NOA的规模已经达到千亿，“三域融合”将成为智能驾驶的分界点。

从去年下半年开始，无论是造车新势力还是传统车企，都心照不宣地“卷”到了NOA。今年，城市NOA逐渐从“开城”的数量竞争演变为“全国都可以开车”的竞争。据不完全统计，目前包括“蔚小理”、包括智己、问界、极氪在内的20多个汽车品牌都推出了城市NOA高级智驾。

同时，配备城市NOA车型正在形成市场下沉的趋势，这种技术只能在过去的25万元以上搭载，目前在20万元以内的车型中并不少见。据预测，2025年城市NOA市场规模有望接近550亿元，2026年将成为量产增长的转折点。2027年将突破1000亿元，复合增长率达到37%。

NOA之争白热化

"城市NOA，有路可以开."随着城市NOA成为汽车公司提到的高频词汇，汽车公司之间的城市NOA之争已经开始。

“NOA全称是”Navigate On Autopilot“，是一种车辆驾驶辅助系统，旨在帮助驾驶员在特定条件下更容易驾驶和导航车辆。通过NOA，用户可以在特定道路范围内实现点到点的导航辅助驾驶功能，车辆可以等待红绿灯、变道、让路，最终到达目的地，无需任何人接管。

近几年来，NOA从基础辅助驾驶(自动巡航、车道保持)、增强辅助驾驶(自动变道、自主超车)跨越高级智能驾驶(点到点)。“三域融合”逐渐成为考验汽车公司综合智能驾驶水平的重要方向，即高速区域、城市区域、停车区域的全场景贯通。

就技术发展而言，自动驾驶从目前的L2级到L3级。、L4级发展，高速与低速结合，跨域场景融合是必然趋势。三域融合有两层含义。首先，NOA最终会发展成一种完全覆盖三个场景的高级自动驾驶，而不仅仅是实现一两个场景；其次，“融合”意味着三个场景不是分开的。要实现三个域点到点的高级自动驾驶，将三个场景的系统整合成一套，可以给用户带来多个不同场景之间的无缝连接和丝滑的智能驾驶体验。

在传统的分布式架构中，由于不同的供应商提供软硬件解决方案，不同的系统相互独立，截然不同，只能调用自己的传感器、控制器和算法。在驾驶和停车环境中，各种传感器向不同的域控制器传输自己的感知数据，不仅限制了感知和计算资源的利用率，也限制了复杂功能的实现。

面临先进智能驾驶功能落地的发展方向和要求，传统架构在功能和成本上已经不能满足实际需要。

由于汽车电子电气架构由分布式演变为集中式，集成域控制方案应时而生。与传统的分布式结构不同，一体化域控制器在一个域控制系统中集成了驾驶、停车等功能，其优点是可以实现各自传感器等硬件的深度再利用，节约了硬件成本，大大提高了性能，满足了原始设备制造商降低成本的需求。另外，功能迭代开发效率也得到了有效提高，为打破智能驾驶通向高级的堡垒创造了条件。

2025、2026年将是整个行业洗牌的关键时期，细节处理能力和数据闭环能力将成为智能驾驶企业能否立足市场的重要标准。毕竟10万车主形成的数据闭环和100万、1000万车主完全不一样。此外，随着车辆数据的增加和AI技术的引入，计算率在未来的智能驾驶中将发挥越来越重要的作用，但与特斯拉相比，国内厂商的计算能力仍有较大差距。

从行业的角度来看，客户消费习惯的变化也在推动城市NOA的快速发展。根据《2024年麦肯锡中国汽车消费者洞察》，前者拥有更先进的自动驾驶功能，是客户在购买新能源汽车时选择中国高端新能源汽车品牌而不是外资传统高端品牌的主要原因。这一因素在2023年报告中仅排名第二，排名第一的原因是前者配置和性价比高。

智能驾驶技术路线不断进化

就技术路线而言，不同的企业对NOA未来的发展有自己的看法。

BEV应用于华为、比亚迪、理想、蔚来、智己等城市NOA。 Transformer技术架构，其建模精度较高，是国内智驾使用的主流方案。该技术可将环境信息整合到整体视野中，图像很少被遮挡，预测更加可靠，感知更加持久。同时，数据处理更直观，信息消耗更少，可以更好地处理一些复杂的情况，在感知复杂的道路、应对极端天气和动态交通方面有更好的表现。

一些图商也在配合提供轻型智能驾驶计划。简化不必要的地图元素，使表达形式更加简洁，不仅可以降低生产和部署成本，还可以实时更新高频云。

这条路线主要依靠汽车公司的数据处理和泛化能力，以及R&D过程中对物体的分类和标记，可能无法识别静态物体和幽灵刹车。

而且特斯拉FSD选择纯粹的视觉路线。采用“众包”的方式，而不是依赖高精度地图，即通过已售车辆收集道路信息，完成地图绘制，属于轻量级地图的一种。在算法方面，Occupancy的应用 Network(占用网络)技术可以在3D空间中用小块物体呈现行驶路径上的物体，帮助感知算法判断物体的大致轮廓和形状，可以更好地避免车辆、行人和障碍物，避免碰撞。纯粹的视觉路线简化了多传感器的融合部分，降低了误检概率，降低了成本，但是对深度估计的准确性弱于雷达。

另外还有一种观点认为，高精度地图在车辆感知范围之外提供道路信息，对预测、决策和规划更有帮助。另外，更先进的自动驾驶技术(L4)、L5)离不开高精度地图的支撑，感知系统处理交通状况问题，高精度地图处理行驶路线问题。两者相辅相成，缺一不可。但是，这条路线的问题在于成本高，地图采集成本高，更新速度慢，商业化难度大。

当前，为了满足市场需求，更多的汽车公司正转向高精度地图技术路线。在这种技术路线下，城市NOA主要涵盖三种核心技术，即BEV技术、Transformer技术和占用网络。

BEV技术允许摄像机采集360的情景信息。°呈现俯视方式，包括位置、时间等核心要素，提供全景感知。Transformer技术通过将图像感知方式转化为视频感知方式，实现更接近人类视觉感知的实时效果，从而提高感知的准确性。然而，占用网络的创新将感知提高到了一个新的水平，使车辆能够更好地应对未知物体并进行智能避让，而不仅仅是依靠已知物体的识别。

数据整合和数据处理是决策和控制的核心技术。目前这个环节包括两条主要的技术路线、规则和模型化，其中模型化被认为是未来的主流方式。在选择技术路线时，信息量起着至关重要的作用，但是为了实现模型化技术路线的优势，目前还没有明确信息量需要达到的临界点。所以，目前大多数汽车公司都采用规则化的技术路线，同时进行模型化技术路线的研发实践。

在城市NOA中，模型化技术路线被认为是未来的主流，其基本原理与GPT模型相似。通过大规模数据的喂养和自我训练，模型化技术将带来决策和控制效果的爆炸性增长。

目前大部分端到端方案都是由感知和决策两种模式组成的，更容易落地“两阶段”方案。第一个感知部分本身就已经在使用神经网络，所以变化不大。最大的变化在于第二阶段的规划控制部分。本来这部分是通过写规则来实现的，现在也是通过神经网络来实现的。

“两段式”的解决方案是将两个小模型连接在一起，端到端共同优化。在“两段式”解决方案中，感知模型过滤后信息损失较大，只剩下人、车、物等一些标签，所以第二段其实只是一个小模型。

在“一段式”方案中，感知、决策、规划等模块被整合到一个“一段式”方案中，将感知决策整合到一个全栈的Transformer端到端模型中。也就是说，行为的轨迹是通过传感器输入直接导出的。

在这个过程中，机器会像人脑一样综合信息，思考和判断。就像看推理小说一样，小说里有各种各样的人物和情节，包括迷室和怀疑小组。当你在阅读推理小说时，你不知道接下来会发生什么。通过小说中不同的人物和情节，我们可以预测凶手有几个概率，机器大脑的内容就像一部推理小说。

然而，一段式方案和两段式方案虽然只有一个字的区别，但难度却大不相同。选择一段路线，前端的视频信息量很大，但是输出信号还是需要非常精确的，这对于整个网络的练习、数据和Pipeline都有更高的要求。虽然一个方案很难，但只要模型经过大规模的训练，它的决策、规划和控制就会更加拟人化，这就是业界追求的自动驾驶ChatGPT时刻。

三个原则使NOA不会掉链子。

根据《中国汽车联网产业标准体系建设指南(智能联网汽车)(2023版)》(智能联网汽车)，如果想要NOA不掉链子，需要遵循三个原则。

第一，要有良好的感知能力，能准确识别周围环境，跟踪目标对象。比如作为感知硬件的激光雷达，与毫米波雷达、摄像头等相比，具有无可比拟的辨别能力。普通激光雷达的角分辨率不低于0.1mard，换言之，可以区分3km距离上相距0.3米的两个目标，并且可以同时跟踪多个目标；距离分辨率可以达到0.1米；速度分辨率可以达到10米/秒。位置和速率分辨率高，意味着可以得到更清晰的图像。

第二，要有高效的管理能力，自动驾驶计划和行为要根据不同的情况和任务灵活调整。比如自动驾驶算法，自动驾驶芯片，直接关系到它。就英伟达的自动驾驶芯片而言，自2015年以来，英伟达正式进入车载SoC和车载计算平台领域，为自动驾驶提供基本的计算能力。从那以后，英伟达几乎每两年发布一次车辆标准SoC芯片，计算率水平不断提高。

三是要有强大的执行力，能够“强大”地执行既定计划。关于如何保证明确计划的实施，国家队也在积极结束。GB/国家标准国家标准T 智能网联汽车41798-2022 测试项目专门设计了自动驾驶功能场所的测试方法和要求。就“准确识别周围环境，跟踪目标对象”而言，标准明确提到了交通信号识别、周围汽车识别等。关于“根据不同场景和任务灵活调整自动驾驶计划和行为”，标准甚至制定了“最小风险策略”测试，要求汽车能够独立完成严格的路桩避开。

此外，每个测试都有详细的速度和时间要求，必须能够实现安全辅助驾驶。比如在站台项目中，除了车辆的摆放视角外，还明确了摆放的准确位置，甚至考虑了主动开门的服务。

在NOA市场竞争中，汽车公司的竞争基础主要体现在技术路线的选择、决策的感知和控制、硬件和计算率的竞争以及客户需求和产品优化的协同性。这些关键因素将决定NOA技术的成功落地和汽车公司在市场上的竞争地位。

虽然NOA的技术路径基本相同，但是实际执行起来非常困难，因为这几乎是“2D直视图” CNN“时代积累的R&D成果已经化为乌有，需要重新开始。所以这几年各厂商的烧钱率都比一家快，新的力量只能靠不断的融资，传统车企只能靠传统的燃油车产品来补血。

另一方面，每个家庭的策略都会根据定位和产品进行调整。比如纯视觉策略的代表特斯拉，优势在于减少激光雷达的投入，用强大的算法暴力解决问题。或者华为车型在软硬件方面有着无可比拟的设备优势，这也是很多车企争相与之合作的原因。

高级智能驾驶是一条充满机遇和不确定性的赛道，未来技术路线是否会发生翻天覆地的变化还不得而知。然而，毫无疑问，无论是城市NOA、高速NOA，或者去高精度地图和端到端模型，它们的不断尝试和进化，都为自动驾驶技术的稳定发展积累了经验。只要干坤不确定，你我都是黑马。

本文来自微信公众号“极智GeeTech”，作者：半山，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com