打开APP

汽车智能化进入赛点:城市NOA落地竞速,战至最后一公里

尽管城市NOA落地或许仅仅是这两年智能驾驶迈上的一个小台阶,但它背后所讲述的中国汽车智能化故事,却将继续书写下去。

城市NOA的竞争正在加速进入落地阶段,6月即将结束,理想汽车计划在剩余几天内,在北京和上海开启城市辅助智能驾驶功能内测,并在下半年推出通勤智能驾驶功能。

其应用方法是,车主可用在日常使用中,基于智能化车辆的配置进行自主训练,令车辆熟悉上下班通勤的固定路线,进而在这一场景实现辅助智能驾驶。

同一时间段,特斯拉被曝其辅助驾驶系统FSD Beta的代码中,已隐藏有L3级别自动驾驶功能,可以在时速得到限制的情况下脱离驾驶员的手脚操作。

此前,中国工信部和美国几个州管理部门均已表示支持L3级及更高级别的自动驾驶功能商业化应用,并加速推动法规层面的责任划分。

城市,因其复杂的交通环境和可能出现的突发状况,无疑是所有智能驾驶场景中最难攻克的一关。但又因其用户使用频率和品牌感知价值,成为车企的兵家必争之地。理想汽车智能驾驶副总裁郎咸朋此前就表示,行业的*痛点,就是“消费者对智能驾驶的价值没有直观感知”。

地平线创始人、CEO余凯在今年4月初举行的中国电动汽车百人会论坛(2023)指出:“什么是用户价值,当前用户对驾驶的需求真的是无人驾驶吗?我们的调查数据显示,87%的用户真正要的是驾驶过程中那种轻松感、消除紧张和疲劳。”而这正是在城市场景落地辅助智能驾驶的*意义。

显然,如此重要的场景注定会遭遇车企的一拥而上。理想甚至已经算是后来者,从毫末智行等技术供应商,到小鹏汽车等主打智能化卖点的车企,城市NOA的竞速,早已变成“卷王”的战场。赛点已现,胜点又在哪里?

01 城市NOA,“卷王”扛大旗

理想汽车目前已面向L系列的7个车型推送了相关更新,但在试图加入城市NOA的大军面前,这只能算达到了参战标准。据不完全统计,车企的城市NOA落地竞速大致始于去年9月,至今已有多家车企拿出成果。

例如去年9月,毫末智行宣布城市NOH( Navigation On HPilot,领航辅助驾驶)即将量产,搭载于魏牌摩卡DHT-PHEV并成为 “国内*量产上车的城市辅助驾驶系统”。而在今年4月上海车展期间,小鹏、华为、腾讯等纷纷公布了关于城市NOA的方案或落地进展。除了自研,合作也是一条道路。例如智己汽车与Momenta合作,为旗下L7 和 LS7车型配备了NOA功能。

NOA是智能化最直接的表现亮点之一,而智能化和电动化又是新能源车弯道超车燃油车的关键途径——通过再造一个体系,实现不同标准下的错位竞争。所以,这引发了从传统车企到新锐车企的共同争抢。长城汽车依靠的是子公司毫末智行,而吉利也推出了自己的高阶智驾领航系统,比亚迪则与百度、Momenta、地平线等开展了广泛合作。

早期,车企还抱着试探的态度,如今NOA成为了产品力的一部分,车企才给予了更大力度的押注。5月中旬,工信部放出消息称《智能网联汽车标准体系指南》即将正式发布,其中涵盖了对L3级别自动驾驶商业化的相关规定。中信证券认为,这有望为行业后续发展扫清障碍。

导致转折的另一大关键点,是数据积累的奇点已至。早期智能车受限于软硬件水平、应用规模等,能从现实中获取的数据信息十分有限,难以根据这些要素迭代出成果。但经过长期发展,越来越多的车企构建了自己的智能驾驶大模型——值得一提的是,车企推动数据应用具有天然优势,例如按里程数据看,滴滴是世界上*拥有千亿公里数据的自动驾驶公司,但要让这些数据转化为智能驾驶的养料,则有明显的难度。

交通运输部数据显示,中国公路总里程目前超过535万公里。按结构看,其中仅有不到20万公里归属于高速公路场景,其余场景中,尤其是车主日常行驶最多的,正是城市场景。大部分车企的车主,预估有八成以上的行驶里程是在城市场景内,并以日常通勤为主。

因此,对已经积累了足够道路和行驶数据的车企而言,开放用户训练的权限顺理成章。

例如,理想汽车的自动驾驶训练里程已突破6亿公里,用户可以基于自己设置的固定通勤路线,在每次通勤过程中对NPN(神经先验网络,使用大模型构建城市路口等场景的信息模型,当信息被采集后,其他搭载城市NOA系统的车辆将可以利用这一云端信息与车端BEV感知,输出合理的预测)特征进行日常训练。1-3周后,相应路线即成为一条成熟的NOA通勤路线。

这给予了终端车辆和车主极大的自由度,也让自动驾驶真正成为日常使用可感知的存在。

值得一提的是,理想的城市NOA也成为了自动驾驶抛弃高精地图的代表案例,转而为大模型“吸粉”甚多。理想前自动驾驶首席科学家王轶轮在微博发文表示:“NPN特征由神经网络生成,经过了NN编码、加密后,它不具备人类可以看懂的道路信息,且与实车BEV融合还原出非常棒的感知结果。但NPN必须基于大规模车队才有意义,可以高频率地更新。”

“国内很多路口极复杂,我认为NPN加强会是无图化的必要过程。”他指出。这也给争夺城市NOA的车企提了个醒,随着现有路线落地越来越多,需要迭代解决的问题也会更多、更复杂。

02 背后供应链应势而变,智能化改写市场格局

6月16日,华为智能汽车解决方案BU的CEO余承东在2023未来汽车先行者大会上表示:“未来五年、十年,能活下来的主力车厂是少数,因为走向智能化时代,投资规模非常大,成为巨头才能支撑未来持续发展。”

智能驾驶正是典型的投入规模大、回报周期长的领域,要获得收益并不容易。其原因不仅仅在于需要时间积累,背后的整体供应链投入也不容忽视。仅仅一个硬件成本,就让很多玩家不得不抛弃高精地图路线,转向对感知的利用。而在感知侧的配置上,昂贵的激光雷达逐渐被替换为便宜的产品,甚至也一点点被抛弃。

在激光雷达从六七位数的天价售价降价到几千元的过程中,仍有很多车企考虑不使用这个硬件。就连全球车载激光雷达销量冠军禾赛科技,也不得不承认在现实问题面前,有些车企别无选择(禾赛科技本身是理想汽车的供应商)。

禾赛科技CEO李一帆在接受腾讯深网采访时指出:“(激光雷达)对于车而言几千人民币其实是非常非常大的一笔钱。一个车上愿意花几千人民币买的部件一般是一个能显著被感知的。比如升级皮座最多也就几千块钱,你买了它就有,没买就没有。”

而他也提到了车企在应用时的真正痛点,即如果选用了供应链上更高成本的方案,那么售价增加后,车企实际要思考的是到底能提供给消费者什么产品,令他们愿意买单——在消费者这一侧,单纯的技术渲染是不起作用的。问题则在于,智能驾驶本身还处于相对早期的开发阶段,要让这些软硬件合力展示出那种想象中动人心魄的成果,暂时难以实现。

除了这点,智能驾驶的算力投入需求也不容小觑。理想汽车官宣的自动驾驶训练集群算力达到了1200 PFLOPS,对外宣称为国内*。特斯拉今年一季度部署完成的超级计算群组Dojo ExaPOD,总算力可达1.1EFLOPS。小鹏汽车将其云端超级计算机总算力规划为0.6EFLOPS。这些都属于余承东所说的投入的一部分,当车企卷到自建超算群组,门槛之高可见一斑。

另一方面,供应链正在成为车企博弈智能驾驶的另一种“赛点”。例如对比亚迪这样的全能型车企而言,采用供应商的产品可以快速达成提升智能化水平的目标,但比亚迪有充足的自研自产实力,将包括域控制器在内的产品逐步实现自主开发和生产。

不过,大多数车企仍将依赖于供应链完成自己的智能驾驶跃升之路。其原因在于,智能驾驶供应链的复杂度过高,单一个芯片就涉及许多层级的供应商。

所以,今天的智能驾驶供应链不仅仅依赖于生产力的变化而变化,生产关系也在革新。早年汽车行业通行的Tier 1(一级供应商,其余数字以此类推)-Tier 2-Tier 3的逐层管理结构——一级管二级,二级管三级,不越级管理——正在趋于打破,车企为了保持供应链稳定,可能不得不加入到最普通的供应商的管理。

但往好处看,这也间接培育着中国汽车供应链的底层实力。一批中国公司,如东软睿驰、地平线、黑芝麻智能、德赛西威、中科创达、知行科技等等,无论体量大小、垂直领域,均在奋力抓住趋势的价值,收获时代的红利。

所以,尽管城市NOA落地或许仅仅是这两年智能驾驶迈上的一个小台阶,但它背后所讲述的中国汽车智能化故事,却将继续书写下去。

【本文由投资界合作伙伴微信公众号:松果财经授权发布,本平台仅提供信息存储服务。】如有任何疑问题,请联系(editor@zero2ipo.com.cn)投资界处理。

相关资讯

汽车制造数据总览

最新资讯

热门TOP5热门机构|VC情报局

去投资界看更多精彩内容
【声明:本页面数据来源于公开收集,未经核实,仅供展示和参考。本页面展示的数据信息不代表投资界观点,本页面数据不构成任何对于投资的建议。特别提示:投资有风险,决策请谨慎。】