(资料图片)

观察本届车展，不难发现：一方面，玩家间在推动高阶智能辅助驾驶技术落地的技术路线默契上已趋一致；另一方面，主流玩家们推进城市导航辅助驾驶落地竞争烈度也是更胜以往。

一、“重感知”成自动驾驶玩家技术共识

2021年上海车展前夕，依托高精地图的极狐阿尔法S华为HI版本自动驾驶测试视频破圈，一时间成为“高精地图+激光雷达”的地图派比拼以特斯拉和毫末智行为代表的“重感知”派的例证。

但从后续发展来看，在多种原因综合作用下，极狐阿尔法S华为HI版本并未如预期般掀起风浪，其搭载的相关技术也似乎只局限于媒体试驾之中。

而到了本届车展，华为则在推动高阶智能辅助驾驶技术落地上，进行了一次重大的技术方向调整——开始摆脱对高精地图的依赖，从过往的融合路线转变为重感知路线——华为在上海车展前夕发布的ADS 2.0（华为高阶智能驾驶系统），其核心要素之一就是重感知，“实现有图无图”都能开

与华为有着相同转变的还有小鹏汽车，其在小鹏汽车技术架构发布会上也表示小鹏的XNGP主要是以视觉为主，雷达为辅，重感知、轻地图的技术路线。

与此同时，理想汽车在车展期间宣布的城市导航辅助驾驶——理想AD Max3.0，亦无需高精地图；百度Apollo发布的城市智驾Apollo City Driving Max，被其称为使用“纯视觉感知就能在城市道路上带给用户连贯体验的产品”。

至此，这一由特斯拉在全球率先践行、毫末智行在国内最早提出的“重感知”技术路线，在当下可以说已然成为国内玩家们的技术路线共识。

当然，在重感知路线上，与特斯拉不同的是，国内厂商并没有如特斯拉那般激进仅依靠摄像头做纯视觉方案，更多的是采用激光雷达+毫米波雷达+摄像头的多传感器融合。不过从最新业界传闻来看，当前业内也准备逐步去掉激光雷达。

二、为何高精地图不香了？

为什么高精地图于高阶智能辅助驾驶技术而言，明明有那么多优点，但当下车企却纷纷开始轻高精地图？

原因则在于高阶智能辅助驾驶技术落地，需要达成技术与成本最优解，但当下高精地图的困局，则恰恰在于难以达成这种最优解。

这大大限制了依托高精地图的辅助驾驶技术落地速度——特别是在辅助驾驶系统加速上车、城市辅助驾驶加速落地，并愈发成为吸引用户购车重要驱动力的现实下。

余承东在华为ADS 2.0发布会上就坦言——“高精地图成本非常高，仅仅采集上海市高精地图，采集了一两年、9000公里，都没有把上海完全覆盖。依赖于高精地图很难做到普及，全国覆盖的成本非常高。并且从国家安全的角度，几个月才允许刷新，但是中国的道路天天在改，所以说依赖于高精地图真的没法广泛使用。”

在此，可以说市场的优胜劣汰，推进了车企们在高阶智能辅助驾驶技术路线上达成默契，而从另一个角度来看，一开始就以第一性原理为指导，坚定走“重感知”路线的特斯拉和毫末智行，也的确拥有相当的技术前瞻性。

三、城市NOA落地竞争烈度更胜以往

从现实来看，业内在达成高阶智能辅助驾驶技术路线共识的同时，城市辅助驾驶（城市NOA）落地竞争烈度，也是更胜以往。

其实在城市导航辅助驾驶落地这件事儿上，玩家们的暗战在去年就已经开始了。

去年九月，搭载毫末城市辅助驾驶系统（NOH）技术的魏牌摩卡DHT-PHEV成为 “国内首个量产上车的城市辅助驾驶系统”，毫末智行更提出到2024年“毫末城市NOH”功能落地城市要达到100个，也由此开启了玩家在国内城市导航辅助驾驶落地竞赛。

如我们所见：

在毫末ＮＯＨ上车魏牌摩卡DHT-PHEV后不久，依托高精地图的小鹏G9，也秀出了其在广州公开道路行驶的视频。

而到了今年上海车展，卷城市导航辅助驾驶系统的落地速度，已成为玩家们比拼的重要议题。

小鹏汽车计划于今年上半年开放XNGP第一阶段能力，广州、深圳、上海可使用城市NGP，下半年开放二阶段能力。

华为最新发布的ADS2.0当前已现实深圳、上海、广州以及重庆（部分区域）落地；并计划于今年Q3实现15个无图城市的落地，Q4达到45城。

理想汽车更是表示其理想AD Max 3.0的城市NOA，将于本季度开始推送内测用户，到年底将推送100座国内城市。

而特斯拉FSD，目前也有传闻称其有可能于今年在国内落地。

各家你来我往之间的秀肌肉，也让城市导航辅助驾驶在2023年，的确将如毫末智行董事长张凯所言——“进入快速增长的全线爆发期，2023年是非常关键的一年。城市导航辅助驾驶产品在2023年将围绕量产上车发力，主要玩家的城市导航辅助驾驶产品进入到真实用户覆盖和多城市落地的比拼。”

四、落地成本或成竞争胜负手

随着技术路线共识达成，各家纷纷拿出城市NOA落地进度计划表，这也意味着接下来的城市NOA市场竞争重点，将落脚在如何在保障功能先进的前提下，推进低成本化，实现更多真实用户覆盖。所以从这个层面来说，落地成本将成为自动驾驶竞争胜负手。

为什么这么说，这依旧需要回到自动驾驶技术成本和规模这个议题上来——成本限制规模（真实用户覆盖），但自动驾驶技术需要规模支撑。

但从现实来看，当前城市NOA的价格对用户而言可能并不足够友好，用户若要使用城市NOA，其费用并不低——诸如特斯拉EAP选装费用为3.2万元，FSD的选装价格更是达到了6.4万元；华为ADS2.0高级包买断费用为3.6万元，包年订阅为7200 元，包月订阅为 720元；蔚来汽车NOP+订阅费用为360元每月；而其他所谓“标配、免费升级”，其实也是羊毛出在羊身上——早已包含在购车价款之中，并且很多是顶配车型才配备。

但高价格将削弱用户的选装激情——即使是特斯拉FSD，数据显示在国内选装率仅为1%-2%，全球选装率也不过7%，这大大限制了城市NOA的大规模推进落地速度。所以在此也显而易见的是——要加速城市NOA等功能落地，就必须把其价格打下去。

那么该从何处着手？

从现实而言，城市NOA的费用组成部分，一是如激光雷达、摄像头、毫末波雷达以及自动驾驶芯片等硬件成本；二是为算法服务的模型训练、数据标注成本——毫末智行CEO顾维灏就谈到：“在人工智能领域，大部分人工都花费在了图片标注上，过去在行业里，标注一张交通类图片的人工成本约5元左右”。

所以在此也很明显，一方面需要从硬件成本入手，这或也是为什么玩家们纷纷抛弃高精地图走重感知路线，并且当前业内有企业准备逐步去掉激光雷达的原因所在；而另一方面则需善用新的人工智能技术，降低如数据标注、模型训练等成本。诸如毫末智行利用毫末DriveGPT雪湖·海若的场景识别服务，就将图片标准的人工成本从原来的5元左右降低到了0.5元一张。

在此，可以说硬件成本的下降以及用新技术达成类似图片标注这种10倍成本下降的双管齐下，为高阶智能辅助驾驶技术更快地达成技术与成本最优解，最终惠及用户奠定了基础。

有调查显示，作为用户出行的高频刚需场景，城市驾驶里程占到总驾驶里程的70%左右，而在时间上，城市驾驶时长更是高达90%。

这意味着一旦可在“城市道路中实现点到点“导航辅助驾驶”的城市智能辅助驾驶实现大规模落地，那么这显然将极大解决用户驾驶难题，解放驾驶员的双手——用户仅需用户在导航上设好目的地，车辆可在无需人为接管的情况下，全程辅助驾驶到达终点。

当然，城市道路场景复杂程度远大于高速NOA的客观现实，也要求落地城市辅助驾驶的玩家们必须要安全为先，要拥有经得起考验的真技术。

而随着玩家们达成技术路线共识，转而专心投入城市辅助驾驶系统落地比拼中，共同做大蛋糕，深挖感知技术，持续推进量产成本下降等等，这于我们用户而言，显然也是个好消息——毕竟玩家们越内卷，我们得到的，可能就会越多。

关键词：