在当今数字化营销时代，广告不再是唯一拓展品牌影响力的途径，智能驾驶技术正逐渐成为企业推广产品与服务的新利器。通过数据分析和机器学习，智慧驾驶技术让品牌更精准地找到目标受众、制定个性化的营销策略，实现超越传统广告学的全新营销范式。

2023年智驾行业最热门的词，一定是无图城市NOA。

无图城市NOA意味着智驾车辆摆脱对高精地图的依赖，仅靠自身的传感器和普通导航地图，能在更多城市中将驾驶员从繁杂的驾驶任务中解放出来。对消费者来说，这是他们最期待的智驾功能；对智驾企业来说，这是他们竞相争夺的“圣杯”。

从这一年开年起，多家车企不停吹风，将推出不依赖高精地图的城市NOA产品，年底前保证开城XX座。但一年时间中，围绕无图城市高阶智驾量产的打脸此起彼伏。

有些公司设定的无图城市NOA开城计划从秋天推到冬天，从年底前转进到第二年；也有些公司被控诉，表面宣传无图方案，实则对高精地图的使用未曾断绝。除了极少数兑现承诺的公司，无图城市NOA的量产竞赛更像是一场宣传角力。

过度宣传带来了反噬，不少消费者将无图城市NOA默认为吹牛，但这也是行业正本清源的机会。

在智驾企业中，元戎启行是最早参赛无图城市NOA的那一批，他们在2020年敲定了不依赖高精地图的智驾路线，经过三年研发，于去年初发布了不依赖高精地图的城市NOA智能驾驶方案DeepRoute-Driver 3.0，把智驾开城的竞争维度从“快”丰富为“多快好省”，获得了车企的青睐。

元戎启行“无图”智驾方案在上海的晚高峰路段进行路测

背后的道理很简单：智能驾驶是一项十项全能竞赛。从“假开城、假无图”，走向“真无图，真量产”， 快很重要，但不顾一切的快不是无图城市NOA的唯一赢法。

在无图潮流中，在种种广告与争议中，高阶智驾势必会回归商业本质。

01

绘图速度追不上开城

在陡然失势前，高精地图曾经被中国企业热烈追捧。

2018年，通用汽车的新款凯迪拉克CT6进入中国，高配车型搭载了Super Cruise超级辅助驾驶系统，系统依托高德率先量产的高精地图工作，能在高速上解放驾驶员的双脚。在2020年前后，新势力们也开始基于高精地图发布高速NOA功能。

在当时，乘用车上的智驾系统硬件与软件能力都相对有限，而高精地图是一种强大的辅助工具。一方面，高精地图绘制出了道路上的静态元素，可以降低智驾系统感知的难度；另一方面，高精地图提供的超视距先验信息，也能帮助智驾车辆及早进行行驶路径的规划，减少无效变道。

高精地图约等于高阶智驾的“作弊器”，尤其是在复杂路口

这一时期，国内不仅老牌图商纷纷入局，也迎来了高精地图创业热以及地图采集资质的扩容大潮。采集高精地图所需的导航电子地图甲级制作资质，原本仅有十余张，2020年暴涨至近30张。除了特斯拉和一小部分创业公司，行业大都认可高精地图能够帮助自动驾驶量产，加速商业化。

但3年后，高精地图的地位迎来反转，在车企与智驾供应商们的齐声呼喊下，“无图”方案成为更主流的趋势。这种变化的原因有些戏剧性——智驾的商业化进程进一步加速了。

2023年，小鹏、问界等新势力产品中智能化属性拉满的高配车型销量大涨，占比超过50%。来自麦肯锡的消费者调查报告显示，本土高端新势力能够抢单传统豪华品牌，“更先进的自动驾驶”位列第二要素[1]。这意味着，在中高档车型上， 高阶智驾已经成为影响消费者购买决策的主要因素。

而在日常驾驶场景中，城区占据了超过80%驾驶里程与时长。能够在城里解放驾驶员的城市高阶智驾/城市NOA，自然成为智能电动汽车的杀手级应用。为了赢得订单，车企向城市NOA投放了巨量资源，以季度为单位推动智驾开城，将算法迭代的速度卷到了周更甚至日更。

而在车企争分夺秒时，高精地图成了拖后腿的存在。当智驾的领军车企设定了一年时间开城数十上百座甚至全国都能开的目标时，去年上半年国内开放了城区高精地图的城市只有个位数。

差得这么远的原因在于，高精地图是一种准入门槛高、资产类型重的基础设施，成本高、采集难、审核严、更新慢——模式有点像修铁路，修好后收益不小，但短时间修遍全国不现实，谁来出钱也是个难题。

老牌图商四维图新披露过数据，8年时间在高精地图上花费了30亿元，而想要覆盖全国高精地图成本是100-200亿元，以及每年额外的更新费用[2]。

为了避免被成本拖垮，百度、高德、腾讯、四维图新都推出了基于众包方案的轻量级高精地图，并拿到了过百城市的审图号。但车企出于多方面的疑虑反应并不积极：更新速度如何？数据的归属权如何？图商会转嫁过来多少地图采集与更新成本？

就在高精地图路线遇阻之时，实力较强的车企与智驾企业在2023年进行了技术的史诗级更新，将Transformer+BEV引入到高阶智驾的技术栈中，通过传感器数据的前融合，获得了更强的智驾实时感知能力，将感知与规控统一到了一个坐标系。

BEV+Transformer让智驾实时感知能力大增

高精地图大部分功能，能够被这套新的技术栈取代。车企发现Transformer+BEV的技术下，导航地图够用了，高精地图声势渐弱自然不奇怪。

02

广告学的面子 工程学的里子

然而，在业界高喊去高精地图的过程中，也出现了一些趣事：去年10月，有图商出面打假，指出一些车企的智驾方案看似无图，实则在暗地使用高精地图，“真假无图”在智驾圈子里一时引发了热烈讨论。

争端背后是车主们不太了解的行业现实：无图智驾口头开城简单，工程实践难上加难。

如果将高阶智驾比作一场考试，那么高精地图可以看作一份被精心修正过的、表达道路静态元素的参考答案，里面已经提前清晰地划出了车道线，车道线的通达、连接关系，车道线与红绿灯的对应关系等。在现实中道路静态物体没变化的前提下，它是稳定而值得信赖的。

在高精地图的帮助下，车企开发智驾系统时可以更多将资源、算力用于动态物体的感知与应对上，能够显著降低城市NOA的工作难度、保证使用体验（如过十字路口时更稳定、无效变道更少）。这也是为何一些车企会在高阶智驾产品上遵循“有图用图”的原则。

而智驾系统在去高精地图后，对道路静态元素感知就不再是“抄答案、对答案”，而是要依靠车辆的实时感知自己解题。这需要对技术框架进行大范围改造，感知、预测、规控算法都要改，难度几何级提升。在各种场景和细节中，学霸与学渣的区别便会显现出来。

比如在车道线不清晰的地方、十字路口，车辆需要自己脑补车道；车辆要根据看到的路牌和地面标志，推测道路是左转、直行还是右转；车辆需要自己学习“哪个红绿灯控制哪条车道”······而在不同城市中，车道线、路口特征、标志、红绿灯可能会有不同形态，这些都需要大量收集真实道路数据，训练出一个见多识广的感知网络。

又比如在没有高精地图后系统缺乏超视距感知，作为弥补车辆需要大幅提升感知距离（避免进错车道、或错过路口等）。但在BEV技术框架下，提升感知距离又会显著增加算力的消耗，如何把一份算力掰成两份花是必修的课题。

实际上，城市NOA转向无图，影响的远不止感知环节。

因为整个技术逻辑从类似于开火车变成了真正灵活地开汽车，要求车辆在自由度极高、 变量极多的空间里快速交互、博弈，不断找到最优解并精确执行。这在数学原理上有些像被AlphaGo解决的围棋，但又远比围棋更复杂。

在城市中，智驾车辆需要高频判断、执行最优路径

为了保证安全、效率，智驾系统需要对包括车、人、非机动车甚至宠物在内的大量交通参与者作出较长时间的运动轨迹预测。如果想要精确，需要收集、训练的数据维度将超乎想象，不仅有各类物体的交通行为，甚至会包括人类的姿势乃至手势。

而对多物体长时间的轨迹预测，也会在实时运行中大量消耗芯片算力与内存，需要特定的内存优化技术。

在智驾的规划控制环节，由于实时感知结果更容易“漂移”，大量“行踪不定”的交通参与者扑面而来，规控算法也迎来了巨大挑战，它必须能够为充满不确定性的上游结果兜底，保持稳健但又不过于谨慎，在行车安全、效率、舒适中取得平衡。

在大量的既要又要中，传统基于人工规则的规控方案已很难应对，国内的头部企业都在摸索神经网络+人工规则的混合规控方案。

而要实现各环节算法精进的前提，是先解决如何有效进行自动化数据标注、场景挖掘，搭建能真正把云端算力储备用上的数据闭环，这同样潜藏着大量的know-how。

上述种种问题相互纠缠影响，解决需要持续的资源投入与工程实践的积累。储备不足又起步较晚的企业，在竞争压力下确有可能通过偷偷开挂的方式来欲盖弥彰。

实际上，如今国内流行的无图城市NOA，特斯拉在前两年的AI Day上就已经给出了大致的方向，但具体的道路只能由国内的企业自行摸索，而摸索的过程已经足够筛掉大部分行业参与者。

03

回归商业本质

如果要给国内智驾行业断代，那么在去年以前，呼声更高的显然是力大砖飞的派别，这时车企与智驾供应商热衷于在车辆上玩“叠叠乐”，被堆叠的不仅是高精地图，还有高规格传感器、大算力芯片，尝试以各种外部依赖解决棘手的智驾难题。

而在2023年以来，与去高精地图同步进行的，是行业尝试用尽可能少的硬件和算力，挑战量产高阶智驾。极越喊出了去激光雷达，大疆要在数十T算力的芯片上做通勤模式智驾，而元戎启行则推出了基于单枚OrinX、不依赖高精地图的高阶智驾方案。

它们内在的逻辑一致，都是降低成本，从而登上更多量产车，尽早真正实现大规模的高阶智能驾驶商业化。

理论上，对各种基础设施和硬件的依赖越少，智驾方案的泛化性就越强、成本越低，能进入的市场也越广阔。但同样，能依赖的武器越少，也会愈发考验一家智驾公司的内功——不依赖高精地图是上乘武功，而在算力不那么大的平台上做出无图城市NOA，则是顶级功法。

目前，城市NOA大多使用Orin X作为计算芯片，单枚AI算力254TOPS，成本约400美元。目前车企普遍使用两枚Orin X组合的计算平台，算力翻倍，但成本并非400美元X2。由于布置两枚Orin X需要额外的PCB板、I/O、供电以及更高规格的散热设计等，两枚Orin X构成的计算平台成本会显著高于单枚Orin X平台的2倍。

只用一枚Orin X驱动无图城市NOA意味着大量的成本节约。

2023年，元戎启行推出高阶智驾方案DeepRoute-Driver 3.0，其中支持无图城市NOA的Pro版本使用单枚Orin X，使用7枚摄像头和一枚激光雷达，硬件成本2000美元，Air版支持高速NOA，硬件成本1000美元。作为参考，小鹏使用了双OrinX、激光雷达加上Nappa真皮的G6 Max版，比使用单Orin X、无激光雷达的G6 Pro贵了两万。

元戎启行 D-PRO与D-AIR 两款智能驾驶产品

但在一颗Orin X上量产无图城市NOA也意味着极限挑战。

由于Transformer+BEV架构下的高阶智驾算法模型在快速成长，神经网络参数与层数都远超从前，因此对算力与存储的要求更高。要在计算负载更重的情况下用更少的算力完成任务，一方面考验对模型的优化、压缩，另一方面则考验对算力的充分压榨。

一个冷知识是，Orin X对外宣称的254T算力由GPU、DLA两种计算单元共同提供，如果要高效利用算力，则要求智驾企业对不同的计算单元足够了解，有相应的开发能力让算法同时调用它们。当然实际情况更复杂，因为Orin X上还有CPU、DSP等多类计算单元。

为了极致压榨算力，元戎启行使用了名为DeepRoute-Engine的推理引擎技术，它能拆分、合并算法中不同算子（一套算法由大量不同算子组成，每个算子可以看成是一项计算函数）的相近、相同计算需求，灵活分配给Orin X上的异构计算单元，减少重复计算和数据搬运、等待，缓解带宽瓶颈，有效提升芯片算力的利用率。

实际上，为了帮助下游用好芯片，英伟达会提供一些深度学习加速库供合作伙伴调用，但来自英伟达的帮助只能让下游达到平均水平。而智驾系统应用端算法的变化总是会快于英伟达的支持，此时能够多大程度发挥芯片性能的决定性因素，还是智驾企业的积累与创新。

元戎启行“无图”智驾方案在狭窄路段中通行

而元戎启行已经在自研的推理引擎上投入了多年时间开发、迭代，才能与其他工程手段一起，形成降低成本、提升性能的组合拳。在多地的泛化测试中，元戎启行基于单枚Orin X的无图城市NOA方案表现流畅，这最终帮助他们获得了多家车企的订单。

尾声

2023年，随着ChatGPT爆火，大力出奇迹的风潮在泛AI领域蔓延，大模型的风也吹到了汽车领域。

但高阶智驾作为搭载在汽车上、依赖在端侧实时计算的AI，其实很难指望大力出奇迹。它既要尊重汽车行业的特色：多到令人发指的约束条件；也要尊重软件行业的规律：想要发挥软件的边际效应，就必须设定足够低的硬件门槛。

越早选择同时尊重两条规律、为此踏入真·量产路程的智驾企业，越可能活到终局。

参考资料：

[1] 2023麦肯锡中国汽车消费者洞察，McKinsey

[2]智能驾驶火速迭代：“有图”“无图” 谁更靠谱，广州日报

作者：远川汽车组

编辑：罗松松

视觉设计：疏睿

责任编辑：远川汽车组

以上就是无图智驾：超越广告学的相关介绍，希望能对你有帮助，如果您还没有找到满意的解决方式，可以往下看看相关文章，有很多无图智驾：超越广告学相关的拓展，希望能够找到您想要的答案。