撰文 / 玖 零

編輯 / 黃大路

設(shè)計(jì) / 師 超

近年來，隨著NOA（Navigate On Autopilot，點(diǎn)到點(diǎn)的導(dǎo)航輔助駕駛）從高速到城區(qū)的落地，市場和用戶已經(jīng)開始認(rèn)可并期待NOA的表現(xiàn)。同時(shí)，作為高階智能駕駛的典型功能，NOA代表著現(xiàn)階段量產(chǎn)智能駕駛的最高水平，是當(dāng)前各路智駕玩家紛紛布局的重點(diǎn)。

車企和方案商在優(yōu)化NOA功能體驗(yàn)的同時(shí)，也在爭取擴(kuò)大NOA的覆蓋范圍，努力掌握并實(shí)現(xiàn)全場景輔助駕駛的技術(shù)實(shí)力，從而在未來的智駕市場競爭中占據(jù)主動(dòng)權(quán)?？梢哉f，NOA已經(jīng)成為智能駕駛的新蛋糕，正在被業(yè)內(nèi)玩家重點(diǎn)關(guān)注。

那么，NOA當(dāng)前的市場現(xiàn)狀如何？有哪些代表性的車型產(chǎn)品？正在走什么樣的技術(shù)路線？發(fā)展趨勢會是怎么樣的？本文將針對以上問題，分析NOA的現(xiàn)狀與未來。

市場格局

近兩年來，國內(nèi)的高階智能駕駛功能搭載率開始顯著提升。

2023年，高速NOA的滲透率為4%，城區(qū)NOA的滲透率為0.1%，預(yù)計(jì)到2024年底，以NOA為代表的高階智能駕駛滲透率將達(dá)到8.5%。

另外，根據(jù)預(yù)測，2024年后，作為量產(chǎn)最強(qiáng)功能的城市NOA，將迎來飛速發(fā)展，預(yù)計(jì)到2030年，滲透率將達(dá)到25%。

在市場規(guī)模不斷擴(kuò)大的同時(shí)，NOA的市場格局也在發(fā)生變化，出現(xiàn)了新的競爭與合作形態(tài)，掀起了一場NOA角逐的浪潮。

NOA功能的落地，讓激光雷達(dá)廠商、圖商、數(shù)據(jù)標(biāo)注與仿真服務(wù)商，逐漸成為主機(jī)廠提升功能安全的關(guān)鍵生態(tài)伙伴。如禾賽科技、速騰聚創(chuàng)等，都是NOA功能落地的受益者。

NOA功能在城區(qū)的應(yīng)用，帶來了復(fù)雜的用戶場景，對感知效果提出了更高的要求。對于原本提供配套感知算法的硬件供應(yīng)商（如芯片公司地平線等）來說，需要更加注重感知算法的業(yè)務(wù)布局。

作為直接接觸C端用戶的主機(jī)廠，其開發(fā)模式也出現(xiàn)分歧。

一方面，頭部主機(jī)廠傾向于NOA功能全棧自研，不僅在技術(shù)上擁有更高的自主性和靈活性，而且能夠更好地整合和優(yōu)化系統(tǒng)性能，同時(shí)也是自身品牌實(shí)力的展示。

典型代表是特斯拉，獨(dú)立自研FSD系統(tǒng)，覆蓋芯片、底軟和算法；小鵬、蔚來、理想等頭部新勢力，將軟件與算法牢牢地掌握在自己手里，智駕的芯片也正在自研的路上。

另一方面，部分主機(jī)廠選擇與NOA解決方案商合作開發(fā)NOA功能，有利于縮短研發(fā)周期，利用供應(yīng)商已有的技術(shù)，集中資源搶占市場。同時(shí)，方案則可以通過與主機(jī)廠的多元化合作，在實(shí)現(xiàn)盈利的同時(shí)，不斷打造行業(yè)口碑，實(shí)現(xiàn)可持續(xù)的業(yè)務(wù)增長，實(shí)現(xiàn)雙贏。

例如賽力斯、北汽、奇瑞、江淮等，都與華為合作開發(fā)，快速實(shí)現(xiàn)NOA的量產(chǎn)上車；智己也與Momenta深度合作，在NOA的爭奪戰(zhàn)中占有了一席之地。

目前，國內(nèi)的NOA解決方案商主要有4類：科技型公司、專注L2的Tier 1、從L4下探的出行公司以及芯片公司。

科技型公司以華為、大疆、商湯科技等為典型代表，能夠充分依托AI能力和技術(shù)實(shí)力，提供符合國內(nèi)場景的智能駕駛解決方案。并且，科技型公司往往都有多元化的業(yè)務(wù)布局，能夠快速構(gòu)建完善的智能駕駛生態(tài)體系，賦能產(chǎn)業(yè)鏈上下游的合作伙伴。

專注L2的Tier 1主要有Mobileye、Bosch等傳統(tǒng)國際化巨頭，以及Momenta、魔視智能、Maxieye、Minieye等國內(nèi)早期入局的供應(yīng)商，具有豐富的智能汽車行業(yè)經(jīng)驗(yàn)，并且能基于穩(wěn)定的客戶關(guān)系和深厚的技術(shù)積淀，快速與主機(jī)廠建立合作，甚至形成深度綁定關(guān)系。

L4下探的出行公司以元戎啟行、Apollo、輕舟智航等為代表，其優(yōu)勢在于具有L4高階智駕的技術(shù)實(shí)力，能夠拓展到NOA功能，并具有較強(qiáng)的技術(shù)應(yīng)用能力和軟硬件一體化的服務(wù)能力。尤其是在復(fù)雜場景的處理上，具有明顯優(yōu)勢，能夠?qū)4的數(shù)據(jù)和算法，有效遷移到NOA功能開發(fā)中。

芯片公司的典型代表是英偉達(dá)、高通、地平線、黑芝麻等，以大算力的芯片硬件為載體，建立智能駕駛能力，實(shí)現(xiàn)軟硬件協(xié)同，提升計(jì)算效率。同時(shí)，芯片公司還可以基于技術(shù)創(chuàng)新和開放式平臺，通過技術(shù)與資源的共享，形成自己的生態(tài)化服務(wù)。

需要說明的是，以上四類公司的邊界并不是絕對的，會存在跨界和多元發(fā)展的現(xiàn)象。例如Momenta既是L2的Tier 1，同時(shí)也有L4的高階智駕算法，Mobileye既提供軟件方案，也提供芯片硬件。

可以看出，不同類型的NOA解決方案商，其底層技術(shù)能力和服務(wù)模式都存在差異。不過，從行業(yè)整體來看，方案上都呈現(xiàn)出為主機(jī)廠提供定制化、個(gè)性化服務(wù)的能力，并希望能通過差異化的合作模式，進(jìn)一步擴(kuò)大市場份額。從目前的NOA落地情況來看，華為、大疆、Momenta、地平線處于相對領(lǐng)先的位置。

車型產(chǎn)品

進(jìn)入2024年，高速NOA功能已經(jīng)規(guī)?；宪?，幾乎成為新車型的“標(biāo)配”，而城市NOA也進(jìn)入快速普及階段，主機(jī)廠紛紛將其作為智駕能力的展示，爭取在智能駕駛的下半場搶占先機(jī)。

目前行業(yè)內(nèi)實(shí)現(xiàn)NOA落地的玩家，從技術(shù)成熟度和功能實(shí)現(xiàn)程度，可分為兩個(gè)梯隊(duì)，第一梯隊(duì)包括特斯拉、小鵬、理想、華為等，已在2023年落地城市NOA；第二梯隊(duì)包括蔚來、比亞迪、魏牌、零跑等，已經(jīng)或計(jì)劃在2024年內(nèi)落地城市NOA。

下面以第一梯隊(duì)的幾家公司為例，介紹當(dāng)前市場主流NOA玩家的產(chǎn)品方案及進(jìn)展情況。

特斯拉走的是純視覺、無圖路線，其首創(chuàng)的BEV+Transformer算法，把不同攝像頭和傳感器收集到的道路信息變成一個(gè)360度的鳥瞰圖，可以生成一個(gè)實(shí)時(shí)的活地圖，不光能擺脫高精地圖的依賴，端到端還能直接用神經(jīng)網(wǎng)絡(luò)做出駕駛決策，已經(jīng)在北美地區(qū)實(shí)現(xiàn)了無圖城市NOA，不過目前還未進(jìn)入中國。

小鵬將導(dǎo)航輔助駕駛命名為NGP（Navigation Guide Pilot），在P5、G9、G6、P7i、X9等車型上均有搭載。這幾款車型都是配置激光雷達(dá)的車型，并且近年來小鵬的車型都采用前視800萬像素雙目攝像頭，并通過2顆高算力的NVIDIA Orin-X SoC芯片，提供508TOPS的超高AI算力，滿足城市NGP的感知和算力要求。另外，值得注意的是，小鵬最新發(fā)布的P7+車型，在實(shí)現(xiàn)城市NOA功能的同時(shí)，取消了激光雷達(dá)，似乎預(yù)示小鵬技術(shù)路線的新方向。

2024年1月，小鵬宣布全國243城開通城市NGP，2024年5月，小鵬汽車XNGP掌舵人李力耘宣稱，當(dāng)前行業(yè)城市NOA存在“白名單”和“黑名單”兩種技術(shù)方案，前者指城市NOA只對城市部分名單道路開放，或只招募部分滿足一定門檻條件的用戶開放，后者指除保密區(qū)域以外的全國所有道路都能開，且對全量用戶開放，并表示小鵬XNGP在7月份5.2 OS更新中全量推送“黑名單”式的城市NOA，全國都能開。

小鵬城市NGP功能示意圖▼

理想的城市NOA在其所有車型上搭載，都配置了1顆激光雷達(dá)和2顆NVIDIA Orin-X芯片，并且前視雙目攝像頭和側(cè)視攝像頭的像素都高達(dá)800萬，足以滿足L2級智能駕駛的硬件性能要求。

理想是通過神經(jīng)網(wǎng)絡(luò)替代高精地圖為主，輔以無圖的方案，已經(jīng)在7月開始推送“全國都能開”的無圖城市NOA功能。

理想城市NOA功能示意圖▼

華為的導(dǎo)航輔助駕駛功能稱為NCA（Navigation Cruise Assist），已經(jīng)搭載在華為深度參與的多款車型上。例如，極狐、阿維塔車型配置了3顆激光雷達(dá)和具備400TOPS算力的華為MDC810計(jì)算平臺，問界系列車型配置了1顆激光雷達(dá)和200TOPS算力的華為MDC610計(jì)算平臺。

2024年4月，華為發(fā)布了乾崑智駕ADS3.0，直接去掉了BEV系統(tǒng)，引入GOD和PDP網(wǎng)絡(luò)，基于GOD大網(wǎng)，實(shí)現(xiàn)了從簡單的“識別障礙物”到深度的“理解駕駛場景”的跨越式進(jìn)步，不僅提升了智能駕駛的安全性，還改善了駕乘體驗(yàn)。

Momenta的NOA功能已經(jīng)在智己的車型上量產(chǎn)。Momenta算法發(fā)力的點(diǎn)是道路中的車道線等靜態(tài)約束的識別和構(gòu)建，類似于特斯拉BEV+Transformer，但Momenta算法的發(fā)力更像是Mobileye的車道線識別，通過識別車道線以及道路標(biāo)識構(gòu)建車輛實(shí)時(shí)行駛地圖，實(shí)現(xiàn)無圖智能駕駛。

2025年，奔馳純電CLA車型將搭載Momenta提供的無圖高階智駕方案，該車型也將成為奔馳首款落地城市NOA功能的車型。

根據(jù)上述的典型品牌及車型分析，以及市場上其他搭載NOA功能的車型情況，可以發(fā)現(xiàn)NOA功能在快速落地的過程中，高速NOA與城市NOA呈現(xiàn)出不同的特點(diǎn)。

高速NOA功能正在由技術(shù)驅(qū)動(dòng)向成本驅(qū)動(dòng)發(fā)展。

作為智能汽車的“標(biāo)準(zhǔn)化”配置，高速NOA的復(fù)雜度不高，技術(shù)也相對成熟，已經(jīng)逐漸由曾經(jīng)的技術(shù)驅(qū)動(dòng)向成本驅(qū)動(dòng)發(fā)展。廠商在優(yōu)化功能體驗(yàn)的同時(shí)，也在嘗試降低對硬件配置和高精地圖的依賴，以實(shí)現(xiàn)最大程度地降本。

截止2024年上半年，國內(nèi)已經(jīng)有超過57款車型搭載了高速NOA功能，寶駿云朵更是憑借大疆的純視覺方案，將高速NOA車型的價(jià)格打到了15萬元以內(nèi)。相比于2020年58.6萬的蔚來ES8，可以說是天壤之別。

成本驅(qū)動(dòng)導(dǎo)致的直接結(jié)果就是減配，以更低的配置，實(shí)現(xiàn)相同的功能效果。由于高速NOA的場景相對單一，對算法復(fù)雜度的要求也不高，因此隨著數(shù)據(jù)的積累和算法的進(jìn)步，對芯片算力的要求也在逐步降低。

目前僅實(shí)現(xiàn)高速NOA的車型，通常芯片算力都不超過150TOPS，比如國產(chǎn)的地平線J5、黑芝麻A1000，國外的NVIDIA Xavier、TI TDA4、Mobileye EQ5等。

另外傳感器的配置也在降低，目前高速NOA已經(jīng)基本不需要激光雷達(dá)，普遍采用10～11V+1～5R的方案，甚至大疆通過7V5R結(jié)合算法優(yōu)勢，也能實(shí)現(xiàn)高速NOA功能。

由于硬件配置的不斷降低，目前高速NOA的系統(tǒng)整體成本，已經(jīng)可以控制在萬元之內(nèi)，甚至有望突破到5千元以內(nèi)，有利于推動(dòng)高速NOA的全行業(yè)普及。

城市NOA成為企業(yè)競爭的高地。

城市NOA的競爭越發(fā)激烈，主要表現(xiàn)在兩個(gè)方面，一是入局者越來越多，二是功能覆蓋的范圍迅速擴(kuò)大。

在玩家數(shù)量方面，在2023年，僅有不超過5家的企業(yè)（主機(jī)廠+方案商），有能力落地城市NOA功能。進(jìn)入2024年，國內(nèi)推出城市NOA的廠商已經(jīng)超過10家，并且正在迅速擴(kuò)大。幾乎每款新車型的發(fā)布，都會伴隨城市NOA的身影。

在覆蓋范圍方面，2023年下半年，智能汽車的頭部企業(yè)，完成了城市NOA的少數(shù)城市“開城”，而截止2024年上半年，已經(jīng)有多個(gè)廠商實(shí)現(xiàn)100+城市的開城，甚至號稱全國范圍可用。

另外，在城市NOA的競爭中，各家對算力平臺的選擇，趨于相同。目前，國內(nèi)的城市NOA方案首選的是NVIDIA Orin芯片平臺（華為系車型除外），一方面能夠滿足多傳感器融合以及激光雷達(dá)點(diǎn)云數(shù)據(jù)所需的算力要求，另一方面也能達(dá)到一定的營銷目的，因?yàn)镺rin平臺已經(jīng)經(jīng)過量產(chǎn)實(shí)踐的驗(yàn)證，是相對穩(wěn)定可靠的。

不過，隨著國產(chǎn)芯片的發(fā)展，以地平線為代表的產(chǎn)品（基于J6芯片打造HSD方案），將逐漸改變這一局面。

技術(shù)路線

目前，各廠商實(shí)現(xiàn)NOA，尤其是城市NOA的技術(shù)路線還存在一些差異，主要是由于對實(shí)現(xiàn)路徑的理解不同，或者技術(shù)實(shí)力的差異導(dǎo)致選擇的技術(shù)路線不同。

NOA的技術(shù)路線差異，主要體現(xiàn)在小模型與大模型、有圖與無圖、純視覺與多傳感器融合等。

01

小模型VS大模型

小模型與大模型的區(qū)別主要在于參數(shù)量的多少，以及模型的復(fù)雜程度。目前智能駕駛正在從以往的傳統(tǒng)小模型方案，向端到端的大模型方案過渡。

小模型是指參數(shù)較少、架構(gòu)相對簡單的AI計(jì)算模型，其優(yōu)勢在于資源需求少、實(shí)時(shí)性高、低功耗等。傳統(tǒng)的智能駕駛算法架構(gòu)包括感知、決策、規(guī)控等模塊，每個(gè)模塊有獨(dú)立的任務(wù)，各自負(fù)責(zé)輸出對應(yīng)的結(jié)果，形成多個(gè)獨(dú)立計(jì)算的小模型。

傳統(tǒng)的小模型方法能夠讓每個(gè)模塊的計(jì)算結(jié)果都能有足夠好的可解釋性，在開發(fā)過程中能夠獨(dú)立優(yōu)化，但由于小模型的參數(shù)有限，計(jì)算能力難以滿足高階智駕的要求，因此需要提升模型的計(jì)算能力，保證高階智駕的性能。

另外，基于多個(gè)獨(dú)立小模型的智駕系統(tǒng)，模塊與模塊之間的數(shù)據(jù)傳輸會存在損耗，產(chǎn)生局限性。

由于小模型在計(jì)算能力和數(shù)據(jù)傳輸方面的限制，端到端大模型成為NOA等高階智駕的計(jì)算解決方案。端到端大模型是指從輸入到輸出的整體過程都由一個(gè)統(tǒng)一的、參數(shù)量多、計(jì)算能力極強(qiáng)的AI模型處理，中間沒有顯示的分模塊步驟。

與傳統(tǒng)的智能駕駛算法架構(gòu)不同，端到端大模型取代了此前用于感知、決策、規(guī)控的多個(gè)獨(dú)立模塊，輸入的環(huán)境數(shù)據(jù)（攝像頭、雷達(dá)數(shù)據(jù)等）直接送入模型，模型計(jì)算后，直接輸出最終的控制指令（加速度、轉(zhuǎn)角等）。

端到端大模型不僅突破了傳統(tǒng)小模型的算力限制和數(shù)據(jù)傳輸限制，更重要的是，能夠通過大量的數(shù)據(jù)驅(qū)動(dòng)來不斷優(yōu)化和改進(jìn)系統(tǒng)的性能，而不需要過多依賴傳統(tǒng)的規(guī)則代碼。端到端去掉了規(guī)則主導(dǎo)的架構(gòu)，完全交給神經(jīng)網(wǎng)絡(luò)主導(dǎo)，神經(jīng)網(wǎng)絡(luò)通過觀察大量的數(shù)據(jù)，自我學(xué)習(xí)如何做出像人一樣的駕駛決策。簡單來說，傳統(tǒng)小模型是讓系統(tǒng)根據(jù)規(guī)則計(jì)算，而端到端大模型是讓系統(tǒng)模擬人。

小模型與大模型的對比▼

特斯拉的端到端大模型示例▼

不過，端到端大模型雖然優(yōu)勢明顯，但也存在弊端，主要體現(xiàn)在系統(tǒng)的可解釋性弱，以及對訓(xùn)練數(shù)據(jù)需求量極大。

端到端大模型的內(nèi)部架構(gòu)復(fù)雜，其計(jì)算過程難以直觀地理解，導(dǎo)致其計(jì)算結(jié)果難以解釋，對于問題的復(fù)現(xiàn)、調(diào)試和解決，產(chǎn)生了挑戰(zhàn)。

由于大模型的計(jì)算處理過程，是通過大量數(shù)據(jù)訓(xùn)練得來的，因此對用于訓(xùn)練的數(shù)據(jù)的質(zhì)量和數(shù)量都有較高的要求，包括多樣化的道路環(huán)境、不同天氣下各種工況的表現(xiàn)、各種類型的交通標(biāo)志等。海量數(shù)據(jù)的獲取、處理和應(yīng)用，需要巨大的資源投入，研發(fā)成本很高。

02

有圖VS無圖

高精地圖曾經(jīng)一度是高階智能駕駛的必備，但最近兩年，行業(yè)內(nèi)“去高精地圖”的聲音越來越響，小鵬、華為等多家主機(jī)廠與智駕方案商，紛紛朝著“重感知，輕地圖”的無圖技術(shù)路線發(fā)展。

所謂有圖，也就是以往搭載高精地圖的方案，高精地圖作為一種先驗(yàn)信息，可以為智能駕駛提供準(zhǔn)確的位置和環(huán)境信息，幫助系統(tǒng)更好地感知周圍環(huán)境并實(shí)現(xiàn)精準(zhǔn)定位。

雖然高精地圖可以明顯提升感知定位的精度，但也存在明顯的不足，主要表現(xiàn)在以下三方面：

第一，高精地圖測繪的成本高、周期長，與主機(jī)廠降本增效的理念相悖。由于精度要求高、信息量豐富，高精地圖廠商在制作高精地圖時(shí)需配備各類傳感器，相比普通導(dǎo)航會產(chǎn)生更高的成本和更長的周期，與當(dāng)前行業(yè)內(nèi)，尤其是智能駕駛領(lǐng)域的降本增效趨勢嚴(yán)重不符。

第二，高精地圖的更新周期長，地圖鮮度難以保障，甚至產(chǎn)生安全問題。智能駕駛對高精地圖的數(shù)據(jù)實(shí)時(shí)性要求很高，也就是需要地圖“保鮮”，最好能每日更新一次。而圖商的平均更新周期以月或者季度為單位，行業(yè)內(nèi)的平均更新周期3個(gè)月左右，這就導(dǎo)致圖商提供的高精地圖，難以滿足智能駕駛開發(fā)的需求，甚至存在安全隱患，比如某路段新增了施工區(qū)域，而高精地圖未及時(shí)更新，就可能會導(dǎo)致事故。

第三，高精地圖缺乏統(tǒng)一的行業(yè)標(biāo)準(zhǔn)。高精地圖的內(nèi)容、數(shù)據(jù)格式、發(fā)布傳輸、更新管理等尚未在行業(yè)內(nèi)形成統(tǒng)一共識，缺乏統(tǒng)一標(biāo)準(zhǔn)，如果在開發(fā)過程更換了另一家高精地圖供應(yīng)商，會帶來很多二次開發(fā)工作，嚴(yán)重影響項(xiàng)目進(jìn)度，并且額外增加大量成本。

正是由于高精地圖的以上不足之處，目前行業(yè)內(nèi)“去高精地圖”成為一種趨勢，甚至愈演愈烈。

去高精地圖就是所謂的“無圖”，完全依賴傳感器實(shí)現(xiàn)感知與定位。無圖方案的優(yōu)勢顯而易見，不僅能夠避免因地圖鮮度不夠?qū)е碌母兄c定位錯(cuò)誤，還能大幅降低開發(fā)成本和周期，尤其對于城市NOA來說，無圖方案更容易快速實(shí)現(xiàn)大范圍多區(qū)域的落地，“全國都能開”，而不會因地圖的限制而進(jìn)展緩慢。

不過，由于感知能力的限制，如今行業(yè)內(nèi)雖然“去高精地圖”的聲音很響，但其實(shí)國內(nèi)的城市NOA方案中，要么還不能完全無圖，要么無圖的效果比有圖差很遠(yuǎn)。目前，主要通過以下三種方式，來取代傳統(tǒng)的高精地圖：

一是眾包地圖，即通過已售出車輛收集道路信息，整合來自廣大普通用戶的數(shù)據(jù)，繪制地圖。眾包地圖具有較高的數(shù)據(jù)豐富度與實(shí)時(shí)性，并且成本低、覆蓋范圍廣，但地圖原始數(shù)據(jù)的質(zhì)量參差不齊，精度和穩(wěn)定性有待提升，并且存在數(shù)據(jù)合規(guī)和隱私保護(hù)等問題。

二是實(shí)時(shí)局部建圖，基于傳感器信息，通過BEV+Transformer，構(gòu)建實(shí)時(shí)的局部地圖。這種方法理論上可以完全去掉高精地圖，但根據(jù)大部分感知算法專家的意見，現(xiàn)階段的環(huán)境感知效果，還達(dá)不到完全代替高精地圖的水平，只能說正在逐步提升，向完全無圖靠近。

三是輕量化高精地圖，是一種精簡版的高精地圖，精度和信息量介于導(dǎo)航地圖與高精地圖之間。這種方案可以理解為是一種過渡狀態(tài)，是綜合平衡整體感知定位效果與地圖成本之后的結(jié)果，實(shí)際上仍然不是無圖。

03

純視覺 VS 多傳感器融合

純視覺路線和多傳感器融合路線，核心在于是否配置激光雷達(dá)，是否需要激光雷達(dá)的高精度點(diǎn)云信息，這也是行業(yè)內(nèi)爭論的焦點(diǎn)。純視覺路線以特斯拉為代表，僅通過攝像頭的視覺感知，實(shí)現(xiàn)對環(huán)境的精準(zhǔn)識別；視覺+激光雷達(dá)以國內(nèi)的多數(shù)廠商為代表，均采用帶有激光雷達(dá)的配置方案。

純視覺方案主要依賴攝像頭和計(jì)算機(jī)視覺算法，實(shí)現(xiàn)環(huán)境感知，與人眼觀察環(huán)境相似。純視覺方案由于不需要激光雷達(dá)，因此系統(tǒng)成本較低，但單一傳感器的信息量和精度有限，且攝像頭容易受天氣和環(huán)境條件的影響，所以搭載激光雷達(dá)作為冗余和補(bǔ)充，是國內(nèi)大部分廠商的選擇。

特斯拉是純視覺方案的倡導(dǎo)者，其率先應(yīng)用的BEV+Transformer純視覺感知架構(gòu)，能夠?qū)鹘y(tǒng)自動(dòng)駕駛2D圖像視角加測距的感知方式，轉(zhuǎn)換為在鳥瞰圖視角下的3D感知，有效提升智駕系統(tǒng)的感知精確度。另外，極越也采用了無激光雷達(dá)的純視覺感知方案。

多傳感器融合方案將攝像頭的圖像數(shù)據(jù)與激光雷達(dá)的點(diǎn)云數(shù)據(jù)充分融合，能夠有效提升環(huán)境感知的精度和抗干擾能力，提高系統(tǒng)的魯棒性和可靠性。激光雷達(dá)不僅一度被稱為“自動(dòng)駕駛之眼”，而且也一直是國內(nèi)大部分廠商實(shí)現(xiàn)NOA等高階智駕的必備，但其成本過高，并且存在技術(shù)壁壘，因?yàn)槟壳皟H主要搭載于城市NOA的車型上。

純視覺與多傳感器融合的技術(shù)路線之爭，本質(zhì)上是視覺感知算法與激光雷達(dá)成本的進(jìn)步速度之爭，行業(yè)玩家理所當(dāng)然地會平衡性能與成本，選擇最佳性價(jià)比的方案。

未來趨勢

NOA的發(fā)展堪稱量產(chǎn)智駕的一場狂歡，而基于當(dāng)前的市場、產(chǎn)品和技術(shù)現(xiàn)狀，行業(yè)內(nèi)對NOA的未來發(fā)展趨勢，也在一定程度上達(dá)成了一致。

1、端到端大模型將逐漸取代傳統(tǒng)的規(guī)則化方案

根據(jù)前文的分析，端到端的大模型方案是實(shí)現(xiàn)復(fù)雜場景中智能駕駛的更優(yōu)選擇，能夠滿足安全性、實(shí)時(shí)性和高可靠性的要求。目前來看，端到端已經(jīng)從感知端到端和決策規(guī)劃模型化演進(jìn)到了模塊化端到端，相信未來將會逐步發(fā)展成真正意義上的One Model端到端模型。

2、高端車型與中低端車型的方案分極

對于NOA來說，無論是考慮安全性，還是考慮功能體驗(yàn)，激光雷達(dá)都是第一選擇，并且由于激光雷達(dá)成本正在下降，因此近幾年來搭載激光雷達(dá)的高端車型明顯增多。

不過，目前單顆激光雷達(dá)仍然需要千元以上的成本，所以對于不搭載城市NOA功能的中低端車型，仍然不會使用激光雷達(dá)，而是選擇純視覺方案。

從2024年下半年的幾款新車型來看，高端車型（＞25w）依然選擇含有激光雷達(dá)的多傳感器方案；而中低端車型（＜25w）則多采用純視覺的智駕技術(shù)方案。在未來幾年內(nèi)，如果激光雷達(dá)的成本沒有進(jìn)一步下探，高端車型選擇多傳感器方案、中低端車型選用純視覺方案的趨勢應(yīng)該不會改變。

另外，對于感知算法實(shí)力極強(qiáng)的玩家，隨著算法的升級和數(shù)據(jù)的積累，純視覺方案會變得越來越安全，也可能會在高端車型上大膽地把激光雷達(dá)去掉。

3、高速+城市場景融合，推出全域NOA功能

目前大部分廠商，仍然按照高速場景和城區(qū)場景，將NOA分為高速NOA和城市NOA兩個(gè)不同的功能。隨著智能駕駛的發(fā)展，對功能場景邊界的定義也會越來越模糊。

未來NOA將不再區(qū)分城市與高速場景，而是實(shí)現(xiàn)全場景融合，無縫銜接，發(fā)展成為真正點(diǎn)到點(diǎn)的全域NOA功能。實(shí)際上，小鵬已經(jīng)率先提出了這一概念，并且正在推進(jìn)，宣稱2025年可以實(shí)現(xiàn)。