城市 NOA 智驾，一场把车卖得更贵的阳谋？

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 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、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。

华为智驾 workshop | 极客公园

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。」

体验极越 01 的城区智驾功能 | 极客公园

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 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。

*头图来源：IEEE Spectrum