作者九零。
编辑刘宝华.
设计青年。
2023年的智能驾驶市场非常热闹，百家思想流派在上海车展上展开角逐，各行各业的玩家互相追逐，互相抨击。
可以看出，智能驾驶已经成为各大主机厂占领市场的必备条件，也是众多龙头企业的热点。 传统主机厂、造车新势力、传统梯队、科技公司、互联网公司，甚至消费电子公司都在大力布局智能驾驶业务，力争在激烈的汽车智能赛道上占有一席之地。
那么，从去年到今年，智能驾驶行业有哪些热点呢？ 趋势是什么？ 整个行业共同推动和探索的是什么？ 有哪些优点和缺点？ 市场现状如何？
带着这些问题，本文对城市NOA、高精度地图、激光雷达、车上大比例模型、座舱驾驶集成等智能驾驶的几个热点进行盘点解读，并从技术和市场层面进行解读。
城市NOA，进展不如预期
自智能驾驶发展以来，城市NOA作为量产智能驾驶最强的功能，成为行业热点和各类玩家关注的焦点。
2021年以来，在特斯拉、小鹏汽车等领先电动汽车厂商的推动下，主机厂陆续推出适用于高速公路和城市快速路场景的高速NOA功能。 从2022年开始，NOA的应用场景将从高速推广到城市地区，而得益于“BEV+TRANSFORMER”的普及，2023年将是城市NOA的一年，多家车企将发布城市NOA的“开放城市计划”。
目前，城市NOA已经成为市场上的热点，并且已经陆续安装在新车型上。 据佐思汽车研究院统计，2023年1-9月，国内乘用车高速NOA渗透率为67%，同比增长2%5个百分点; 城市NOA的渗透率为48%，同比增长2个百分点。
2021-2023年国内乘用车NOA渗透率（数据**：Zosi汽车研究院）。
截至2024年1月，已量产并搭载城市NOA的主要车企有小鹏汽车、华为（极狐、阿凡达、文捷）、理想、智己等，此外，特斯拉已在北美推进城市NOA，蔚来和魏品牌（陌陌计划）城市NOA已经公布并正在路试中。 根据表1的汇总结果，总体来看，城市NOA的实施进度与公示发布的目标存在一定差距，没有达到预期，尤其是有车企曾声称2023年底全国上市，但实际上， 只有有限数量的城市登陆。不过，他们也在努力推动城市NOA的全面落地，力争在2024年占领更多的市场份额，这也是值得期待的。
小鹏汽车将城市导航辅助系统命名为 Urban NGP（N**igation Guide Pilot），可在 P5、G9、G6 和 P7i 上使用。 这4款机型均搭载激光雷达机型，从G9开始，小鹏汽车机型均采用前视800万像素双目摄像头，并通过2颗高算力的NVIDIA Orin-X SoC芯片，提供508TOPS的超高AI算力，满足城市NGP的感知和算力需求。
2022年9月，小鹏汽车率先在广州推出城市NGP，成为国内首家将城市导航辅助驾驶置于车上的车企。 截至2024年1月，小鹏汽车的城市NGP已覆盖全国52个城市，包括广州、深圳、上海、苏州、南京、杭州、宁波、北京、天津、成都、习、武汉、长沙等，也是中国应用最广泛的城市导航辅助驾驶。
小鹏城市 NGP 覆盖。
华为的城市导航辅助功能称为N**igation Cruise Assist（NCA），已安装在极狐、阿维塔和文捷系列车型上，华为深度参与其中。 ARCFOX和AVATR机型配备3台激光雷达和400Tops算力的华为MDC810计算平台，文捷系列机型配备1台激光雷达和200Tops算力的华为MDC610算力平台。 截至2024年1月，华为城市NCA已在中国开放了上海、深圳、广州、杭州、重庆和北京六个城市。
华为城市NCA的覆盖。
理想的城市 NOA 在其 L7、L8 和 L9 型号中实现。 三款车型均配备1个LiDAR和2个NVIDIA Orin-X芯片，前置双目摄像头和侧视摄像头最高可达800万像素，足以满足L2智能驾驶的硬件性能要求。 截至2024年1月，理想城市NOA已在北京、上海、广州、深圳、杭州、成都等10个城市开业。
覆盖理想城市NOA。
在现有型号L7、LS6和LS7中，智己将全面搭载城市NOA功能，并通过1个LiDAR和1个254TOPS算力的NVIDIA Orin-X芯片实现。 不过，知己所在城市NOA推送时间相对较晚（2024年1月），目前上海仅开放了1个城市。
特斯拉的城市NOA目前只在北美推，还没有进入中国，虽然有消息称会在中国推，但目前还没有出现。 蔚来和陌陌目前还处于路试阶段，还没有真正开始向用户推送。
转到高精度地图，目前无法删除
在2023年上海车展上，国内众多主机厂和智能驾驶解决方案提供商纷纷喊出“走向高精度地图”的口号：小鹏汽车宣布“从2023年6月起，城市地区NGP将不再需要高精度地图”; 理想的宣传“广告最大30系统逐步摆脱高精度地图“; 智基提出“数据驱动的道路环境感知模型替代高精度地图”; 华为直言不讳地表示，“ADS 20系统不需要高精度地图，可以打开有和没有地图“; 作为高精度地图提供商，还提出了“光图”的智能驾驶方案; 发出“重感知，轻图”的声音。
高清地图。 为什么业内玩家纷纷发声“去高精地图”？ 主要有三个原因：
首先，高精度地图的存在，使得主机厂商和智能驾驶开发商难以提高地图的新鲜度，因为它们受到地图厂商的严重限制。
智能驾驶对高精度地图的实时数据要求很高，即地图需要“新鲜”，甚至每天更新一次。 地图商家的平均更新周期以月或季度为单位，行业内平均更新周期约为3个月，这使得地图商家提供的高精度地图难以满足智能驾驶发展的需求。
其次，高精度地图测绘成本高，周期长，提高了整个智能驾驶系统的开发和使用成本。
由于精度高，信息丰富，高精度地图需要采集大量数据，导致成本比普通导航地图更高，周期更长。 成本高、周期长，与当前智能驾驶行业降本快迭代的趋势严重不符，因此高精度地图的移除逐渐成为一种趋势。
调查结果显示，分米级高精度地图测绘成本约为每公里10元，每辆车每天可采集道路数据约500公里; 测绘厘米级高精度地图成本约为每公里1000元，每辆车每天可采集约100家企业的道路数据。 如果可见精度提高十倍，测绘的成本和周期将呈指数级甚至指数级增长。
第三，由于感知算法的进步，传感器的环境感知结果可以取代高精度地图。
正是由于BEV+Transformer的广泛应用，传感器，特别是摄像头检测到的环境数据，可以用来构建实时的本地地图，逐步取代基于先前数据的高精度地图。
BEV+变压器原理。
现在我们已经进入了2024年，高清地图的进展如何？ 行业是否实现了完整的“高精度地图”？ 答案似乎是否定的。 基于对上述公司无地图解决方案以及业内其他公司解决方案的研究，我们发现目前替代传统高精度地图的方法主要有三种：
第一种是实时本地映射，基于传感器信息和BEV+Transformer构建实时本地地图。 这种方法理论上可以完全去除高精度地图，但根据大多数感知算法专家的意见，目前的环境感知效果还没有达到传感器与高精度地图融合的水平，只能说是逐步完善，接近完整的无地图地图。
二是众包地图，即通过销售车辆收集道路信息，整合普通用户数据，绘制地图。 这种方法在过去几年中已经提出并被采用，它本质上仍然是构建地图，但不再依赖地图供应商，而是允许用户帮助 OEM 收集地图数据。
第三种是轻量级高精度地图，是高精度地图的简化版，精度和信息介于导航地图和高精度地图之间。 这种方案可以理解为一种过渡状态，是综合平衡整体感知定位效果和地图成本的结果，地图还是需要的。
通过以上分析不难看出，高精度地图虽然是主机厂和智能驾驶开发商所倡导的趋势，但尚未完全实现。 去高精度地图，更多的是摆脱对地图厂商的依赖; 目前的环境感知效果还达不到完全没有画面的水平; 现阶段，高层次智能驾驶仍离不开高精度地图，但绘图方式正在发生变化，对精度的要求越来越低。
去激光雷达，技术路线之战
激光雷达曾被誉为“自动驾驶之眼”，但高昂的成本让大多数汽车公司望而生畏。 近年来，去激光雷达的声音一直存在，纯视觉感知解决方案与视觉+激光雷达融合感知解决方案的技术路线之争并未停止。
激光雷达的点云效应。
激光雷达曾经是中国高端智能驾驶的必备品，尤其是城市NOA，国内领先的智能驾驶厂商也普遍采用摄像头和激光雷达数据融合的解决方案，实现高端智能驾驶所要求的精准感知。 小鹏汽车、蔚来汽车、理想汽车、阿凡达、文捷......所有设备均配备激光雷达。
与此同时，以特斯拉为代表的另一种声音出现了：一种仅使用摄像头的纯视觉感知方案。
马斯克不止一次说过：“人类驾驶只用眼睛来观察环境，所以根据第一性原理，纯粹的视觉解决方案是正确的路线。 特斯拉作为智能驾驶的先行者，也证实了纯视觉解决方案的可行性。
从目前高端智能驾驶的安装情况来看，大多数车型仍然搭载了数量不一的激光雷达，只有特斯拉和集跃选择了纯视觉解决方案。
众所周知，特斯拉的视觉感知算法一直处于行业领先地位，而集岳作为重点车型，有着纯粹的视觉自信，自然在于智能驾驶领域多年的积累; 其他主机厂和解决方案提供商，我们大胆猜测是否存在这种可能：使用融合方案不仅是因为融合方案的感知效果更好，还因为纯视觉感知算法不够自信，而激光雷达有利于放大车企对智能的营销效应， 因此配置了高成本的激光雷达。
虽然国内大部分高端智能驾驶车型都配备了激光雷达，但车载激光雷达作为一个技术壁垒高、需求前景不确定的领域，成本逐渐下降到万元以下，导致目前一流的厂商数量非常有限，产品型号有限， 这与相机、毫米波雷达和其他传感器有很大不同。
目前，主要的汽车激光雷达厂商有速腾巨创、图达通、禾赛科技、Luminar、Livo、Velodyne、Ouster、良道智能、探微科技、北星等，以及少数自称自研的解决方案提供商，如华为。 目前，车上量产的激光雷达是半固态激光雷达，从国内出货量来看，速腾巨创、都达通、禾赛的激光雷达应用最为广泛。
RoboSense的LiDAR产品主要基于RS-LiDAR M系列，包括M1、M1 Plus、M3等，M1是小鹏汽车机型上配置的激光雷达，M3是超远距离激光雷达，可以探测距离达300M的目标。 此外，速腾聚创还拥有盲激光雷达产品E1，以及Ruby Plus Helios Bpearl等机械旋转激光雷达。
Seyond（前身为Innovusion）将激光雷达产品分为猎鹰系列和云雀系统，猎鹰系列已安装在蔚来车型上，包括猎鹰K和猎鹰Q这两款超远程激光雷达; Lark 系列包括远程 LiDAR Lark E 和盲雷达 Lark W。
禾赛的激光雷达产品包括已搭载理想机型的AT128、最大探测距离为400m的AT512超远程激光雷达、机身高度仅为25mm的超薄激光雷达ET25、FT120盲雷达，以及熊猫QT XT等多款机械旋转雷达产品。
大车型上车，行业共识
自ChatGPT问世以来，AI模型已成为不可逆转的趋势，广泛应用于各行各业，包括智能驾驶。 大模型使端到端的智能驾驶成为可能，吸引了来自行业多个领域的参与者，并取得了一定的成效。
AI大模型已经成为智能驾驶行业的共识，众多参与者参与其中，其中OEM、Tier 1、科技公司、芯片公司等不同类型的厂商在大模型时代，在不同的方向上努力形成自己的竞争优势，也形成了分工明确的合作关系。
主机厂可以直接上C，可以利用自己的大型量产车，收集大量真实道路数据，不断优化AI大模型。 同时，主机厂可以利用自身在产业链中的优势和优势地位，充分整合上下游资源。 但智能驾驶大车型开发成本高、周期长，对主机厂的资源投入和技术实力要求较高。 蔚来、小鹏汽车、理想、阿凡达、吉利、比亚迪、长城汽车、广汽等公司目前都有AI大模型的相关布局和应用。
作为智能驾驶解决方案提供商，Tier 1 主要在大规模模型登车方面的软件算法层面大惊小怪。Tier 1通过软件和算法开发智能驾驶垂直大模型，为主机厂提供智能驾驶大模型服务，并构建自己的数据闭环系统，形成一整套大模型生态，例如BEV+Transformer是Tier 1共同开发和推广的大模型解决方案。 现阶段，陌陌智行和商汤科技是提供智能驾驶模式的典型代表。
2023年4月，陌陌知行发布业界首款智能驾驶生成模型驱动GPT：雪湖海若。
我们使用RLHF（Reinforcement Learning from Human Feedback）技术，引入真实的用户数据，不断优化认知决策模型。 雪湖海若可以根据概率生成多个场景序列，从而量化用户最关心的自动驾驶行为轨迹，输出清晰的决策逻辑链，通过驱动语言实现场景的标记化表达。 Snow Lake Hairuo将搭载于新款WEY Mocha DHT-PHEV车型，并将通过Hpilot 3提供0系统实现城市NOH（高速公路领航、导航辅助驾驶）。
沫沫知行发布了雪湖海若大模型。
商汤科技的AI大模型，名为Uni AD，可以将检测、跟踪、映射、规划等不同算法模块集成到Transformer的端到端框架中，从而集成不同的计算任务，实现端到端的处理。 商汤科技还构建了决策与规划算法闭环数据体系，建立了数据驱动的决策与规划算法库，将大数据与决策与规划算法融合，通过对大模型的处理将智能驾驶拟人化。
商汤科技UNI AD的优势
科技公司的优势在于其丰富的AI技术储备和云资源。 早期，国内各大科技公司在通用AI领域积累了一定的技术沉淀，可以直接向智能驾驶方向转化，从通用大模型到垂直领域。 科技公司也会利用自己的云资源，搭建自己的云服务器，为客户提供大量的云资源和配套服务，让客户调用、开发和部署自己的AI模型。 华为、腾讯和Apollo是这一领域的领导者。
在大模型时代，芯片企业依然专注于芯片。 通过提供适合部署AI大模型的芯片硬件，芯片企业仍然可以在NVIDIA、高通、地平线等大模型的竞争中占据重要地位; 同时，芯片公司通常会提供与芯片相匹配的完整开发工具链供开发者使用。
驾驶室和驾驶员的整合，现阶段着陆缓慢
从驾驶与停车的融合到驾驶与驾驶的融合，集成化已经成为智能汽车的必然趋势，当然也是智能驾驶的必然趋势。 近两年，座舱与司机融合成为行业热点话题和技术发展方向，但目前的落地态势似乎远不如出行与停车融合快。
座舱与驾驶员集成，又称座舱集成，包括软硬件的集成：软件与功能的集成主要是在软件与功能层面，将智能驾驶与座舱的软件与数据进行集成，包括软件架构升级、开发面向服务的架构（SOA）、跨领域开辟信息和数据交互， 实现智能驾驶与座舱功能的联动。硬件层面的集成主要是硬件形态的集成，是一种直观、可见的集成，会从根本上改变底层软件和通信模式，具有明显的BOM成本优势。
不同程度的硬件级座舱集成解决方案。
可以看出，座舱和驱动在软件层面的集成更多的是关于功能和应用，相对容易实现，而硬件层面的集成形成了完全集成的新硬件，开发的工作量和难度更大。 目前，在硬件层面有一盒、一板、一片等不同集成度的解决方案。
一体化方案将智能驾驶域核心板和座舱域核心板集成在同一个域控制器中，但核心板原有的软硬件架构不变，板间通信方案不变。 一体化解决方案有点为了融合而融合，集成度最低，集成难度最低。
One-Board方案将智能驾驶的SoC芯片和座舱的SoC芯片集成在同一块核心板上，但两块SoC仍分别处理智能驾驶域和座舱域的数据，但在同一块板上，它们共享MCU、存储、接口等外围硬件。 单板方案可以在一定程度上提高集成度，降低通信时延，提高座舱整体性能。 此外，One-Board解决方案可以有效减少SoC以外的硬件，从而降低系统的BOM成本。
One-Chip解决方案在同一SoC芯片上同时处理智能驾驶域和座舱域的数据，并通过在SoC上运行虚拟机来实现智能驾驶和座舱的不同功能模块。 单芯片方案是真正的座舱与驾驶员一体化，集成度最高，可以最大程度地集成智能驾驶域和座舱域的硬件，提高座舱性能，实现最大限度的成本降低。 然而，单芯片方案的集成也是最困难的，目前应用案例很少。
虽然座舱驾驶员一体化已成为业界共识和智能汽车发展的必然趋势，但现阶段难以实现，短期内难以实现高度集成的座舱驾驶员一体化解决方案。
从技术角度来看，对于单芯片方案来说，现有的SoC芯片无法满足座舱和驾驶员集成的要求，尤其是座舱和驾驶员集成所需的综合算力要求（NPU+GPU）。 此外，单芯片方案的操作系统布局难度大，智能驾驶软件通常基于Linux系统或C++，而智能座舱软件则基于QNX系统或Andriod系统，很难很好地兼容。
对于一体式或单板式方案，由于控制器的整体体积，对控制器的安装和布局也提出了新的要求。 更重要的是，同一控制器内的计算任务数量呈指数级增长，导致功耗显著增加，发热增加，这也是对控制器散热的挑战。
从市场来看，目前无论是C端还是B端，改变座舱和司机一体化的意愿都不强，好到h**e，不一定要h**e。 C端用户很难直观地感受到座舱与驾驶员融合带来的性能提升和体验提升，差异不大; B端主机厂对座舱集成没有迫切要求，座舱集成还涉及原有智能驾驶开发部门和座舱开发部门的整合，合并会产生一定的阻力。
从成本维度来看，虽然从长远来看，座舱集成可以有效降低系统成本，尤其是硬件BOM的成本，但短期内会产生大量的开发费用，降本效果何时可见也是一个问题。 此外，One芯片方案中的SoC芯片必须是高性能芯片，其成本不会低，这也将增加开发者的投入。
由于上述困难，座舱与驾驶员一体化的进展仍然相对缓慢。 由于一体化方案集成度低、难度低，少数厂商率先实施，如特斯拉、小鹏汽车等，但并不受欢迎。 单板方案对核心板的设计能力要求很高，目前实施的案例很少。 One-Chip解决方案依赖于满足要求的高性能SoC芯片，仍需等待芯片厂商的进展。
现阶段，市场上已经出现的座舱驾驶员集成案例，主要是特斯拉、小鹏汽车、缇光、集悦、德赛SV、迅达等厂商提供的解决方案。
特斯拉从整车的电电架构层面规划了一体式座舱集成解决方案，将负责智能驾驶、智能座舱和内外通信的三大核心板集成到一个控制器中，形成一流的计算单元。
小鹏汽车提出了类似特斯拉的一体化解决方案，将智能驾驶系统的XPU、中控系统的DCU和仪表系统的ICM集成到同一个域控制器中，形成座舱和驾驶的一体化域控制器，打造了其“三合一座舱”的概念，并将其应用于小鹏G9车型。
ZeroBeam是中国最早提出座舱驾驶员集成概念的解决方案提供商之一。 ZeroBeam 完全采用 Galaxy 3 的全栈构建0架构，在硬件层面，由2个高性能计算单元（HPC）和4个区域控制器区组成，其中一个集成了智能驾驶和座舱功能，但也是一体化解决方案; 在软件层面，ZeroBeam 集成了中间件和 SOA 原子服务层，并提供统一和标准化的 API（应用程序编程接口）接口，方便不同智能驾驶和座舱模块的算法调度和复用。
吉岳率先在智能驾驶中提出“真冗余”概念：当智能驾驶域控制失效时，座舱域控制可以提供简单的ACC等功能来接管，实现跨域冗余策略。 从某种意义上说，集岳已经实现了基于座舱SoC芯片（高通SA8295）的单芯片解决方案，但智能驾驶的功能过于简单。 此外，集岳还实现了应用层面（软件层面）的座舱与驾驶员融合，即3D人机协同驾驶地图：通过智能驾驶领域和座舱领域的跨域资源调度，将感知目标结果直接可视化展示，提供还原显示的虚拟化驾驶体验。
2022年4月，德赛西威发布车载智能计算平台Aurora，被誉为业界首款量产车载智能计算平台。 在硬件层面，Aurora集成了Nivida Orin、高通SA8295和黑芝麻的华山A1000芯片，属于One-Box解决方案; 在软件层面，极光可以同时提供智能驾驶、智能座舱和智能网络服务，达到一定程度的“一流计算”。 此外，Aurora采用插件结构，可以根据需求扩展和定制算力，以满足多样化的计算需求。
迅达软件提出了基于高通系列芯片的座舱和驱动集成解决方案，属于单芯片解决方案。 中科创达有两套解决方案，一套是基于高通SA8295芯片实现座舱与停车一体化，即智能座舱与智能泊车功能的融合，而该方案还需要另一个SoC来实现智能驾驶功能，因此不是完整的座舱与驾驶一体化; 第二种是基于高通SA8795芯片实现完整的座舱集成，但该方案尚未量产，仍处于研发阶段。
从以上解说内容来看，过去的2023年，智能驾驶的前沿热点话题仍在继续，但实际进展却不如宣传的那么好：城市NOA开放数量有限，高精地图尚未完全移除，激光雷达存在争议，AI模型需要不断深化， 而且座舱和驾驶员的整合困难重重，进展缓慢。
我们也看到，在智能驾驶赛道竞争日趋激烈的当下，2024年，行业内的玩家必然会继续朝着这些热点方向发力，通过突破技术难点、降低成本，争取占领更多的市场份额，最终将前沿热点落地民用。