今年春节期间，新车的NOA功能会不会像奔驰的三叉星徽一样，成为值得炫耀的“回家年货”？毕竟，NOA不仅能提供“自动驾驶的尊贵体验”，还能提供“昂贵”。
N**iGate on Autopilot（NOA）通常被称为“驾驶辅助驾驶”或“高级智能驾驶”，目前分为高速NOA和城市NOA两大类。
众思汽车研究院今年前三季度的统计数据显示，高速NOA在国内乘用车中的渗透率为67%，同比增长25个百分点;全市NOA渗透率为48%，同比提高2个百分点。 预计高速NOA年渗透率将接近10%，城市NOA将超过6%。
但值得注意的是，渗透率提升的主要驱动力主要来自新能源乘用车销量占比的提升。 根据乘联会数据显示，今年前10个月，30多万车型占比为14辆2%，同比增长33个百分点。 配备NOA的车型主要集中在30元和30万元以上。
高端智能驾驶为何如此“贵”？何时进入主流量产乘用车市场？
地位：少数人的游戏
首先，我们不得不承认，包括NOA在内的自动驾驶在整个行业中还处于蓝海状态，所以溢价会非常高。 东软睿驰ADS创新事业部首席顾问董晓航告诉赛博汽车。
以30万元的车辆为例，高速NOA系统在车辆成本中的占比约为10%，城市NOA约为15%。 因此，高端智能驾驶目前只是少数人的游戏。
智能驾驶系统龙头供应商Maxieye在近日的新闻发布会上表示，目前L2功能车新品价格集中在15-25万元区间，承载率达40%，非功能车型终端价差1万元高速NOA车型价格在25-30万元之间，装载率3%，终端价差2万元城市NOA车型价格30万元以上，安装率未知，终端价差3万元以上。
目前来看，高端硬件成本占比高达10%，这对车企来说是一个非常大的成本压力。 但是，如果 10% 的成本不能带来超过 10% 的价值，就很难进行特别大规模的部署。 这也是为什么新生力量的配置率较高的原因，因为主要是针对技术的早期阶段。
**连锁玩家的负责人告诉Cyber Motors：“.如今的高端智能驾驶，更多的是以竞争为导向，有的玩家出手，有的玩家只能翻滚。
玩家内部的“音量”已经非常强烈了。
一般来说，高端智能驾驶选装包价格的一半，也就是其成本，目前绝大多数车企都是以成本价出售的，或者说是“亏损”。
例如，阿维塔ADS高端功能包的买断价格为320000元，现价180000元;Jiyue 01 的 Robo Drive Max 的买断价格为 499万元，现价199万元;蔚来NOP+（目前不含城市导航功能）月订阅**380元，是全功能NAD的56%，但至今没有实权收费，权益继续给予;小鹏汽车，理想的高端智能驾驶功能是免费的，但非智能驾驶车型之间存在差距;标配高端智能驾驶硬件的智基LS6，在发布期间提供终身免费使用权五菱云多灵溪版高速导航记忆泊车，比非智能驾驶型高出10000元**。
汽车行业也已向外扩展。 下半年，上汽、长安、吉利等主流车企纷纷推出10-15万元的新能源产品，纷纷放弃了在智能座舱、智能驾驶和15万元以上的“体量”，而是会在能耗和控制性能上投入更多成本。
上汽荣威的P1同轴电机和五合一PICU电源域集成控制器长安启源采用英飞凌3系MCU控制芯片和10层发夹扁线油冷电机，均将20-30万元及以上车型的先进技术下放到入门级车型上。
在需求端，产品体验之间的差距尚未跨越。 体验突破基点后，模型的价格肯定会下降。 “地平线智能驾驶产品规划与营销总经理吕鹏表示。
NOA如何吃掉10%的成本？
NOA何时成为标准？
受访者不约而同地说：特斯拉HW3硬件成本占比为0，即为标准配置占比。 hw3.0的成本约为7000元，根据2024年初的model3入门版22990,000元的**计算，高端智能驾驶系统占整车价格的3%，占整车成本的4%6%（按销售价格的三分之二按成本计算）。
据客协数据显示，今年前10个月，5-20万元区间的乘用车占66辆1%（5-10万元占15）4%，10-15万元占339%、15-20万元 168%），因此，如果中位数为100,000元，则NOA系统的标准成本应为3,066元，如果中位数为130,000元，则为3,987元。
今年以来，大疆、青舟、陌陌等高端智能驾驶公司纷纷发布一系列“千元机”，从高速NOA开始，达到或接近最主流的乘用车。 不幸的是，使用NOA的成本不仅仅是硬件成本。
董晓航将NOA的硬件成本分为直接成本、平台共享成本和定制成本。
其中，传感器、计算平台等各种硬件以及相应的物流和售后成本都是直接成本。 “这些都是直接成本，但每当OEM购买类似的套装时，相关产品都会产生费用。 这部分占了最大的份额董晓航说。 吕鹏还说，目前，硬件成本在高端智能驾驶系统中的比重相对较高。
平台共享成本是指一套高端智能驾驶系统平台的前期研发成本，根据配套规模、平台功能水平、生态侧等多种因素进行分摊。
定制成本主要是指项目实施中的针对性投资。
高级智能驾驶是一个复杂的系统，其中算法与车辆内外的传感器、计算平台和通信系统协同工作。 不同的车企，甚至不同的车型，对电子电气架构、计算平台、传感器选型等都有不同的性能要求。 当一套贯穿实验室的智能驾驶系统被量产并搭载到汽车上时，需要针对这些“差异”进行设计，这可能会产生不可预测的成本。
高精地图和库存也是目前正在消耗的成本的一部分。
目前，高精度地图一般按100元的**收费，一辆车一年的订阅费。 如果不使用高精地图，硬件成本也会相应增加。
囤货是一个价值不会超过时间的过程。 目前，感知和计算平台正在以 2-3 年的速度迭代。 面向未来十年的硬件储备可能会在达到极限之前变得“过时”，从而导致车辆成本和用户支出的浪费。
高速NOA开始接近良好使用阶段，技术路线开始收敛。 不过，NOA在城市地区还处于非常早期的阶段，未来随着新技术、新芯片的出现，肯定会有更高的性价比。 因此，我们无法识别堆叠的行为，必须结合模型和目标用户来选择最合适的硬件。 吕鹏说。
此外，董晓航认为，目前，行业内没有健康的业务逻辑，这是NOA系统各环节成本高昂的重要原因。 “以前，大家还是要花更多的钱和人来砸这个东西。 这个过程肯定更昂贵。 ”
如何降低成本？
尽管困难重重，但“标配”是高端智能驾驶发展的必然目标。 因为随着数据驱动成为业界的技术共识，渗透到60%的主流市场，是获取数据、推动高端智能驾驶从可用到易用的必由之路。
下半年，高端智能驾驶系统“千元机”的出现，体现了行业的渴求。 “降低成本确实很难，而且从疫情开始，（降低成本）的压力就一层层地转嫁到了一流商人身上，也传到了二等一流商人身上。 董晓航说。
首先，当然是规模。 在董晓航看来，NOA系统的直接BOM成本与系统要求、规模尺寸、技术平台和生产效率直接相关。 “它与手机制造和家电行业没有什么不同。 平台化、体积化，可以降低成本。
从10000台（车辆支持）到100万台（车辆支持），估计整体成本降低至少应为硬件成本降低的20%左右。 吕鹏说。
但 100 万台并非易事。 据中汽协**，今年中国乘用车销量为2380万辆，按照高速NOA渗透率10%计算，仅为238万辆，分布在各个玩家和系统平台，金额少得可怜。
然而，在扩大规模之前，技术进步可以为降低硬件成本提供一些帮助。
一是单位计算能力的成本。
随着AI模型在智能驾驶算法中所占比的增加，系统中对AI算力的需求增加，而对CPU规则算力的需求减少。 过去几年，芯片架构设计和先进制造工艺提高了AI算力的密度，数据中心和设备对大算力芯片的需求不断增加所带来的规模，推动了AI算力单位成本的大幅降低。 相比之下，CPU算力则没有这样的成本降低过程。
地平线征程 6 的单芯片算力达到 560 tops，较征程 5 提升 4 个37次。
其次是传感和域控制硬件的成本。
例如，青州的11V解决方案可以“**变成7V解决方案，而通常只用于停车功能的鱼眼镜头，可以在驾驶上重复使用，以降低成本。 此外，同样是单程5方案，即轻舟降落的高速NOA，利用BEV感知技术，提升了系统在处理截断和遮挡场景时的性能。 同时，“.芯片的选择，芯片本身是液冷还是被动散热，甚至业务链的能力也会影响成本。 “青州智航联合创始人兼CTO侯聪说。
系统平台技术和工程能力是NOA系统提高性能和降低成本的两大驱动力。
系统平台技术不仅包括终端熟悉的纯视觉、多模态融合、大模型、小模型、神经网络、规则算法等技术路线选择，还包括研发组织效率和技术创新，是智能驾驶业务全栈能力的体现。
其中，技术路线的选择既是技术，也是艺术。 “很多时候，技术领导者需要有一点行业直觉来选择路线，关键是要把它做好董晓航说。 组织效率是管理机制和企业文化的体现。
技术创新是降低系统“增长”成本的关键。
这包括软件架构的创新。 东软睿驰近日发布了OpenVOC开放技术框架，该框架不仅实现了软硬件解耦，还实现了软软解耦，明确切割了AI、车控、车云、大数据等过去交织在一起的软件模块，推动各技术力量在框架内发挥自身优势，充分发挥上层应用的创造力。 因此，功能开发周期缩短了 50%，解决了 80% 以上的工程任务。
包括构建高效的数据闭环：包括数据快速收集挖掘能力、自动标注能力、有效的数据分类和分发、仅基于变量的训练方法、量化载体的快速部署、部署后效果是否符合预期的评估方法
据赛博汽车介绍，目前行业领先的智能驾驶企业拥有投资数亿元的数据中心。 在海量实车数据和高效数据闭环的驱动下，特斯拉只能使用8个200万像素摄像头和144TOPS算力（HW3）。0） 探索城市 NOA。
工程能力决定了系统平台将在汽车上花费多少“成本”。
一方面，它取决于系统平台的适用性、完整性和可复用性。
高度适用的平台，在构建过程中，已经适配了主流芯片和外围传感器，在上车时不会受制于车企不同的硬件选择
一个高完整性的平台，可在第一次适应时最大限度地提高开通率。 例如，芯片本身支持 10 通道摄像头，因此所有 10 通道摄像头都已开启。 如果第一次只转了5个信道，需要落地7个信道，就需要彻底重新调整底层的通信机制，这基本上相当于翻车重新开始
高度可复用的平台云模型将非常完整，涵盖了各种功能的需求，上车时只需要根据不同场景的需求采用不同的编译和剪枝策略，只需要调整输入输出部分即可适应新项目。
另一方面，这取决于玩家自己的经验。
看看玩家自己的量产体验。 低阶、中阶和高阶函数是否已经完成？对目前市面上可用或自己使用的当前芯片工具链、底层安全机制、算法支持的理解程度。 “它可以让你的工程少走弯路，一旦工程走弯路，成本就会非常高。 董晓航说。 没有平台的项目积累是项目积累的2-3倍。
例如，东软睿驰作为国内最早在SOA架构上量产智能驾驶功能的厂商之一，在如何提升性能、降低负载和延迟、提高原子化服务的丰富度、保证其合理性和性能方面做了大量的探索。 “当我们在第二个 SOA 项目中重用这个平台时，进展非常顺利。 董晓航说。
这种经验优势甚至可以细化到特定的感知硬件。 侯聪表示，青州之所以能够做预融合算法，是因为它在L4阶段积累的经验非常重要。 ”预融合的主要难点是传感器中的时空同步要做好，标定的精度，以及保证不同传感器同时看到同一物体的触发机制。 最主要的是传感器上的配置需要足够好，而且技术本身并不是很困难
侯聪说：“要把传感器配置好，需要非常熟悉。 相机是如何逐行工作的，每行的时间是多少，是否做运动补偿等。 我们早就想通了。 ”
技术进步没有捷径可走
从技术融合到系统降本，家喻户晓的“NOA”其实还处于蓝海初期。
董晓航认为，目前，中级以上的一流业务，无论是纯视觉还是异构集成的高端智能驾驶解决方案都可以做到。但是它适合什么样的场景，有多少个传感器，接管率是多少？系统的评判维度是什么？选择是在配置表上有一个函数名称来传递，还是让消费者感到惊讶？这是一个不同的要求。 ”
在他看来，自2024年小米手机诞生以来，智能手机的功能在过去十年中不断增强，销量增长迅速，但一直没有低于2000元**的幅度。 另一方面，自动驾驶领域更加复杂，尚待探索，其大幅降低成本和广泛普及势必是一个具有挑战性的过程。
答辩人认为，高速NOA有望在一两年内大量进入15-20万元范围的车型。 未来三年，有望实现30-40%的成本降低。
其原因是高速NOA在性能方面接近于易于使用。 软件能力的提升促进了硬件需求的下降，技术方向和性能要求的趋同化导致了定制成本的降低，行业内开始形成生态协同效应，大规模减量系统。
而城市NOA远未趋同。
例如，受访者普遍认为，100 tops左右的算力可以实现更好的高速NOA性能。 而城市NOA拥有成百上千TOPS算力，这是可能的;在传感器方面，激光雷达或4D毫米波等强点云传感器被认为是难以取消的城市场景的一部分在算法方面，除了目前的BEV和Transformer之外，GPT等大车型是否应该进入车端也在讨论中。
因此，未来两年，城市NOA仍将重点对30万元及以上的车型进行适配。