5家車企300城市，新勢力內卷NOA，在拿車主練什么

cription-url="https://mmbiz.qpic.cn/mmbiz_jpg/jhoar0Aic06o7AxpP6As9ZicF2xkyhx4hGbdYqkr6SeNFvzI1dxzllma3I1FM6DThW7IS61DOCFOI1BrF2IcaIbg/0?wx_fmt=jpeg" data-cropselx1="0" data-cropselx2="578" data-cropsely1="0" data-cropsely2="321" data-type="jpeg" data-w="960" src="http://image.xny365.com/auto/202308/21/wm2akensrth.jpg" max-width="700px" height="auto" />

小鵬、理想、極狐、智己……越來越多的車企開始布局城市NOA，但這些企業(yè)紛紛布局NOA卻讓消費者搞的云里霧里，這些車企如此著急的推出城市NOA，是想要消費者成為什么樣的“小白鼠”？

城市NOA大戰(zhàn)即將打響，就在今年上半年，理想、小鵬、華為紛紛宣布要在2023年大量推送城市NOA功能，其實，像小鵬早就在去年9月向少量車主推送了城市NGP功能，開啟了城市NOA的內測。最近一段時間，這些車企都開始宣布了到年底的NOA推送計劃，可以說各家的計劃一個比一個激進。

cription-url="https://mmbiz.qpic.cn/mmbiz_jpg/jhoar0Aic06o7AxpP6As9ZicF2xkyhx4hGbdYqkr6SeNFvzI1dxzllma3I1FM6DThW7IS61DOCFOI1BrF2IcaIbg/0?wx_fmt=jpeg" data-cropselx1="0" data-cropselx2="578" data-cropsely1="0" data-cropsely2="321" data-type="jpeg" data-w="960" src="http://image.xny365.com/auto/202308/21/gvuj4jczh4k.jpg" max-width="700px" height="auto" />

華為宣布將在年底把NOA功能推廣到45個城市，小鵬就宣布推送50個城市，理想在前段時間更是直接將目標定在了100個，智己則直接拉到了333個城市，如此激進的目標，不但讓人懷疑能否完成，更讓用戶疑惑的是，車企為什么這么急？城市NOA尚不成熟就如此大張旗鼓的推送，到底車企想要拿消費者練什么？

高精度地圖限制大，各家技術路線逐漸趨同

高精度地圖更新緩慢，是車企發(fā)展自動駕駛面臨的困難，也是集體轉向重感知自動駕駛的根本原因。

目前，多家品牌都已經宣布了自己NOA功能的方案，早在3月底，小鵬就已經在上海、深圳、廣州三城開放了點到點的城市NGP功能，但此時的NGP還而以高精度地圖為主，但小鵬后來在在CVPR 發(fā)表的演講上可以看出，小鵬目前的布局是利用激光雷達做一些通用障礙物識別，主要還是以視覺感知BEV網絡進行訓練。

cription-url="https://mmbiz.qpic.cn/mmbiz_jpg/jhoar0Aic06o7AxpP6As9ZicF2xkyhx4hGbdYqkr6SeNFvzI1dxzllma3I1FM6DThW7IS61DOCFOI1BrF2IcaIbg/0?wx_fmt=jpeg" data-cropselx1="0" data-cropselx2="578" data-cropsely1="0" data-cropsely2="325" data-type="jpeg" data-w="960" src="http://image.xny365.com/auto/202308/21/hxe5ugmngw5.jpg" max-width="700px" height="auto" />

理想則在1月份的全員信中就提到，理想也將基于BEV感知和Transformer模型，從而實現更多城市NOA的落地，降低對高精度地圖的依賴。百度也已經在ANP 3.0上支持無圖識別紅綠燈，該功能也是基于“BEV環(huán)視三維感知”技術。蔚來也已經宣布自家智能駕駛感知將切換到BEV模型。近期智己也公布了城市NOA的落地布局，直接表示了早在2021年智己就已經實現了BEV和Transformer架構技術落地。

可以看到這些技術的背后，基本都基于了BEV和Transformer模型……可以說，車企們紛紛掉頭轉向用重感知的方案，所有接下來就能很好的理解，車企為何如此著急覆蓋更多城市。

開多少城并不重要，你所在城市的駕駛數據才是重點

重感知的一切都基于一個大模型，數據量成為滾雪球的基礎，但車企真正要拿到的是用戶所在各地差異化的駕駛數據。

cription-url="https://mmbiz.qpic.cn/mmbiz_jpg/jhoar0Aic06o7AxpP6As9ZicF2xkyhx4hGbdYqkr6SeNFvzI1dxzllma3I1FM6DThW7IS61DOCFOI1BrF2IcaIbg/0?wx_fmt=jpeg" data-cropselx1="0" data-cropselx2="578" data-cropsely1="0" data-cropsely2="321" data-type="jpeg" data-w="960" src="http://image.xny365.com/auto/202308/21/s3pobpmomjr.jpg" max-width="700px" height="auto" />

車企紛紛將重心放在了感知能力上，逐漸輕高精度地圖，其中就是當下的城市NOA嚴重受到高精度地圖的“枷鎖”，正如智己在發(fā)布會上所講，高精度地圖自身是一個好技術，但是城市的發(fā)展比較快，隨著道路施工、道路改變，每一次變化都會使得高精度地圖上增加一個斷點，而隨著時間的推移，斷點越來越多，依賴高精度地圖的自動駕駛體驗連續(xù)性就會下降，而高精度地圖的還要面臨更新慢的問題，這就使得各家轉向了感知為主的自動駕駛能力。

cription-url="https://mmbiz.qpic.cn/mmbiz_jpg/jhoar0Aic06o7AxpP6As9ZicF2xkyhx4hGbdYqkr6SeNFvzI1dxzllma3I1FM6DThW7IS61DOCFOI1BrF2IcaIbg/0?wx_fmt=jpeg" data-cropselx1="0" data-cropselx2="578" data-cropsely1="0" data-cropsely2="321" data-type="jpeg" data-w="960" src="http://image.xny365.com/auto/202308/21/iyfnhgqzfsk.jpg" max-width="700px" height="auto" />

而當下車企采用的Transformer模型和BEV，正是在2021年特斯拉AI Day上，Andrej Karpathy宣告的基于Transformer將攝像頭感知到的2D圖像轉化為汽車周圍環(huán)境鳥瞰圖“BEV”，ChatGPT也是基于Transformer大模型而成的。

所以當下的國產車企主推的的重感知輕地圖的城市NOA功能，都是看到特斯拉引入Transformer大模型和BEV后的效果，決定布局這一技術。

cription-url="https://mmbiz.qpic.cn/mmbiz_jpg/jhoar0Aic06o7AxpP6As9ZicF2xkyhx4hGbdYqkr6SeNFvzI1dxzllma3I1FM6DThW7IS61DOCFOI1BrF2IcaIbg/0?wx_fmt=jpeg" data-cropselx1="0" data-cropselx2="578" data-cropsely1="0" data-cropsely2="321" data-type="jpeg" data-w="960" src="http://image.xny365.com/auto/202308/21/lb223sgaw4o.jpg" max-width="700px" height="auto" />

既然車企現在選擇的重感知自動駕駛策略都以Transformer大模型和BEV為基礎，那么它就會和Chant GPT一樣，訓練究竟需要多少數據量，才會成為普通人眼中的“聰明”？沒有人知道，OpenAI也不知道，在ChatGPT不斷利用數據量讓它更聰明時，他們也驚訝于ChatGPT在經過大量數據訓練后，自己變得成為普通人眼中“聰明”的AI這件事。ChatGPT是語言模型，而車企的城市NOA則是視覺模型，所以對于車企來說，究竟要給自家NOA多少數據量進行訓練，誰也沒譜，只知道，誰的數據多，誰就能最快的完成這件事。

cription-url="https://mmbiz.qpic.cn/mmbiz_jpg/jhoar0Aic06o7AxpP6As9ZicF2xkyhx4hGbdYqkr6SeNFvzI1dxzllma3I1FM6DThW7IS61DOCFOI1BrF2IcaIbg/0?wx_fmt=jpeg" data-cropselx1="0" data-cropselx2="578" data-cropsely1="0" data-cropsely2="321" data-type="jpeg" data-w="960" src="http://image.xny365.com/auto/202308/21/i5dtgffhzvc.jpg" max-width="700px" height="auto" />

但為何是現在？其實想要做好這一功能，要有足夠好的算法，而算法背后，還有數據量的差距，獲取數據、標注、訓練、迭代，這套系統(tǒng)就會變得越來越好用，正是許多自動駕駛都在布局的雙環(huán)戰(zhàn)略中的數據閉環(huán)。此前，車企沒有如此快速的動作，是因為標注工作成為了數據量的掣肘，這些車企需要大量人力進行人工標注，標注的效率也相對更低。而后，各家都轉而使用了全自動標注系統(tǒng)，大大加快了標注速度，自標注、自學習。對于車企來說，真正的門檻就在數據量上了，弓在弦上，誰發(fā)的快，誰就能獲得先機。

cription-url="https://mmbiz.qpic.cn/mmbiz_jpg/jhoar0Aic06o7AxpP6As9ZicF2xkyhx4hGbdYqkr6SeNFvzI1dxzllma3I1FM6DThW7IS61DOCFOI1BrF2IcaIbg/0?wx_fmt=jpeg" data-cropselx1="0" data-cropselx2="578" data-cropsely1="0" data-cropsely2="321" data-type="jpeg" data-w="960" src="http://image.xny365.com/auto/202308/21/zigghyngxlp.jpg" max-width="700px" height="auto" />

講到這，就能看出，車企紛紛加速城市NOA落地，需要的就是海量的用戶駕駛數據，當下車企布局的重感知自動駕駛系統(tǒng)，對于數據閉環(huán)的要求非常高。正如ChatGPT一樣，架構有了，要的就是數據量，由量變引起質變，最終的自動駕駛就會變得足夠聰明。就像滾雪球一樣，只有足夠多的雪花，才能讓雪球成為一個雪人。對于各家來說，在自標注自學習的系統(tǒng)投入后，先發(fā)優(yōu)勢是后面玩家難以追趕的存在。

另外，在此前智己的公開課上，就能夠了解到，給系統(tǒng)投喂了數據后，自動駕駛系統(tǒng)會有類似人類的理解，比如識別紅綠燈，除了紅燈停車、綠燈通行外，在面對黃燈時，自動駕駛也會做出高速搶行黃燈，低速遇到黃燈減速停車的動作，可以說，車企紛紛搶的數據，就是不同人的不同駕駛習慣，甚至在這背后，有著不同城市的不同駕駛習慣，只要開了這個城市，就可以針對這一城市的駕駛習慣，建立一個規(guī)則體系，車到達這個城市時，自動駕駛也會轉變駕駛思路，這才是當下車企想要快速開城的本質，練的不僅僅只是對于道路特征的識別，而是從用戶手中，獲得更多有差異化的數據。

cription-url="https://mmbiz.qpic.cn/mmbiz_jpg/jhoar0Aic06o7AxpP6As9ZicF2xkyhx4hGbdYqkr6SeNFvzI1dxzllma3I1FM6DThW7IS61DOCFOI1BrF2IcaIbg/0?wx_fmt=jpeg" data-cropselx1="0" data-cropselx2="578" data-cropsely1="0" data-cropsely2="321" data-type="jpeg" data-w="960" src="http://image.xny365.com/auto/202308/21/d3xoraeswsu.jpg" max-width="700px" height="auto" />

其實這一點從理想發(fā)布的通勤NOA中就能夠獲得一些端倪，讓車主提前設置自己的通勤路線，通勤時段通常也是一個城市交通最擁堵時段，在路上的交通參與者性質一展無余，電動車、行人的多少，是否遵守交通規(guī)則，當地其他車主是否愛加塞、變道是否更頻繁，這些或許是當下在Transformer大模型下需要微調數據的部分，也是自主學習的核心，車企，要打造的是不同城市中更“聰明”的自動駕駛。

cription-url="https://mmbiz.qpic.cn/mmbiz_jpg/jhoar0Aic06o7AxpP6As9ZicF2xkyhx4hGbdYqkr6SeNFvzI1dxzllma3I1FM6DThW7IS61DOCFOI1BrF2IcaIbg/0?wx_fmt=jpeg" data-cropselx1="0" data-cropselx2="578" data-cropsely1="0" data-cropsely2="321" data-type="jpeg" data-w="960" src="http://image.xny365.com/auto/202308/21/4lrqcfpymvt.jpg" max-width="700px" height="auto" />

寫在最后

其實對于車企當下所說的50城、100城的目標并不重要，對于車企來說，需要快速獲得大量的數據，首先現將模型跑起來，進行優(yōu)化，誰能夠率先獲得大量數據，誰就獲得了先發(fā)優(yōu)勢，而激進的開城政策，其實都是在獲得大量數據后讓AI針對不同城市進行差異化訓練的準備，對于用戶來說，你所在城市的交通情況和習慣，正是車企需要的。

作者丨王宏宇

       原文標題 : 5家車企300城市，新勢力內卷NOA，在拿車主練什么