城市NoA，自动驾驶的「ChatGPT时刻」 ｜PowerOn未见

ChatGPT的问世，在科技行业掀起风暴，也在汽车行业搅动了暗流。

春节期间，理想汽车高管们没有心思完全放松，CEO李想紧急组织了战略会，讨论ChatGPT风靡之下，公司的智能化走向。最终，管理层得出结论，“AI技术路径逐渐清晰”。

过往，理想以严苛的成本控制著称，对前沿技术的投入稍显谨慎。但ChatGPT的上线成为理想战略变化的分水岭。春节后一开工，李想就发出全员信，“公司在2030年成为全球人工智能行业的领导者”。

智能驾驶是理想人工智能公司愿景的核心抓手。基于和ChatGPT同源的Transformer大模型，理想汽车计划在今年底，落地不依赖高精地图的城市领航辅助驾驶（简称“城市NoA”）功能。据36氪了解，理想智驾业务的高管为交付进度签下了“投名状”，研发团队也已进入高强度的半封闭作业模式。

扛着智能“大旗”的小鹏汽车，也隔空叫阵，号称今年三季度推出“全自动驾驶XNGP”。据36氪了解，为提速智能化研发，小鹏汽车甚至在百度发布类ChatGPT产品“文心一言”后，破天荒同意和百度云推进合作。这相当不易，小鹏汽车通常被认为站在“阿里阵营”。

蔚来官方虽然未公开发声，但有工程师向36氪直言，城市NoA的落地节奏“肯定不会比同行慢”，2021年，蔚来就在搭建BEV+Transformer的技术架构。

特斯拉和国内新造车公司的技术军备赛，也加剧老牌车企向智能化绞入资源。一位智能驾驶技术配套商向36氪描述了行业心态，“头部造车公司都在推，其他车企没有，就显得落后。”

为此，比亚迪董事长王传福不惜炮轰“自动驾驶是忽悠，是皇帝新装”。但36氪独家获悉，这家2022年的新能源车销量之王已经和大疆车载等公司合作，快速推进城市NoA产品落地。

NoA的全称是Navigate on Autopilot，从命名不难看出，这套功能的发起者是特斯拉，最早在高速上应用：以导航地图为牵引，车辆可以在高速路况中，完成自动变换车道、超车、启停、进出匝道等操作。

如果将这套高速NoA能力迁移到城市道路呢？从停车场的自动泊车到高速NoA，再到城市NoA，全场景自动驾驶的雏形已然可见。

不管是光环加身的特斯拉，还是销量大户比亚迪，无不需要从汽车制造的每一个环节抠出每一分钱，以赚取利润。自动驾驶显然是更为梦幻的商业图景。有“抠厂”之称的理想汽车也在春节沟通会上罕见放言，“All in自动驾驶”。

行业的一个共识是：城市NoA是辅助驾驶的天花板，也是自动驾驶的门槛。换句话说，只有解决场景最为复杂的城市NoA难题，自动驾驶才有可能真正到来。

高精地图：是依赖，也是枷锁

“下半年，我们能在数十个无图城市释放XNGP。”小鹏汽车自动驾驶副总裁吴新宙说。这在一年前还是难以想象的。

XNGP是小鹏汽车的新一代辅助驾驶系统，其中的核心功能就是城市NoA（小鹏的命名是城市NGP）。因为高精地图的牵绊，2022年9月至今，小鹏仅在上海、深圳、广州三个城市开放。而在摆脱高精地图依赖后，这家公司推出城市NoA的速度一下子提升近10倍。

高精地图被喻为自动驾驶的“拐杖”，定位精度可达到厘米级，是对物理世界的精准映射，能告诉自动驾驶车辆周边交通环境如何、具体在哪条车道、前方哪里减速、何时提前变道，还能提供红绿灯、限速指示牌等信息，帮助车辆完成行进规划。

为一劳永逸获得高精地图，小鹏汽车曾于2021年斥资2.5亿元收购一家高精度地图公司，以获取地图制作资质。据36氪了解，长城汽车、蔚来汽车、小米汽车等，无不寻求过资质收购的路径。

但高精度地图本身的缺点相当明显：高昂的成本投入、漫长的更新周期，以及对政策强依赖。

小鹏汽车素来主打“智能”标签为抢跑城市NoA，小鹏汽车率先用上了高精度地图、激光雷达等技术，他们有过切肤之痛。

有小鹏人士告诉36氪，从2021年开始，公司就扑了上百号人在广州开发城市NGP，“光是一条几十公里的城市道路，就调了近两年。这不是一个简单可复制的模式。”

高精地图的制作和装车成本成为车企难以承受之重。

“高精度地图的采集制作成本大概在3000元/公里，按每城一万公里城市道路来计算，建图成本在3000万左右。”高精度地图的昂贵主要源于动辄上百万的专业采集车，不过，多位地图业内人士透露，现在为了抢夺市场，图商报价不再像以前那么高。

但除了建图，地图上车还会有一笔装车费用，“按单车地图使用成本来看，5年周期，高速路的高精度地图会收600元~800元/辆，城市道路大概是1200元-1500元/辆。”相当于一台车均摊的地图成本费用超过2000元。

真正掐断车企对高精度地图念想的，还是高精度地图对政策的强依赖。

小鹏汽车员工告诉36氪，小鹏原本想法是通过收购图商来自建地图，但不够幸运的是，收购江苏智图不到一年，随着国家对甲级测绘资质的收紧，江苏智图没能通过评审。小鹏汽车只好与高德地图合作。

解决了资质问题，还要面临地图更新问题。一位地图测绘方面人士告诉36氪，高精度地图的每一次更新都需要送审，从数据采集完成、制作完毕、到监管部门审核完毕需要一定时间，“国家级别的审核是20个工作日，地方审核可能快一两个星期，整个审核流程下来，起码都得一个月。”

上述小鹏人士就因此碰过壁，“城市NGP前期基于高精度地图做了很多开发，想在2022年上半年推出，但图商总拿不到地图的审批文件，非常折腾。前前后后搞了好多轮，最后推迟了半年才发布。”

这在车企抢攻城市NoA的背景下，更加难以接受。城区道路几乎实时变化，理想状态下，“车企希望高精度地图每天更新，甚至是小时级、分钟级更新。”

一场“去高精度地图”运动终于在2023年初上演。

3月24日，华为终端BG CEO余承东在春季发布会上率先开了炮，“高精地图更新太慢了，且一个城市一个城市获取的速度也太慢。我们连上海市的一条小路都要折腾很久。”

小鹏汽车也宣布，今年下半年在全国大部分城市开放智能驾驶功能XNGP，摆脱高精地图的限制。毫末智行、小马智行、元戎启行、轻舟智航、大疆车载等智能驾驶供应商们纷纷喊出“轻地图”宣言。

36氪从行业了解，高精度地图一般分为静态图层和动态图层，当前的高精地图主要围绕静态图层展开，一般包含道路级（Road）、车道级（Lane）、道路部件（Object）三类信息。动态图层则建立于静态图层之上，包括变化的交通标志（如红绿灯状态、潮汐车道等）、道路交通情况，这也是高精度地图更新的难点。

去高精地图也会分层级进行：首先不再依赖高精地图获取动态图层；其次，对于车道级信息中的半径、曲率等几何信息也不再依赖，而主要采用其中的路线节点等拓扑信息；此外，不再完全依赖高精地图中的限速标识、路面箭头等道路部件信息，更多采用实时感知的结果。

和今天风靡全球的ChatGPT出自OpenAI公司一样，智能驾驶“去高精地图”的底气，也和OpenAI不无关系。

Andrej Karpathy是Open AI的首席科学家兼创始成员，他还曾经有过另一重身份：特斯拉AI高级总监、自动驾驶负责人。在斯坦福师从李飞飞期间，Andrej Karpathy主攻的正是自然语言处理与计算机视觉的交叉领域。

2017年，Andrej Karpathy从Open AI加入特斯拉，度过了5年职业生涯（今年2月重回Open AI）。Andrej Karpathy曾在各种行业会议等场合，描绘出了特斯拉的智能驾驶要素：大模型、大数据、大计算中心。

2021年特斯拉的AI Day上，Andrej Karpathy宣告特斯拉基于Transformer将摄像头2D图像拼接转化成3D图景，最后生成汽车周围道路环境的鸟瞰图 “Bird's Eye View”，简称“BEV”。由此引发大模型技术在智能驾驶行业的广泛落地。

Transformer 是众多算法大模型中的一种，最初用于处理NLP自然语言处理，现在也被广泛应用于图像识别领域。ChatGPT中的"T"正是指Transformer大模型。

“就像人用眼睛看世界一样，基于Transformer的BEV能将2D图像转换成3D立体空间。”

国内公司今天的去高精地图方案，无不基于特斯拉这套Transformer+BEV的技术框架。

有小鹏汽车人士告诉36氪，也是2021年看到特斯拉引入Transformer的BEV效果之后，内部才真正决定去掉高精度地图，并搭建了XNet感知系统。理想汽车CEO李想在沟通会上直言，从特斯拉把模型跑通以后，内部才开始正式All-in当前的技术路线。

当然，挑战不容忽视。此前的技术方案有高精度地图兜底，各家产品差异并不明显，而去掉高精地图这条拐杖，就直接考验各家的算法和工程能力。

首先，车辆感知系统的负担会急剧上升，需要检测城市道路上模糊的车道线、形态各异的红绿灯和异形障碍物等。

一位智能驾驶算法工程师向36氪举了个例子，轻地图后，需要车辆的感知模块实时判断哪个红绿灯，控制的是哪条对应车道，“人有时候都会弄错，更何况是车辆。”

同时，基于Transformer大模型的BEV技术，还要解决海量的数据问题。上述算法工程师告诉36氪，城市NoA系统基本上都用了多个800万像素摄像头，要把这么多摄像头的数据实时拼接、融合成3D空间数据，非常考验汽车芯片计算能力和算法优化能力，“硬件算力够不够？带宽够不够？数据能不能实时同步？如果工程能力不够，照样做不出来。”

有小鹏内部人士透露，目前看，公司基于“重感知、轻地图”的系统，已经基本达到类似高精度地图的方案效果。这也让小鹏汽车敢于豪赌一把：下半年将在数十个城市上线XNGP功能。而有智能驾驶业务员工透露，目前的计划是“全量推送”。

要知道，特斯拉可用于城区的FSD系统在2020 年 10 月向部分员工和早期种子用户推送，此后一直迭代到2022年底，才在北美地区全量推送。

而据36氪了解，蔚来和理想汽车等公司相对保守，即便年底推出城市NoA功能，也不会大面积铺开，而是像特斯拉一样，先优选一批专业用户，逐步释放。

去高精地图方案，不光考验感知技术，规划和控制也面临一环扣一环的挑战。

小马智行相关技术负责人表示，去高精地图，只在线感知，意味着对于车道线、可通行区域等的获取结果变差了，“比如车道线的精度没有那么高了、识别的距离变短了，下游的决策和控制环节就要有为感知不准确兜底的能力，对决策控制的要求更高。”

有蔚来工程师也向36氪介绍，原来方案中，车辆的规划、控制系统可以用高精地图给出的可行驶区域找到最优行车路径，规控环节几乎可以“无脑”相信地图输出的静态道路结果。

而去掉高精地图后，车辆需要在感知和规控环节之间，新建一份局部实时地图，告诉车辆可行驶的边界到底在哪里，“这意味着研发流程和团队架构也需要变化。”

行业的竞速还远远不止于此。除了城市NoA系统层面的技术重构，数据获取和加工的生产力重构，也将加剧行业格局的分化。

技术公司与自研车企，抢数据“雪球”

头部造车公司最早跟进这场变革。

小鹏汽车工程师向36氪表示，从2021年下半年起，小鹏开始搭建基于Transformer的BEV视觉感知系统XNet。“技术框架的搭建大概用了12个月，然后再用6个月时间将系统迭代成熟，以及提升一些工程化的性能指标。”

为处理XNet的海量数据标注，小鹏开发了全自动标注系统，曾经2000人一年的标注量，现在16.7天可以完成。此外，小鹏汽车还与阿里云合建自动驾驶智算中心“扶摇”。

一位小鹏汽车员工表示，最初小鹏为智算中心规划了20亿元启动资金，最后考虑到建设成本以及回报周期，选择跟阿里云合建。“即便合资方式，成本也需要10多亿。”

上述员工告诉36氪，目前小鹏汽车内部有两个感知团队：一个团队仍然采用高精度地图方案，将城市NGP功能推送给G9、P7、P5车型用户，以“影子模式”的方式来收集行驶数据；而在测试端，团队在采用Transformer大模型+导航地图方案来开发城市NoA功能。

基于大模型、计算中心、大数据三件套，小鹏汽车的智能驾驶数据驱动模式得以建立，“通过已售车型的‘影子模式’收集数据，在自动标注体系和‘扶摇’智算中心的加持下，系统可以快速修正。”

理想汽车也从今年以来，加速了城市NoA开发节奏。该公司智能驾驶产品总监赵哲伦说，确定路线之后，“理想智能驾驶大部分研发工程师都在参与这件事，新系统对于数据驱动、数据闭环的要求非常高。”

CEO李想此前也在春季发布会上介绍，智能汽车正在从软件1.0时代进入2.0时代。未来车企在智能驾驶方面主要比拼三个方面：

一、降低车端的计算平台和传感器成本，尽可能做到每辆车标配智驾系统；二、比谁在“端到端”闭环数据更多；三、在训练芯片被限的情况下，完成整个大模型的训练。未来自研车端算力、云端训练芯片，是人工智能企业必须要面对和投入的部分。

投入似乎取得一定成果。李想在电动百人会的演讲中表示，自动驾驶一年要做大概1000万帧图像人工标定，成为 6元-8 元/张，一年下来成本接近亿元，但使用软件 2.0 大模型，通过训练方式进行自动化标定后，“效果非常可怕，过去一年做的事情基本上三个小时就能完成，效率是人的1000倍。”

在上述企业看来，依靠海量数据驱动，云端算力、大模型建立起来的数据闭环是城市NoA系统中最难被追赶的部分。

但在商业世界，从来不是搭建一条技术链路和一支团队，就可以高枕无忧。至少，第三方智能驾驶技术供应商不会应允。

近日，大疆车载就公布了其纯视觉城市领航辅助驾驶方案。基于双目视觉技术，大疆车载表示，可以在城市固定道路率先实现点到点自主行驶。而凭借软硬件一体化能力，大疆车载将城市NoA的价格“卷”到了低点：方案成本在5000元-15000元之间。

此外，轻舟智行也宣布，可以基于单颗地平线征程5芯片推出城市NoA，以及36氪获悉，Momenta也将基于英伟达方案，推出万元级城市NoA套件。

“就是要逼车企放弃自研这条道路。”一位智能驾驶技术公司高管对36氪果断表示，“起码以后车企自研30万（元）以下的车型都不划算。”

除了从性价比上撕开口子，技术供应商们也没有轻易被数据闭环拦在门外。

虽然车辆数据都属于车企，智能驾驶技术公司获取存在难度，但技术供应商们都会建立一套工具链，部署在车企机房，和车企共享数据。

“哪怕这个数据最终不一定真的给我们，但也可以做产品迭代，既然合作，双方都是有一些诉求的。”一些技术方案公司负责人告诉36氪。

纯视觉与高精度地图之争、底层技术与生产力层面的重构、车企自研与技术供应商的赛点争抢，都在加速催化着城市NoA的质变。

日前，芯片公司地平线创始人余凯分享道，ChatGPT给业内很大启发，它通过更大的数据、更大的模型，利用文本历史，去预测下一个词的概率。

“同样的事情，也可以发生在自动驾驶上，通过结合当前的交通环境、导航地图、驾驶员整个历史驾驶行为，来预测下一个驾驶动作。从大量的、无监督的、不需要标注的行为里面去机器学习，构建一个自回归的驾驶大语言模型。”

这是个令人激动的想象，也并非不无可能。在大模型、大算力、海量数据的催化下，自动驾驶行业正在进入“ChatGPT时刻”。

过往的行业现实的确残酷，36氪曾获得比亚迪的市场调研数据，智能驾驶在购车决策中排到第11名之末。

但同样也有让人振奋的消息，理想汽车人士向36氪透露，其高速NoA功能在高速路里程的使用占比已经超过50%，而他们的目标是，城市道路也要做到同样水平。

就连站出来炮轰“自动驾驶为忽悠”的比亚迪，也开出了近百万元年薪从鉴智机器人招募人才，而与供应商的合作方案中，也有意部署自身的影子算法。

自动驾驶是一场不知道何时会胜利的战争，但所有玩家都知道，新一轮的号角已经吹响。

（36氪作者苏建勋对本文亦有贡献）

36氪旗下官方公众号

来个“分享、点赞、在看”👇