高精地图的束缚，在降低智驾系统成本的情况下，让一部分人先用上城市 NOA。

以智驾科技的青云 BEV 架构为例，这套架构可以覆盖从单 V（牧童 Monotogo™解决方案）到多 V（5V、6V、9V、11V-跨越低中高算力的行泊合一域控方案）的 MAXIPILOT®全系智驾解决方案矩阵；可以利用大量的 L2 车型对道路信息的获取，打通行车记忆共享的数据通路，在城区驾驶是最高频的用户出行场景下，用共享数据来优化体验。

不过，当越来越多人加入到通勤模式、记忆共享中，大量的道路数据「共享」之下，数据合规监管也会成为不可避免的新问题。

最后

随着小鹏、理想、华为这样的车企逐渐落地城市 NOA，以及 MAXIEYE 这样的智能驾驶公司推出标准化的工具链，城市 NOA 终于驶上快车道，似乎距离自动驾驶越来越近了。

不过，「能用」与「好用」之间依然有着很远的距离，影响高阶智驾和 BEV+transformer 路线的关键就是数据。

在前段时间的财报会上，马斯克曾说： 「只用一百万个训练样本时，它（模型）几乎无法工作；两百万个，它才稍微有些效果；三百万个时，我们会惊叹，好像看到了一些东西。到了一千万个时，它就变得令人难以置信。」毫末智行 CEO 顾维灏也曾预测, 仅标注一项，BEV 的模型大概需要标注 1 亿公里的数据。

训练数据越多，结果就越好，是行业内的共识，也是城市 NOA 上车后需要借助数据闭环不断完善的功课。

根据特斯拉 2022 年公布的信息，使用 BEV + Transformer 的特斯拉 FSD 模型有 10 亿个参数，大概是上一版模型的 10 倍。这建立在特斯拉巨大的销量和在北美不断实践的测试基础上。对于国内玩家来说，从推出城市 NOA，到进一步通过数据闭环优化体验，还有一段距离要走。

最近，FSD 进入中国的消息一直在推进中，看来留给国内玩家们提升体验的时间不多了。