车企布局城市NOA，如何攻占更多城池？

出品｜虎嗅智库

编辑｜黄思语

题图｜视觉中国

当涉及城市NOA（导航辅助驾驶）的实际应用时，车企的战略决策显得尤为关键。那么车企在竞逐城市NOA市场时，竞争基础是什么？城市NOA推城策略建立在哪些关键要素之上？数据融合和决策规控的能力如何保障技术的成功落地？此外，与技术的进步相比，用户需求和产品的不断演化是否保持了同步？

为回答这些问题，虎嗅智库撰写并发布了《车企布局城市NOA落地策略分析》研究报告。通过分析领先车企在城市NOA领域的战略实施，探讨城市NOA技术路线选择、感知规控等关键技术储备以及用户需求与产品迭代的协同关系，为汽车行业相关领域决策者提供有价值的参考意见。

本文为该报告核心内容。

技术路线影响开城策略

从技术路线来看，当前城市导航辅助驾驶功能可以分为高精地图版本和去高精地图版本两条技术路线。

其中，以“蔚小理”为代表的新势力领头向去高精地图技术路线演进，形成主流趋势。以阿维塔为代表的车企目前采用的是依赖于高精地图的技术路线，但阿维塔已公布将在ADS1.0依赖高精地图的技术路线基础上，ADS2.0将搭载去高精地图技术方案。综合来看，去高精地图技术路线逐渐成为车企共识，中长期将成主流技术路线。

另外技术路线的选择是开城的依据和底座。两种技术路线下的推城策略有着不同的依据和决策机制。

在重高精度地图技术路线下，城市NOA功能的推广速度取决于高精地图的供应情况。只要城市拥有高精地图并允许其使用，该城市的NOA功能就可以迅速落地，从研发角度而言，这有助于节省研发资源。然而，这一路线的问题在于成本高昂、地图采集费用昂贵且更新速度较慢，商业化难度大。目前仍有车企采用此路线，但更多车企正在转向去高精地图技术路线以适应市场需求。

对于去高精度地图技术路线，如特斯拉、蔚来等车企所采用的，城市NOA功能的推广顺序和决策基于车企的泛化能力。这包括机器学习的效率，将城市道路拓扑关系进行学习和标注，以及人工校验的效率，以纠正机器学习中的错误。这一路线的特点在于依赖于车企的数据处理和泛化能力，而不是传统的高精度地图。这使车企能够更自主地决定开放城市的顺序，同时也提供了更灵活的商业化机会。因此，两种技术路线的推城策略和决策方式各自有其优势和挑战。

感知和决策规控能力很关键

城市NOA的技术路线在感知环节主要涵盖三个关键技术，即BEV技术、transformer技术以及占用网络。BEV技术允许摄像头采集的场景信息以360°的鸟瞰方式呈现，包括距离和时间等关键要素，提供全景式的感知能力。Transformer技术则通过将图片感知方式转变为视频感知方式，实现更接近人类视觉感知的实时效果，从而提高感知的准确性。而占用网络的创新则将感知提升到一个新的层次，使车辆能够更好地应对未知物体并进行智能避让，而不仅仅依赖于已知物体的识别。

数据融合及数据处理是决策规控的关键技术，这一环节目前涵盖两种主要技术路线，规则制和模型化，其中模型化被认为是未来的主流模式。数据量在决定选择技术路线时起着至关重要的作用，但目前尚未明确数据量需要达到的临界值，以实现模型化技术路线的优势。因此，多数车企目前采用规则制技术路线，同时进行模型化技术路线的研发实践。

蔚来汽车已经初步实现了模型化，但尚未形成真正的大模型。在城市NOA中，模型化技术路线被认为是未来的主流，其基本原理类似于GPT模型，通过大规模数据的喂养和自我训练，模型化技术将带来决策规控效果的爆发性增长。

硬件配置与算力部署是基础底座

在城市道路等复杂环境中，强大的硬件和算力能使车辆能够迅速、准确地理解并应对各种情况，提高系统的安全性。此外也为技术改进提供基础，允许车企不断升级和改进自动驾驶系统，以适应不断变化的市场需求。硬件配置包括传感器、摄像头、激光雷达等，它们负责感知车辆周围的环境。算力部署指的是用于处理传感器数据并作出决策的计算能力。

硬件配置与算力部署，与决策规控环节数据量的临界值相关。临界值的大小取决于两个因素：一是数据质量，二是数据获取效率，数据质量高，所需的数据量就相对小，数据质量低，就需要更大规模数据量弥补数据质量不足。

车企采集的数据质量取决于两个因素，第一个是硬件能力，以摄像头为例，像素高的相机拍摄的照片质量一定高于像素低的照片质量，第二个是带宽，因为车端数据不可能处理全量数据，需要对数据进行筛选，留下有效数据。因此，车企竞争城市NOA，硬件配置和算力部署成为竞争基础。

从芯片和激光雷达等硬件配置来看，多家车企采用英伟达的Orin芯片，配置的数量从1-4颗不等，阿维塔、极狐等华为系车企配置华为自研芯片，以魏牌为代表的车企则尝试采用高通芯片；多家车企选择配置1-3颗激光雷达。

各家车企的硬件和算力部署具体情况可点击《车企布局城市NOA落地策略分析》查看。

用户与产品优化的协同关系

当前城市NOA的落地进展与用户的使用模式和产品优化密切相关。车企采用多种指标来实时监测城市NOA功能的运行情况，其中用户的活跃度等数据是重要的判断标准之一。如蔚来、理想、阿维塔等，通过后台监测用户的活跃度来评估功能是否正常运行。对于采用订阅模式的车企，还会通过用户的付费订阅情况来判断功能的有效性。这些数据反映了用户对城市NOA的需求和满意度，是产品优化的重要反馈。

从收费模式来看，车企采用免费模式和订阅模式两种类型。如理想汽车、小鹏汽车选择免费模式，以提升用户对智能驾驶的认知和体验，同时积累更多数据用于产品迭代。另一方面，蔚来汽车、阿维塔科技采用订阅模式，提供多种收费选项，以根据用户需求和付费能力来提供城市NOA功能。这种多样化的收费模式有助于满足不同用户群体的需求，并提供更多增值服务。

在监测用户活跃数据时，车企需要谨慎把握监控的程度，以避免法律风险和维护用户隐私。平衡监控和监管合法性之间的关系至关重要。一旦用户使用城市NOA功能的活跃度低于监控值，车企会采取召回等措施，对功能进行升级和维护，以满足用户需求。

结语

在城市NOA市场竞争中，车企的竞争基础主要体现在技术路线选择、感知决策规控能力、硬件和算力竞争，以及用户需求与产品优化的协同能力。这些关键因素将决定城市NOA技术的成功落地以及车企在市场中的竞争地位。

现登录虎嗅智库官网 ，注册限时体验会员账号，不错过任何最新活动信息。

关于虎嗅智库：

虎嗅智库致力于推动产业数字化以及以“双碳”转型为代表的可持续发展，为参与这个进程的中国企业高管、政府相关决策服务。我们主要的服务手段主要为：研究型内容（报告、分析文章、调研评选）、数据库、线上线下活动与社群、定制型项目等。

 

我们提供的核心价值：

及时与优质的洞察，了解技术、了解行业、了解同行与对手；

为决策者技术与产品战略决策、产业规划、解决方案选型提供重要参考；

帮助市场全面了解前沿科技及所影响产业的发展状况，还有未来趋势。