撰文/ 玖 零
编辑/ 黄大路
设计/ 师 超
近年来，随着NOA（Navigate On Autopilot，点到点的导航辅助驾驶）从高速到城区的落地，市场和用户已经开始认可并期待NOA的表现。同时，作为高阶智能驾驶的典型功能，NOA代表着现阶段量产智能驾驶的最高水平，是当前各路智驾玩家纷纷布局的重点。
车企和方案商在优化NOA功能体验的同时，也在争取扩大NOA的覆盖范围，努力掌握并实现全场景辅助驾驶的技术实力，从而在未来的智驾市场竞争中占据主动权。可以说，NOA已经成为智能驾驶的新蛋糕，正在被业内玩家重点关注。
那么，NOA当前的市场现状如何？有哪些代表性的车型产品？正在走什么样的技术路线？发展趋势会是怎么样的？本文将针对以上问题，分析NOA的现状与未来。
市场格局
近两年来，国内的高阶智能驾驶功能搭载率开始显著提升。
2023年，高速NOA的渗透率为4%，城区NOA的渗透率为0.1%，预计到2024年底，以NOA为代表的高阶智能驾驶渗透率将达到8.5%。
另外，根据预测，2024年后，作为量产最强功能的城市NOA，将迎来飞速发展，预计到2030年，渗透率将达到25%。
在市场规模不断扩大的同时，NOA的市场格局也在发生变化，出现了新的竞争与合作形态，掀起了一场NOA角逐的浪潮。
NOA功能的落地，让激光雷达厂商、图商、数据标注与仿真服务商，逐渐成为主机厂提升功能安全的关键生态伙伴。如禾赛科技、速腾聚创等，都是NOA功能落地的受益者。
NOA功能在城区的应用，带来了复杂的用户场景，对感知效果提出了更高的要求。对于原本提供配套感知算法的硬件供应商（如芯片公司地平线等）来说，需要更加注重感知算法的业务布局。
作为直接接触C端用户的主机厂，其开发模式也出现分歧。
一方面，头部主机厂倾向于NOA功能全栈自研，不仅在技术上拥有更高的自主性和灵活性，而且能够更好地整合和优化系统性能，同时也是自身品牌实力的展示。
典型代表是特斯拉，独立自研FSD系统，覆盖芯片、底软和算法；小鹏、蔚来、理想等头部新势力，将软件与算法牢牢地掌握在自己手里，智驾的芯片也正在自研的路上。
另一方面，部分主机厂选择与NOA解决方案商合作开发NOA功能，有利于缩短研发周期，利用供应商已有的技术，集中资源抢占市场。同时，方案则可以通过与主机厂的多元化合作，在实现盈利的同时，不断打造行业口碑，实现可持续的业务增长，实现双赢。
例如赛力斯、北汽、奇瑞、江淮等，都与华为合作开发，快速实现NOA的量产上车；智己也与Momenta深度合作，在NOA的争夺战中占有了一席之地。
目前，国内的NOA解决方案商主要有4类：科技型公司、专注L2的Tier 1、从L4下探的出行公司以及芯片公司。
科技型公司以华为、大疆、商汤科技等为典型代表，能够充分依托AI能力和技术实力，提供符合国内场景的智能驾驶解决方案。并且，科技型公司往往都有多元化的业务布局，能够快速构建完善的智能驾驶生态体系，赋能产业链上下游的合作伙伴。
专注L2的Tier 1主要有Mobileye、Bosch等传统国际化巨头，以及Momenta、魔视智能、Maxieye、Minieye等国内早期入局的供应商，具有丰富的智能汽车行业经验，并且能基于稳定的客户关系和深厚的技术积淀，快速与主机厂建立合作，甚至形成深度绑定关系。
L4下探的出行公司以元戎启行、Apollo、轻舟智航等为代表，其优势在于具有L4高阶智驾的技术实力，能够拓展到NOA功能，并具有较强的技术应用能力和软硬件一体化的服务能力。尤其是在复杂场景的处理上，具有明显优势，能够将L4的数据和算法，有效迁移到NOA功能开发中。
芯片公司的典型代表是英伟达、高通、地平线、黑芝麻等，以大算力的芯片硬件为载体，建立智能驾驶能力，实现软硬件协同，提升计算效率。同时，芯片公司还可以基于技术创新和开放式平台，通过技术与资源的共享，形成自己的生态化服务。
需要说明的是，以上四类公司的边界并不是绝对的，会存在跨界和多元发展的现象。例如Momenta既是L2的Tier 1，同时也有L4的高阶智驾算法，Mobileye既提供软件方案，也提供芯片硬件。
可以看出，不同类型的NOA解决方案商，其底层技术能力和服务模式都存在差异。不过，从行业整体来看，方案上都呈现出为主机厂提供定制化、个性化服务的能力，并希望能通过差异化的合作模式，进一步扩大市场份额。从目前的NOA落地情况来看，华为、大疆、Momenta、地平线处于相对领先的位置。
车型产品
进入2024年，高速NOA功能已经规模化上车，几乎成为新车型的“标配”，而城市NOA也进入快速普及阶段，主机厂纷纷将其作为智驾能力的展示，争取在智能驾驶的下半场抢占先机。
目前行业内实现NOA落地的玩家，从技术成熟度和功能实现程度，可分为两个梯队，第一梯队包括特斯拉、小鹏、理想、华为等，已在2023年落地城市NOA；第二梯队包括蔚来、比亚迪、魏牌、零跑等，已经或计划在2024年内落地城市NOA。
下面以第一梯队的几家公司为例，介绍当前市场主流NOA玩家的产品方案及进展情况。
特斯拉走的是纯视觉、无图路线，其首创的BEV+Transformer算法，把不同摄像头和传感器收集到的道路信息变成一个360度的鸟瞰图，可以生成一个实时的活地图，不光能摆脱高精地图的依赖，端到端还能直接用神经网络做出驾驶决策，已经在北美地区实现了无图城市NOA，不过目前还未进入中国。
小鹏将导航辅助驾驶命名为NGP（Navigation Guide Pilot），在P5、G9、G6、P7i、X9等车型上均有搭载。这几款车型都是配置激光雷达的车型，并且近年来小鹏的车型都采用前视800万像素双目摄像头，并通过2颗高算力的NVIDIA Orin-X SoC芯片，提供508TOPS的超高AI算力，满足城市NGP的感知和算力要求。另外，值得注意的是，小鹏最新发布的P7+车型，在实现城市NOA功能的同时，取消了激光雷达，似乎预示小鹏技术路线的新方向。
2024年1月，小鹏宣布全国243城开通城市NGP，2024年5月，小鹏汽车XNGP掌舵人李力耘宣称，当前行业城市NOA存在“白名单”和“黑名单”两种技术方案，前者指城市NOA只对城市部分名单道路开放，或只招募部分满足一定门槛条件的用户开放，后者指除保密区域以外的全国所有道路都能开，且对全量用户开放，并表示小鹏XNGP在7月份5.2 OS更新中全量推送“黑名单”式的城市NOA，全国都能开。
小鹏城市NGP功能示意图▼
理想的城市NOA在其所有车型上搭载，都配置了1颗激光雷达和2颗NVIDIA Orin-X芯片，并且前视双目摄像头和侧视摄像头的像素都高达800万，足以满足L2级智能驾驶的硬件性能要求。
理想是通过神经网络替代高精地图为主，辅以无图的方案，已经在7月开始推送“全国都能开”的无图城市NOA功能。
理想城市NOA功能示意图▼
华为的导航辅助驾驶功能称为NCA（Navigation Cruise Assist），已经搭载在华为深度参与的多款车型上。例如，极狐、阿维塔车型配置了3颗激光雷达和具备400TOPS算力的华为MDC810计算平台，问界系列车型配置了1颗激光雷达和200TOPS算力的华为MDC610计算平台。
2024年4月，华为发布了乾崑智驾ADS3.0，直接去掉了BEV系统，引入GOD和PDP网络，基于GOD大网，实现了从简单的“识别障碍物”到深度的“理解驾驶场景”的跨越式进步，不仅提升了智能驾驶的安全性，还改善了驾乘体验。
Momenta的NOA功能已经在智己的车型上量产。Momenta算法发力的点是道路中的车道线等静态约束的识别和构建，类似于特斯拉BEV+Transformer，但Momenta算法的发力更像是Mobileye的车道线识别，通过识别车道线以及道路标识构建车辆实时行驶地图，实现无图智能驾驶。
2025年，奔驰纯电CLA车型将搭载Momenta提供的无图高阶智驾方案，该车型也将成为奔驰首款落地城市NOA功能的车型。
根据上述的典型品牌及车型分析，以及市场上其他搭载NOA功能的车型情况，可以发现NOA功能在快速落地的过程中，高速NOA与城市NOA呈现出不同的特点。
高速NOA功能正在由技术驱动向成本驱动发展。
作为智能汽车的“标准化”配置，高速NOA的复杂度不高，技术也相对成熟，已经逐渐由曾经的技术驱动向成本驱动发展。厂商在优化功能体验的同时，也在尝试降低对硬件配置和高精地图的依赖，以实现最大程度地降本。
截止2024年上半年，国内已经有超过57款车型搭载了高速NOA功能，宝骏云朵更是凭借大疆的纯视觉方案，将高速NOA车型的价格打到了15万元以内。相比于2020年58.6万的蔚来ES8，可以说是天壤之别。
成本驱动导致的直接结果就是减配，以更低的配置，实现相同的功能效果。由于高速NOA的场景相对单一，对算法复杂度的要求也不高，因此随着数据的积累和算法的进步，对芯片算力的要求也在逐步降低。
目前仅实现高速NOA的车型，通常芯片算力都不超过150TOPS，比如国产的地平线J5、黑芝麻A1000，国外的NVIDIA Xavier、TI TDA4、Mobileye EQ5等。
另外传感器的配置也在降低，目前高速NOA已经基本不需要激光雷达，普遍采用10～11V+1～5R的方案，甚至大疆通过7V5R结合算法优势，也能实现高速NOA功能。
由于硬件配置的不断降低，目前高速NOA的系统整体成本，已经可以控制在万元之内，甚至有望突破到5千元以内，有利于推动高速NOA的全行业普及。
城市NOA成为企业竞争的高地。
城市NOA的竞争越发激烈，主要表现在两个方面，一是入局者越来越多，二是功能覆盖的范围迅速扩大。
在玩家数量方面，在2023年，仅有不超过5家的企业（主机厂+方案商），有能力落地城市NOA功能。进入2024年，国内推出城市NOA的厂商已经超过10家，并且正在迅速扩大。几乎每款新车型的发布，都会伴随城市NOA的身影。
在覆盖范围方面，2023年下半年，智能汽车的头部企业，完成了城市NOA的少数城市“开城”，而截止2024年上半年，已经有多个厂商实现100+城市的开城，甚至号称全国范围可用。
另外，在城市NOA的竞争中，各家对算力平台的选择，趋于相同。目前，国内的城市NOA方案首选的是NVIDIA Orin芯片平台（华为系车型除外），一方面能够满足多传感器融合以及激光雷达点云数据所需的算力要求，另一方面也能达到一定的营销目的，因为Orin平台已经经过量产实践的验证，是相对稳定可靠的。
不过，随着国产芯片的发展，以地平线为代表的产品（基于J6芯片打造HSD方案），将逐渐改变这一局面。
技术路线
目前，各厂商实现NOA，尤其是城市NOA的技术路线还存在一些差异，主要是由于对实现路径的理解不同，或者技术实力的差异导致选择的技术路线不同。
NOA的技术路线差异，主要体现在小模型与大模型、有图与无图、纯视觉与多传感器融合等。
01
小模型VS大模型
小模型与大模型的区别主要在于参数量的多少，以及模型的复杂程度。目前智能驾驶正在从以往的传统小模型方案，向端到端的大模型方案过渡。
小模型是指参数较少、架构相对简单的AI计算模型，其优势在于资源需求少、实时性高、低功耗等。传统的智能驾驶算法架构包括感知、决策、规控等模块，每个模块有独立的任务，各自负责输出对应的结果，形成多个独立计算的小模型。
传统的小模型方法能够让每个模块的计算结果都能有足够好的可解释性，在开发过程中能够独立优化，但由于小模型的参数有限，计算能力难以满足高阶智驾的要求，因此需要提升模型的计算能力，保证高阶智驾的性能。
另外，基于多个独立小模型的智驾系统，模块与模块之间的数据传输会存在损耗，产生局限性。
由于小模型在计算能力和数据传输方面的限制，端到端大模型成为NOA等高阶智驾的计算解决方案。端到端大模型是指从输入到输出的整体过程都由一个统一的、参数量多、计算能力极强的AI模型处理，中间没有显示的分模块步骤。
与传统的智能驾驶算法架构不同，端到端大模型取代了此前用于感知、决策、规控的多个独立模块，输入的环境数据（摄像头、雷达数据等）直接送入模型，模型计算后，直接输出最终的控制指令（加速度、转角等）。
端到端大模型不仅突破了传统小模型的算力限制和数据传输限制，更重要的是，能够通过大量的数据驱动来不断优化和改进系统的性能，而不需要过多依赖传统的规则代码。端到端去掉了规则主导的架构，完全交给神经网络主导，神经网络通过观察大量的数据，自我学习如何做出像人一样的驾驶决策。简单来说，传统小模型是让系统根据规则计算，而端到端大模型是让系统模拟人。
小模型与大模型的对比▼
特斯拉的端到端大模型示例▼
不过，端到端大模型虽然优势明显，但也存在弊端，主要体现在系统的可解释性弱，以及对训练数据需求量极大。
端到端大模型的内部架构复杂，其计算过程难以直观地理解，导致其计算结果难以解释，对于问题的复现、调试和解决，产生了挑战。
由于大模型的计算处理过程，是通过大量数据训练得来的，因此对用于训练的数据的质量和数量都有较高的要求，包括多样化的道路环境、不同天气下各种工况的表现、各种类型的交通标志等。海量数据的获取、处理和应用，需要巨大的资源投入，研发成本很高。
02
有图VS无图
高精地图曾经一度是高阶智能驾驶的必备，但最近两年，行业内“去高精地图”的声音越来越响，小鹏、华为等多家主机厂与智驾方案商，纷纷朝着“重感知，轻地图”的无图技术路线发展。
所谓有图，也就是以往搭载高精地图的方案，高精地图作为一种先验信息，可以为智能驾驶提供准确的位置和环境信息，帮助系统更好地感知周围环境并实现精准定位。
虽然高精地图可以明显提升感知定位的精度，但也存在明显的不足，主要表现在以下三方面：
第一，高精地图测绘的成本高、周期长，与主机厂降本增效的理念相悖。由于精度要求高、信息量丰富，高精地图厂商在制作高精地图时需配备各类传感器，相比普通导航会产生更高的成本和更长的周期，与当前行业内，尤其是智能驾驶领域的降本增效趋势严重不符。
第二，高精地图的更新周期长，地图鲜度难以保障，甚至产生安全问题。智能驾驶对高精地图的数据实时性要求很高，也就是需要地图“保鲜”，最好能每日更新一次。而图商的平均更新周期以月或者季度为单位，行业内的平均更新周期3个月左右，这就导致图商提供的高精地图，难以满足智能驾驶开发的需求，甚至存在安全隐患，比如某路段新增了施工区域，而高精地图未及时更新，就可能会导致事故。
第三，高精地图缺乏统一的行业标准。高精地图的内容、数据格式、发布传输、更新管理等尚未在行业内形成统一共识，缺乏统一标准，如果在开发过程更换了另一家高精地图供应商，会带来很多二次开发工作，严重影响项目进度，并且额外增加大量成本。
正是由于高精地图的以上不足之处，目前行业内“去高精地图”成为一种趋势，甚至愈演愈烈。
去高精地图就是所谓的“无图”，完全依赖传感器实现感知与定位。无图方案的优势显而易见，不仅能够避免因地图鲜度不够导致的感知与定位错误，还能大幅降低开发成本和周期，尤其对于城市NOA来说，无图方案更容易快速实现大范围多区域的落地，“全国都能开”，而不会因地图的限制而进展缓慢。
不过，由于感知能力的限制，如今行业内虽然“去高精地图”的声音很响，但其实国内的城市NOA方案中，要么还不能完全无图，要么无图的效果比有图差很远。目前，主要通过以下三种方式，来取代传统的高精地图：
一是众包地图，即通过已售出车辆收集道路信息，整合来自广大普通用户的数据，绘制地图。众包地图具有较高的数据丰富度与实时性，并且成本低、覆盖范围广，但地图原始数据的质量参差不齐，精度和稳定性有待提升，并且存在数据合规和隐私保护等问题。
二是实时局部建图，基于传感器信息，通过BEV+Transformer，构建实时的局部地图。这种方法理论上可以完全去掉高精地图，但根据大部分感知算法专家的意见，现阶段的环境感知效果，还达不到完全代替高精地图的水平，只能说正在逐步提升，向完全无图靠近。
三是轻量化高精地图，是一种精简版的高精地图，精度和信息量介于导航地图与高精地图之间。这种方案可以理解为是一种过渡状态，是综合平衡整体感知定位效果与地图成本之后的结果，实际上仍然不是无图。
03
纯视觉 VS 多传感器融合
纯视觉路线和多传感器融合路线，核心在于是否配置激光雷达，是否需要激光雷达的高精度点云信息，这也是行业内争论的焦点。纯视觉路线以特斯拉为代表，仅通过摄像头的视觉感知，实现对环境的精准识别；视觉+激光雷达以国内的多数厂商为代表，均采用带有激光雷达的配置方案。
纯视觉方案主要依赖摄像头和计算机视觉算法，实现环境感知，与人眼观察环境相似。纯视觉方案由于不需要激光雷达，因此系统成本较低，但单一传感器的信息量和精度有限，且摄像头容易受天气和环境条件的影响，所以搭载激光雷达作为冗余和补充，是国内大部分厂商的选择。
特斯拉是纯视觉方案的倡导者，其率先应用的BEV+Transformer纯视觉感知架构，能够将传统自动驾驶2D图像视角加测距的感知方式，转换为在鸟瞰图视角下的3D感知，有效提升智驾系统的感知精确度。另外，极越也采用了无激光雷达的纯视觉感知方案。
多传感器融合方案将摄像头的图像数据与激光雷达的点云数据充分融合，能够有效提升环境感知的精度和抗干扰能力，提高系统的鲁棒性和可靠性。激光雷达不仅一度被称为“自动驾驶之眼”，而且也一直是国内大部分厂商实现NOA等高阶智驾的必备，但其成本过高，并且存在技术壁垒，因为目前仅主要搭载于城市NOA的车型上。
纯视觉与多传感器融合的技术路线之争，本质上是视觉感知算法与激光雷达成本的进步速度之争，行业玩家理所当然地会平衡性能与成本，选择最佳性价比的方案。
未来趋势
NOA的发展堪称量产智驾的一场狂欢，而基于当前的市场、产品和技术现状，行业内对NOA的未来发展趋势，也在一定程度上达成了一致。
1、端到端大模型将逐渐取代传统的规则化方案
根据前文的分析，端到端的大模型方案是实现复杂场景中智能驾驶的更优选择，能够满足安全性、实时性和高可靠性的要求。目前来看，端到端已经从感知端到端和决策规划模型化演进到了模块化端到端，相信未来将会逐步发展成真正意义上的One Model端到端模型。
2、高端车型与中低端车型的方案分极
对于NOA来说，无论是考虑安全性，还是考虑功能体验，激光雷达都是第一选择，并且由于激光雷达成本正在下降，因此近几年来搭载激光雷达的高端车型明显增多。
不过，目前单颗激光雷达仍然需要千元以上的成本，所以对于不搭载城市NOA功能的中低端车型，仍然不会使用激光雷达，而是选择纯视觉方案。
从2024年下半年的几款新车型来看，高端车型（＞25w）依然选择含有激光雷达的多传感器方案；而中低端车型（＜25w）则多采用纯视觉的智驾技术方案。在未来几年内，如果激光雷达的成本没有进一步下探，高端车型选择多传感器方案、中低端车型选用纯视觉方案的趋势应该不会改变。
另外，对于感知算法实力极强的玩家，随着算法的升级和数据的积累，纯视觉方案会变得越来越安全，也可能会在高端车型上大胆地把激光雷达去掉。
3、高速+城市场景融合，推出全域NOA功能
目前大部分厂商，仍然按照高速场景和城区场景，将NOA分为高速NOA和城市NOA两个不同的功能。随着智能驾驶的发展，对功能场景边界的定义也会越来越模糊。
未来NOA将不再区分城市与高速场景，而是实现全场景融合，无缝衔接，发展成为真正点到点的全域NOA功能。实际上，小鹏已经率先提出了这一概念，并且正在推进，宣称2025年可以实现。
热门跟贴