圖片來源 @視覺中國
文｜鄰章
觀察本屆車展，不難發現：一方面，玩家間在推動高階智能輔助駕駛技術落地的技術路線默契上已趨一緻；另一方面，主流玩家們推進城市導航輔助駕駛落地競争烈度也是更勝以往。
一、" 重感知 " 成自動駕駛玩家技術共識
2021 年上海車展前夕，依托高精地圖的極狐阿爾法 S 華爲 HI 版本自動駕駛測試視頻破圈，一時間成爲 " 高精地圖 + 激光雷達 " 的地圖派比拼以特斯拉和毫末智行爲代表的 " 重感知 " 派的例證。
但從後續發展來看，在多種原因綜合作用下，極狐阿爾法 S 華爲 HI 版本并未如預期般掀起風浪，其搭載的相關技術也似乎隻局限于媒體試駕之中。
而到了本屆車展，華爲則在推動高階智能輔助駕駛技術落地上，進行了一次重大的技術方向調整——開始擺脫對高精地圖的依賴，從過往的融合路線轉變爲重感知路線——華爲在上海車展前夕發布的 ADS 2.0（華爲高階智能駕駛系統），其核心要素之一就是重感知，" 實現有圖無圖 " 都能開
與華爲有着相同轉變的還有小鵬汽車，其在小鵬汽車技術架構發布會上也表示小鵬的 XNGP 主要是以視覺爲主，雷達爲輔，重感知、輕地圖的技術路線。
與此同時，理想汽車在車展期間宣布的城市導航輔助駕駛——理想 AD Max3.0，亦無需高精地圖；百度 Apollo 發布的城市智駕 Apollo City Driving Max，被其稱爲使用 " 純視覺感知就能在城市道路上帶給用戶連貫體驗的産品 "。
至此，這一由特斯拉在全球率先踐行、毫末智行在國内最早提出的 " 重感知 " 技術路線，在當下可以說已然成爲國内玩家們的技術路線共識。
當然，在重感知路線上，與特斯拉不同的是，國内廠商并沒有如特斯拉那般激進僅依靠攝像頭做純視覺方案，更多的是采用激光雷達 + 毫米波雷達 + 攝像頭的多傳感器融合。不過從最新業界傳聞來看，當前業内也準備逐步去掉激光雷達。
二、爲何高精地圖不香了？
爲什麽高精地圖于高階智能輔助駕駛技術而言，明明有那麽多優點，但當下車企卻紛紛開始輕高精地圖？
原因則在于高階智能輔助駕駛技術落地，需要達成技術與成本最優解，但當下高精地圖的困局，則恰恰在于難以達成這種最優解。
這大大限制了依托高精地圖的輔助駕駛技術落地速度——特别是在輔助駕駛系統加速上車、城市輔助駕駛加速落地，并愈發成爲吸引用戶購車重要驅動力的現實下。
餘承東在華爲 ADS 2.0 發布會上就坦言—— " 高精地圖成本非常高，僅僅采集上海市高精地圖，采集了一兩年、9000 公裏，都沒有把上海完全覆蓋。依賴于高精地圖很難做到普及，全國覆蓋的成本非常高。并且從國家安全的角度，幾個月才允許刷新，但是中國的道路天天在改，所以說依賴于高精地圖真的沒法廣泛使用。"
在此，可以說市場的優勝劣汰，推進了車企們在高階智能輔助駕駛技術路線上達成默契，而從另一個角度來看，一開始就以第一性原理爲指導，堅定走 " 重感知 " 路線的特斯拉和毫末智行，也的确擁有相當的技術前瞻性。
三、城市 NOA 落地競争烈度更勝以往
從現實來看，業内在達成高階智能輔助駕駛技術路線共識的同時，城市輔助駕駛（城市 NOA）落地競争烈度，也是更勝以往。
其實在城市導航輔助駕駛落地這件事兒上，玩家們的暗戰在去年就已經開始了。
去年九月，搭載毫末城市輔助駕駛系統（NOH）技術的魏牌摩卡 DHT-PHEV 成爲 " 國内首個量産上車的城市輔助駕駛系統 "，毫末智行更提出到 2024 年 " 毫末城市 NOH" 功能落地城市要達到 100 個，也由此開啓了玩家在國内城市導航輔助駕駛落地競賽。
如我們所見：
在毫末ＮＯＨ上車魏牌摩卡 DHT-PHEV 後不久，依托高精地圖的小鵬 G9，也秀出了其在廣州公開道路行駛的視頻。
而到了今年上海車展，卷城市導航輔助駕駛系統的落地速度，已成爲玩家們比拼的重要議題。
小鵬汽車計劃于今年上半年開放 XNGP 第一階段能力，廣州、深圳、上海可使用城市 NGP，下半年開放二階段能力。
華爲最新發布的 ADS2.0 當前已現實深圳、上海、廣州以及重慶（部分區域）落地；并計劃于今年 Q3 實現 15 個無圖城市的落地，Q4 達到 45 城。
理想汽車更是表示其理想 AD Max 3.0 的城市 NOA，将于本季度開始推送内測用戶，到年底将推送 100 座國内城市。
而特斯拉 FSD，目前也有傳聞稱其有可能于今年在國内落地。
各家你來我往之間的秀肌肉，也讓城市導航輔助駕駛在 2023 年，的确将如毫末智行董事長張凱所言—— " 進入快速增長的全線爆發期，2023 年是非常關鍵的一年。城市導航輔助駕駛産品在 2023 年将圍繞量産上車發力，主要玩家的城市導航輔助駕駛産品進入到真實用戶覆蓋和多城市落地的比拼。"
四、落地成本或成競争勝負手
随着技術路線共識達成，各家紛紛拿出城市 NOA 落地進度計劃表，這也意味着接下來的城市 NOA 市場競争重點，将落腳在如何在保障功能先進的前提下，推進低成本化，實現更多真實用戶覆蓋。所以從這個層面來說，落地成本将成爲自動駕駛競争勝負手。
爲什麽這麽說，這依舊需要回到自動駕駛技術成本和規模這個議題上來——成本限制規模（真實用戶覆蓋），但自動駕駛技術需要規模支撐。
但從現實來看，當前城市 NOA 的價格對用戶而言可能并不足夠友好，用戶若要使用城市 NOA，其費用并不低——諸如特斯拉 EAP 選裝費用爲 3.2 萬元，FSD 的選裝價格更是達到了 6.4 萬元；華爲 ADS2.0 高級包買斷費用爲 3.6 萬元，包年訂閱爲 7200 元，包月訂閱爲 720 元；蔚來汽車 NOP+ 訂閱費用爲 360 元每月；而其他所謂 " 标配、免費升級 "，其實也是羊毛出在羊身上——早已包含在購車價款之中，并且很多是頂配車型才配備。
但高價格将削弱用戶的選裝激情——即使是特斯拉 FSD，數據顯示在國内選裝率僅爲 1%-2%，全球選裝率也不過 7%，這大大限制了城市 NOA 的大規模推進落地速度。所以在此也顯而易見的是——要加速城市 NOA 等功能落地，就必須把其價格打下去。
那麽該從何處着手？
從現實而言，城市 NOA 的費用組成部分，一是如激光雷達、攝像頭、毫末波雷達以及自動駕駛芯片等硬件成本；二是爲算法服務的模型訓練、數據标注成本——毫末智行 CEO 顧維灏就談到：" 在人工智能領域，大部分人工都花費在了圖片标注上，過去在行業裏，标注一張交通類圖片的人工成本約 5 元左右 "。
所以在此也很明顯，一方面需要從硬件成本入手，這或也是爲什麽玩家們紛紛抛棄高精地圖走重感知路線，并且當前業内有企業準備逐步去掉激光雷達的原因所在；而另一方面則需善用新的人工智能技術，降低如數據标注、模型訓練等成本。諸如毫末智行利用毫末 DriveGPT 雪湖 · 海若的場景識别服務，就将圖片标準的人工成本從原來的 5 元左右降低到了 0.5 元一張。
在此，可以說硬件成本的下降以及用新技術達成類似圖片标注這種 10 倍成本下降的雙管齊下，爲高階智能輔助駕駛技術更快地達成技術與成本最優解，最終惠及用戶奠定了基礎。
寫在最後：
有調查顯示，作爲用戶出行的高頻剛需場景，城市駕駛裏程占到總駕駛裏程的 70% 左右，而在時間上，城市駕駛時長更是高達 90%。
這意味着一旦可在 " 城市道路中實現點到點 " 導航輔助駕駛 " 的城市智能輔助駕駛實現大規模落地，那麽這顯然将極大解決用戶駕駛難題，解放駕駛員的雙手——用戶僅需用戶在導航上設好目的地，車輛可在無需人爲接管的情況下，全程輔助駕駛到達終點。
當然，城市道路場景複雜程度遠大于高速 NOA 的客觀現實，也要求落地城市輔助駕駛的玩家們必須要安全爲先，要擁有經得起考驗的真技術。
而随着玩家們達成技術路線共識，轉而專心投入城市輔助駕駛系統落地比拼中，共同做大蛋糕，深挖感知技術，持續推進量産成本下降等等，這于我們用戶而言，顯然也是個好消息——畢竟玩家們越内卷，我們得到的，可能就會越多。
更多精彩内容，關注钛媒體微信号（ID：taimeiti），或者下載钛媒體 App
