城市NOA智驾,一场把车卖得更贵的阳谋?
城市 NOA,拼的应该是‘日活’,而不是‘开城数’。
从上海嘉定区南翔镇出发,途径浏翔公路、沪翔高速、嘉闵高架路,全程 25 公里之后到达虹桥机场 T2 航站楼北出发层。
去年 10 月,当极客公园驾驶小鹏 G6 (配置|询价) 行驶完这条没有被提前规划的非集中试驾路线时,XNGP(小鹏智能辅助驾驶系统的名称)几乎全程接管了加减速踏板和方向盘的操作控制。包括识别直行和左右转车道、识别路口红绿灯、完成对前方慢车的超越,以及通过进出匝道切换到不同的城市快速路当中。
2023 年,智能辅助驾驶成为新势力们新的战场。在以高速、城市快速路为主的封闭道路场景中,华为、小鹏等头部玩家逐渐可以高分交卷。
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 (配置|询价)、小鹏 G6、宝骏云朵等多款车型,智驾版本的订购比例都超过了 50%。
试卷开始‘超纲’,从封闭道路进入城区。几乎每一家车企的高端产品发布会上,都会介绍智能驾驶的研发进展、投入,以及下一段的‘开城’目标。PPT 上的数字从个位数变成两位数再到三位数。在传播体系里,这个数字变得越来越重要,甚至成为了影响用户量评价智驾水平的最关键标准。
不过,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。
站在用户体验的视角,目前的城市 NOA 功能主要分为两个派别:
第一,相对好用但不连续。即:因为各种原因,城市智能领航辅助驾驶的可用路段并不连续,这就导致驾驶员在功能降级时,需要时常接管车辆的驾驶权;
第二,相对连续但不好用。在一些集中媒体试驾活动中,极客公园也体验过几乎全城市路段可用的智能领航辅助驾驶功能,但在面临闯红灯的外卖小哥、临时摆摊或修路导致车道线变化的时候,系统频繁地加减速操作,会严重影响车内乘客的乘坐体验,甚至导致晕车。
当然,这并不是本土智驾玩家们才会遇到的问题。哪怕是行业里走在技术路线前沿的特斯拉,在马斯克公开直播测试过 FSD V12 后,他高喊了 4 年的完全自动驾驶仍然继续跳票……
所以,为什么智能驾驶的城市之战会一再跳票?各家未来又该卷些什么?
01、‘技术’的面子,‘降本’的里子
所谓城市 NOA,即 Navigate On Autopilot 的简称,中译名为‘自动辅助导航驾驶’。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,智驾系统便可以全程控制加减速踏板及方向盘操作。
城市 NOA 被认为是从辅助驾驶走向全自动驾驶的重要阶段,如何实现技术降本,是智能驾驶在 2023 年的重要工程课题。
为了实现技术降本,在 AI 大爆发的加持下,过去一年里,智驾领域进行了三种技术路线的切换或尝试。
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。核心的技术原因在于,以 Transformer 为基础的 BEV 感知模型开始成熟,使得车辆在驾驶过程中对周围信息的实时感知能力得到了大幅提升。
华为在去年的几场技术交流会上,介绍过其智驾系统的感知能力数据:通过 GOD 通用障碍物检测网络和 RCR 道路拓扑推理网络,可以实现 2.5 个足球场大小的感知面积。
在目前已经开通城市 NOA 的少数几家车企或智驾公司里,华为和小鹏都公开表示已切换到无图方案。
极客公园在实际的试驾体验中,也可以明显感受到从有图到无图带来的变化:在通过无车道线路口时,智驾系统会出现可感知的‘画龙’现象 —— 在没有高精地图作业可抄的情况下,车辆需要实时规划行程路径。
余承东曾经表示,华为在上海投入了一两年,都没有采集完城区高精地图。所以,依靠车端感知能力进化,去高精地图可以带来两个结果:智驾成本大幅下降、智驾泛化能力大幅提升。
第二,一部分小众玩家开始尝试去激光雷达的纯视觉方案,这条技术路线国内以极越为代表,特斯拉则是另一个重要玩家。
如果说‘去图化’是希望在产业供应端大幅降低成本,那么‘纯视觉’流就是希望有用强大的计算能力,降低车端的硬件成本,也就是激光雷达。
光大证券的研报显示,大部分性能优良的激光雷达价格在单颗 1000 美元上下。
尽管 2021 年某主机厂品牌负责人口中的‘4 颗(激光雷达)以下,请别说话’的堆料时代已经过去,但目前国内新势力的旗舰车型依然至少配装了 1 颗激光雷达,部分车型支持 2-3 颗雷达的选配,以实现硬件层面的安全冗余。
相比于‘摄像头 + 算法’的方案,‘摄像头 + 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。举一个典型案例,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。
因此,要在计算层面提高对异形障碍物的识别,就是需要加入 OCC(Occupancy Network,占用网络技术),实现‘即使我不知道看到的东西是什么,也可以知道它在那里。’
相信极越在去年上市之后敢于在激烈的价格战里,做出直降 3 万的决策,前期在硬件层面砍掉了激光雷达,是重要因素。
02、‘优等生’特斯拉的‘烦恼’
可以说,目前这轮以降本为目的的技术路线探索,大部分玩家采取的方案是‘保留激光雷达 + 去高精地图’,而极越则采取了‘保留高精地图 + 纯视觉方案’。
目前来看,似乎是一个二选一的题目。要么选择激光雷达,要么选择高精地图,国内还没有人可以做到既要又要。
除了特斯拉。
如果说现阶段,实现城市 NOA 的核心前提,仍然是‘有作业可抄’—— 要么抄高精地图,要么抄算法规则 —— 那么特斯拉的技术逻辑则是,用人工智能的逻辑,让智驾系统学会在没有作业可抄的情况下,自主思考。
这种技术架构主打的就是‘端到端’—— 相比传统架构把感知、预测、规划、控制分成不同的模块,端到端把各个模块融合成了统一架构。
以马斯克去年 8 月底在 X 上演示的 FSD Beta V12 系统为例,工程师删掉了近 30 万行定义规则的代码,系统将会从过往学习的数据库中调用相关场景,以神经网络的模式决定下一步的驾驶操作。
所以,和生成式语言大模型 LLM 相似,特斯拉端到端的技术架构提高了 AI 的泛化能力,但也高度依赖提前的数据投喂。
在 2022 年的特斯拉 AI Day 上,马斯克表示训练成一个神经网络需要数以十亿帧的素材,然而根据《马斯克传》,到 2023 年初,这个数据还只有 1000 万帧。
装配了各种感知器件的量产车,是各主机厂后续采集数据的重要触角。但还需要时间积累,毕竟几款新车的智驾版‘大卖’还仅仅发生在上一个季度,很多车型甚至仍然处于量产爬坡阶段,更何况,特斯拉在中国市场还要面临本地化的种种问题,这对于城市 NOA 的实现,又提出了新的考验。
03、NOA 开城战:表面是竞争,背后是利润
城市 NOA 在技术层面仍然有不少难题需要攻克,为什么每个车企都一定要在发布会上,把开城的数量写在 PPT 上?
高情商说法:为了打造更具科技感的企业形象;
低情商说法:为了可以把车卖得更贵。
目前,尽管大部分车企都推出了‘智驾版’车型,但只有少数企业在部分城市推送了城市 NOA 功能。所以对于用户来说,选购智驾车型某种程度其实也是对产品功能的预付费,和对企业能力的一次投资。
在这样的竞争状态下,通过开城的数字目标,也可以树立车企的科技化属性。余承东的‘遥遥领先’热梗,既是华为对自己智驾能力的自信体现,也可以在传播维度提前占领智能化、科技化的行业生态位置。
同时,不可忽视的是,智驾还是一个重要的利润点。
如前文所述,在硬件层面而言,智驾版本会比普通版多加装智驾的感知模块(一般来说是激光雷达)和更大算力的芯片,所以售价更贵。以问界 M9 (配置|询价) 为例,这款起售 46.98 万的车型,终端信息称平均交易价格达到了 56 万元,除选配舒适内饰外,智驾版车型的选购也是重要原因。
还有软件层面,智驾给车企、或智能驾驶公司带来了订阅制软件收入的商业营收空间。无论是全栈自研的蔚小理、华为、特斯拉,还是和智驾公司深度合作的造车厂商,开通城市 NOA 之后都可以单独按年、按月或者一次性买断,收取软件服务的订阅费用。价格上,华为的 ADS2.0 买断价格为 3.6 万元,而极越则是达到 5 万元。
04、别纠结‘开城’,要和‘日活’较劲
进入 2024 年,开城的故事似乎不再那么具有冲击力。
这和产品体验有关 —— 绝大多数城市的用户,还不能‘完整且丝滑’地体验到好用的城市 NOA 功能。
当然,这也和技术积累有关。毕竟在现有的技术、数据等多个维度下,智驾团队还需要时间积累,来拿出来足够有爆发力的产品升级。
在技术创新的瓶颈里,与其继续在开城数字上做文章,不如回到用户端,把体验进行优化。
就像纯电车型爆发前,增程或者混动以出色的燃油经济性干掉日系车的故事一样,如果城市 NOA 暂时还不能到来,那么从软件产品的角度,推出记忆功能的城市通勤模式,应该是从用户角度出发,更实际的选择。
对应的,在传播维度上,把开城数量改成用户每日的智驾使用时长,或是城区智驾路段的使用占比,应该是体现用户对智驾认知、信任和使用情况更有说服力的数据。
毕竟,如果想用软件赚钱,那么了解用户需求,要比在数字上战胜了多少个对手重要得多。
广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。
版权声明
本文收集整理自网络,如有侵权,请联系删除。