NOA“重感知”方案的推敲 毫末智行让智能辅助驾驶走向平权

有人说NOA进城意味着智能辅助驾驶下半场的开赛。但哨声响了，并不意味着所有人都开跑了。

6月15日，小鹏宣布城市NGP开放北京五环内城区环线和城市快速路；25天后，蔚来的NOP+在北京五环内的高速公路和城市快速路上线；理想6月也宣布在京沪两地开放内测，半年内开放通勤NOA功能。

第一梯队的还有两个玩家，一个是号称不造车的华为。

去年10月，搭载华为ADS 1.0的极狐αS HI版在深圳落地NCA。这与小鹏开放内测的时间线基本一致。

另一家则是自动驾驶独角兽——毫末智行。毫末也多次对外宣布了城市NOH的进展，毫末推出的行业首个重感知城市NOH，将首批落地北京、保定、上海等城市。正在举行的成都车展是，毫末智行CEO顾维灏说“今年是行业中城市NOH发展的关键年份，毫末在业内领衔的重感知技术方案正在加速落地。”

NOA走进城市，真的是一块实力的试金石。直到现在，依然有着不少企业打着L2+级别的辅助试图在消费市场浑水摸鱼。

不是他们不想，而是真的做不到。

NOA进城，难在哪里了？

因为，这些做自动驾驶的企业无一例外遇到了一件绝对违背人类常识的事情。

你知道的东西越多，你能做到的东西就越少——高精地图。

发展至今，大多数企业也已经认识到了高精地图是个美丽的毒药。这个事无巨细，以上帝视角帮你标注了上所有地理信息，交通设施的导航地图，提供了你所有已知信息，你只需要按图索骥就可以到达目的地。并且他还拍了拍你的肩膀说：没关系，我帮你打包一切。

正是利用这种绝对精确，绝对匹配的能力，汽车可以通过感知元件知道自己在现实世界中的位置，这种位置关系，也会与高清地图里的位置一一对应：这里有个十字路口，这里有个马路牙子……

那么问题来了。

一个能闭眼开车的神人，突然有一天修路了，你能保证他不掉井里？

这就是高精地图最大的问题。

从专业层面来说，基于制图成本的限制、图包鲜度等多种因素，高精地图的普及甚至起到了一个反作用。

相比中国的高速路，中国发展各异的城市道路、乡村道路，里程超过1000万公里，这1000万公里路，不可能有一个高效的地理信息系统来统一告知调度：哪里修路，哪里塌方，甚至哪里被私搭乱建，围路圈地。另一方面，实地采集这些信息的成本是天价的，据报告显示，目前高级地图的百公里测绘成本在十万元水平，对于上千万公里的下沉场景来说，想要拿到全中国的高精地图，从理论上就难以实现，

此外，能够让车企尝鲜高精地图的城市，受到了严格的管制，目前只有北上广深等数个一线及准一线城市开放了政策试点，法律开门的速度，远低于自动驾驶冲进门的速度。

所以现实的选择是，高精地图不需要那么高精。

那么，不用高精地图用什么？

厂家也逐渐意识到这个问题，要减少对高精地图的依赖，这个技术发展过程即是从“有图”到“无图”的变化。随之所形成的技术路线最终也基本上汇成了三条路径：高精地图、重感知（SD-MAP）、无图。

而以上三种方案本质上都是想要尽可能少的索取“死”数据，以上三个的排序，按照地图数据元素越来越少，索取信息数量也越来越少。换句话说，这就是让闭眼开车的人，重新睁眼开车。

目前行业里，“无图”的概念是指“无整套高精地图”，国内目前能达到这个商业实用度只有毫末城市NOH和小鹏城市XNGP工程版。但是两者的区别，根据每家的感知技术能力，选取的“部分高精地图”的要素不一样。

从商业角度来看，其实三套技术方案落地最重要的标准是覆盖度。做demo简单，甚至可以针对单个地区做优化；但是一套重感知的方案复制到成百上千的城市中，就会面临更多未知的困难，如果想要再去单点一对一的优化，那就又回到了最初的陷阱。难以推广，商业落地也就难以实现。

最重要的是，高精地图会随着时间的推移，信息偏移会越来越多。这就要求重感知方案即使采用部分高精地图的数据，也要让可用性不会随着时间越来越低。这就需要企业在选取数据维度的时候有所考量。毫末智行目前也透露，目前在城市NOH产品上选择重感知的技术方案，同时也在推进更少地图元素的方案，随着技术的方案之后会逐步更少。

从高精地图到重感知的必经之路——AI

顾维灏认为，数据驱动的自动驾驶3.0时代需要1亿公里以上的数据支撑，这些数据来自智驾功能激活后的高价值数据。而这些数据不再是高精地图里的那些“死”数据，而是通过AI计算，分析处理的“活”数据。

回看最初的讨论，NOA意味着下半场的开赛，这种比拼在于如何使用高阶智能驾驶从小场景到大场景的拓展。对于想要真正落地的大体量企业来讲，就需要极强的自动驾驶算法正向研发能力，并且通过大体量的应用实现数据量的提升，算法迭代速度将提升。

相比使用高精地图的方案，重感知路线实现难度更大，所要解决的挑战更多。但是当感知能力逐步提升之后，就可以摆脱高精地图的帮助，从而具有更强的鲁棒性和泛化能力，天花板更高。

毫末的解决方案是就是搭建基础工程——中国首个自动驾驶数据智能体系MANA、中国自动驾驶行业最大的智算中心MANA OASIS雪湖·绿洲以及自动驾驶行业首个生成式大模型DriveGPT大模型雪湖·海若。

这种数字化时代的基础设施，目的就是一个：解决“做demo谁都会，做全覆盖难”的问题。

毫末智行用感知融合后的文本序列输入，以自动驾驶场景文本序列作为输出，将自动驾驶场景Token化，最终完成自车的决策规控、障碍物预测以及决策逻辑链的输出等任务。

这样，一套重感知的方案，就可以睁眼开车，也越来越贴近“第一性原理”。

而在“活”的数据规模上，根据7月的数据，毫末的HPilot整体已搭载近20款车型，用户辅助驾驶行驶里程突破7000万公里，HPilot2.0辅助驾驶日均里程使用率达12.6%。MANA 学习时长超过84万小时，相当于人类司机11万年。DriveGPT 雪湖·海若，已经完成基于7000万公里量产车驾驶数据训练，预训练模型参数规模达1200亿。

目前，毫末所引领的重感知路线现在逐渐成为行业的共识，相比于纯视觉路线，重感知路线能够更好地适应国内复杂多变的交通环境，兼顾安全性、舒适性与高效性，可以快速泛化实现落地。

当然，重感知的技术路线也会随着技术推移，逐渐向无图发展，但到底是否是“绝对无图”，也有待业界继续讨论，这里不敢妄言。从消费者的角度来看，只有一线城市能够享受到NOA的便利，无疑是一种商业歧视。所以重感知发展路线更有其必要性。

结语

很长一段时间里，各大企业都不怎么提及无人驾驶了，NOA这个词相比无人驾驶更为火爆。

从8月份旧金山解封无人出租车，却惨遭Robotaxi大闹市区，碰瓷消防车的结果来看，现阶段无人驾驶在城市场景里，不现实，也不符合逻辑。

这和北京亦庄的高级别自动驾驶示范区跑着的无人车，有着本质区别，这也许无关技术。

解决NOA的技术问题也许是解决无人驾驶最后的技术难题，但未来的路还很远，至于那些非技术类的问题，更需要整个行业的共同努力。