完美的城市NOA应该是什么样的？

今天小编分享的汽车经验：完美的城市NOA应该是什么样的？，欢迎阅读。

文｜七号 - 宋

近几年，城市 NOA 是热门配置，各家车企想要争夺中高端用户必然不敢忽视它。

就在日前，智己汽车正式上线了 2024 年首个整车軟體版本—— IMOS 2.7.0（Beta）龙年贺喜版。具有里程碑意义的是，该版本中包含了 IM AD 城市 NOA，该功能在上海地区率先开放，针对全国的城市通勤模式先行版将于今年一季度开启全国范围公测。

城市 NOA 是针对城市交通环境开发的驾驶辅助系统，该系统可为驾驶员提供自动导航辅助等功能，包括自动变道、超车、智能跟车、自动泊车等操作。

不单是智己汽车，包括小鹏汽车、理想汽车、华为系（问界、阿维塔等）、蔚来汽车等等，都推出了自家的城市 NOA 功能。如果两年前讨论城市 NOA 还感觉是期货，现在的城市 NOA 已如雨后春笋，开始铺货上路了。

所以这时候，我们有必要认真讨论下：完美的城市 NOA 应该是什么样的？

城市 NOA 不掉链子，要满足三个原则

根据《国家车联网产业标准体系建设指南（智能网联汽车）（2023 版）》，城市 NOA 需遵循三大原则：

1、良好的感知能力：准确识别周围环境，跟踪目标物体。

比如一直在提的激光雷达，因为它作为感知硬體，相比毫米波雷达、摄像头等无可比拟的分辨能力。比如入门级别的激光雷达分辨率已经不低于 0.1mard，也就是说可以分辨 3km 距离上相距 0.3m 的两个目标，妥妥的千里眼。

2、高效的决策能力：根据不同场景和任务，灵活调整自动驾驶策略和行为。

比如一直在提的自动驾驶算法，自动驾驶芯片，就和它直接相关。就拿英伟达的自动驾驶芯片来说，从 2015 年开始，英伟达开始进入车载 SoC 和车载计算平台领網域，为自动驾驶提供基础计算能力，此后英伟达几乎每隔两年发布一款车规级 SoC 芯片，且不断拉升算力水平。没几年时间，算力提升堪称飞跃。

目前 Orin 订单火爆，上汽的 R 和智己，理想 L9、蔚来 ET7、小鹏 P7i、比亚迪、沃尔沃 XC90 等都搭载了 Orin 平台进行开发，阵容就不可小觑，可谓地表最强算力芯片。

3、强大的执行能力：能 " 强悍 " 地执行既定计划。

关于怎么确保既定计划的执行，国家队也在积极下场。国家标准 GB/T 41798-2022《智能网联汽车自动驾驶功能场地试验方法及要求》专门设计了测试项目。

拿 " 准确识别周围环境，跟踪目标物体 " 来说，标准就明确提到了针对交通信号的识别、周围车辆的识别等；关于 " 根据不同场景和任务，灵活调整自动驾驶策略和行为 "，标准甚至设计了一项 " 最小风险策略 " 测试，要求汽车能独立完成苛刻的路障躲避。

另外，这里面的每一项测试还都制定了详细的速度和时间要求，必须能实现安全辅助驾驶。比如停靠站台项目中，除车辆的摆放角度外，还明确了摆放的精确位置，甚至都为你考虑到了主动开启车门的服务。

如果能顺利通过以上考验，车企肯定要达到三个原则的要求。

就拿智驾领網域呼声极高的小鹏汽车来说，为释放感知范围，小鹏 G6 采用的最新智能驾驶系统 XNGP 是基于其自研的 Xnet 感知网络，走视觉感知为主的 BEV+Transformer 大模型路线。这种技术的优点多多，比如：

1、BEV 正如它的名字一样，堪称上帝视角（Bird's Eye View 视觉为中心的鸟瞰图），与传统影像空间感知相比，BEV 感知可将多个传感器采集的数据，输入到统一的空间进行处理，有效避免误差叠加，从而更好地支持多传感器、多任务的协同工作。

2、Transformer 是一种基于 Attention 机制的深度学习模型，堪称暴力美学，参数量动辄十亿百亿千亿，万亿也不罕见。因为它能处理大规模数据级学习任务，精确感知和预测物体深度，因此能摆脱高精地图限制。

总而言之，这种技术就好比开了天眼的二郎神，不仅自身战力强劲，摆脱约束限制，还能统率千军。

在算力方面，小鹏 G6 采用双英伟达 Orin-X 芯片，算力达到 508TOPS。在执行效果层面，我在上海市中心进行了 XNGP 的体验，我的感受是 " 猛且准 "。在进行变道的时候，如果后面有车，G6 会先进行试探，判断后车避让，然后会用比我自己开时快得多的速度完成变道动作。如果后车没有礼让，那就会放弃变道，并准确回到本方线路中。

城市 NOA 进化到何种程度了？

现在的城市 NOA 进化速度极快，一代比一代强。

比如识别能力，其实不光是小鹏，在提升执行能力方面，蔚来、小鹏、理想、百度、华为等都推出了基于 BEV+Transformer 的智驾方案。

当然，虽然技术的大方向相同，但真正执行起来的难度非常高，因为这几乎将 2D 直视图 +CNN 时代厂家累积起来的研发成果化为乌有，所以得从头再来。所以这几年，大家应该也发现了各厂家的烧钱速度是一家比一家快，新势力只能靠不断融资，传统车企只能靠兄弟产品（传统燃油车）补血。

另一方面，各家的策略也会根据定位和产品调整。比如纯视觉方案的代表特斯拉、极越 01，优点是降低了激光雷达的投入，用强算法暴力解决难题。又或者华为系车型，在硬體方面有着无可比拟的配置优势，这也是为啥车企宁愿割肉也要与之合作的缘由。

当然，联合共建方案也是很好的方向，它能降低投入成本，大幅缩短训练时长，比如小鹏与阿里云在乌兰察布共建了自动驾驶智算中心扶摇，算力可达 600PFLOPS，这帮助小鹏自动驾驶核心模型的训练时长从 7 天，缩短至 1 小时内，大幅提速近 170 倍。

命运不会让每一个努力奔跑的人失望，敢于率先做出选择，并大力突破的车企确实获得丰硕成果。小鹏的城市 NOA 跑通城市速率之快相当惊人，目前已经覆盖全国 243 城。除此外，城市 NOA 的能力在未来还要更具体，我们一两年前考虑的是识别交通信号灯、道路固定标识，以及行人 / 机动车 / 自行车等，未来还有更多功能，比如问界 M9 不仅可以识别行人，甚至可以识别出交警。

传言，问界 M9 未来还能识别交警的手势，比如一些容易拥堵的十字路口，交警会示意驾驶员绿灯暂停通行，车辆会优先采纳交警指挥而不是信号灯信息。如果真能这么做就太酷了，你肯定在新手司机阶段因为不能快速理解交警意图被后车滴过。

在汽车上，华为已经正式获得了相关发明专利。这一技术我认为量产的可能性很大，因为华为手机已经具备了手势识别功能。在华为 Mate 60 Pro 上，通常通过使用前置摄像头和 AI 技术来实现这一功能，隔空手势可以用于许多操作，例如悬停亮屏、隔空按压接电话、隔空滑动、隔空截屏等 .

而在决策层面，大趋势是无图智驾，没有高精度地图的加持，对汽车的快速精准决策要求更高。现在车企为此想到一个解决方案，就是 " 通勤模式（或者也叫 AI 代驾）"，比如小鹏汽车、理想汽车、蔚来汽车、上汽通用五菱等，都有提供这项功能。

它的策略是驾驶员多跑几遍，车辆会自行感知和记录途径路段的信息，供自身 NPN（Neural Prior Net 神经先验网络）算法提取、调用和学习。简单通勤路线，一周左右后就可以实现接管，复杂路线两三周也能完成训练。

好记性不如烂笔头，腦袋瓜子再聪明，也需要反复练习，方能遇事不乱。拿上汽通用五菱来说，它的记忆行车在固定路线中的规控需求量小，无需大算力芯片加持，最低 32TOPS 的大疆自研智能驾驶網域控制器即可解决，所以即便遇到突发状况，汽车也有充足的算力去应对。

通勤模式（或者也叫 AI 代驾）是一个很好的策略，通过大量反复练习，在腦袋里不断复盘，就能解决与高精度地图分手后的慌张。

关于执行问题，车企也在做深度开发。比如城市 NOA 的急刹问题就一直困扰大家，虽然保证了安全，但体验打折扣，还容易晕车。像智己就为此推出了 "ICS 云台制动 " 功能，它运用精密算法和高效硬體，模拟 " 国宾车队司机 " 细腻的刹车技巧，从而降低 92.3% 的前冲推背感。这项功能将在今年一季度上车，大家可以关注下。