城区NOA开年量产之战：华为之后，谁会是下一个赢家？

2024年伊始，高阶智驾赛道的客户争夺战火爆开场。

近期有消息称，大疆车载已经收到比亚迪和一汽集团的明确投资意向。2024年CES展上，大疆车载宣布「成行平台」领航城区NOA功能将很快在合作伙伴的车型上量产落地。很显然，大疆车载成行平台具备量产经验，且“低成本实现高阶智驾”方案都是对车企有极大吸引力。

就在几天前，华为与东风（岚图）的合作正式签约，并且华为车BU正式独立后便已经向多家车企发出股权开放邀约，而长安则是首家合作车企，并且公开资料显示华为已经向一汽抛去了橄榄枝。

而在这之前，与华为深度合作的汽车品牌就除了早前的北汽极狐，阿维塔，奇瑞与华为联手的智界首款车S7也进入了申报阶段，另外与江淮的合作项目也即将落地。

高工智能汽车研究院监测数据显示，2023年中国市场新能源乘用车NOA标配搭载率为8.63%，其中，20万元以上标配率则已经突破20%。预测2024年包括硬件标配（软件付费）在内的NOA搭载率将突破10%。

1月23日，智己汽车IM AD城市NOA在上海地区率先开放，并计划 6月将推出无图城市NOA加速开城；随后将陆续扩展到深圳、苏州、北京、广州等城市。

综合来看，包括蔚小理、华为系、长城、广汽、奇瑞、比亚迪、吉利、上汽等新老车企都纷纷入局这场高阶智驾战。

很显然，高阶智能化所带来的用户体验升级，也将成为下阶段汽车市场竞争的焦点，车企竞速的背后，同时也是各家智能化技术底座与合作供应链能力的比拼，“高性价比”的高阶智能驾驶方案的量产落地速度，则成为了各大主机厂决胜智能化下半场的关键点。

除了少数几家新势力坚持全栈自研，其余传统车企大部分采用了自研+外部合作的形式，随之而来的，则是各大供应商对车企客户资源的抢夺，并抢跑量产落地。

华为的合作车企名单遥遥领先，阿维塔、问界的城区NCA已经落地多个城市；智己汽车背后则是供应商Moment，日前上汽零束科技宣布其高阶智能驾驶解决方案正式开启工程验证，城市NOA功能已经在车上跑通。

去年10月开启上市交付的极越01搭载的正是百度Apollo 的全国首款纯视觉城市高阶智驾解决方案，并抢先特斯拉FSD在国内城市场景量产落地；2024年1季度，魏牌蓝山将搭载城市NOH功能量产上市，届时将搭载毫末智行提供的HP550方案；

今年的CES上，大疆车载也展示了城区NOA功能，该功能基于单颗高通Snapdragon Ride（SA8650P）芯片，并且不依赖激光雷达。大疆车载表示，该功能将很快在合作伙伴的车型上量产。

去年广汽埃安旗下高端豪华品牌昊铂GT上市，搭载了商汤绝影智能驾驶算法。资料显示该算法融合了BEV目标感知算法、BEV车道线感知算法及创新NN-Fusion融合感知算法。

此外，包括小马智行、轻舟智航等原L4级自动驾驶玩家，也都在推出高阶智驾方案；例如轻舟智航去年4月就发布了基于“单征程5芯片+单激光雷达”的轻舟乘风城市NOA方案。

同时，外资Tier 1在高阶智驾市场也在逐渐落地，例如博世的首个落地项目车型—奇瑞星纪元ES顶配车型搭载博世的高阶智驾方案（双Orin平台）。

与此同时，便随着汽车市场竞争加剧，压力也在持续加码传递到供应链。

一方面表现在研发节奏加快、交付周期压缩，另一方面表现在车企对成本的极致压缩，2024年还将更甚。很显然，车企倾向于有量产经验、交付快且更具性价比的合作方案。

高阶智驾量产进程加速带来的，还有技术的迭代升级。

当前最为火热的BEV+Transformer方案因为能够很好地融合多传感器的特征，将多传感器收集到的图像信息转换成3D视角，从而提高感知和预测的准确率，已经成为了高阶智能驾驶的主流方案。

可以发现，各大车企和有技术实力的供应商基本都转向了BEV+Transformer的技术路线，而这被视作城市NOA能够去高精地图的关键，也是高阶方案降本的关键。

除了华为、百度 Apollo、毫末智行等，更多的第三方供应商也在快速跟进。

目前，魔视智能全新推出了全栈自研的“多视域前融合BEV感知及4D数据一体化解决方案”，通过融合BEV技术和Transformer模型，不仅确立了前沿的多维感知架构，更将深度学习的最新成果带入自动驾驶感知的领域，助力公司打造可持续进化的高阶智能驾驶产品和应用。

资料显示，魔视智能BEV+Transformer融合方案可使汽车以鸟瞰视角实时监控并解析周围的环境，同时通过Transformer模型的强大处理能力和并行计算优势，实现BEV前融合高阶感知能力。

截止目前，魔视已经推出了多元化产品系列，覆盖高中低全栈智驾场景应用并实现大规模量产。据介绍，魔视智能是率先实现国内一线乘用车主机厂量产的自动驾驶企业之一，已与国内几乎所有头部乘用车及商用车主机厂建立量产及项目合作关系。

商汤绝影的BEV目标感知算法具有泛化性、丰富性和长尾目标感知能力。其已经将Transformer和时序模型融入到了这套BEV目标感知算法中，能够实现在鸟瞰图视角下优化特征的环视物体检测方案，在多视角摄像头的3D目标检测上性能优异。因此即便在雨天城区道路这样的恶劣环境中，依然能够对前方的各种障碍物具备稳定且准确的感知；同时针对各种异型车以及长尾目标感知,依旧能保持较高的检出率与泛化性。

当前，Transformer模型部署也对计算平台带来新的要求，除了对算力需求大升级，在部署中还存在一系列难度和新要求，智能驾驶芯片厂商正在加强芯片对Transforer的适配，如英伟达在新一代GPU中特别增加了Transfomer引擎。

早在2023年上海车展上，地平线就推出了新一代BPU智能计算架构，专为大参数量Transformer、大规模交互式博弈而设计的计算架构。

地平线提出了基于BEV+Transformer的端到端的算法框架，并已经将这套架构的部分模块应用于征程5芯片，包括纯视觉BEV动静态环境感知，基于Transformer的道路关联关系识别，以及所有道路参与者的轨迹预测。

BEV+Transformer已经成为当前行业认可主流趋势，但该技术方案本身就极具的难度，并且训练出能用且好用的模型需要基于海量训练数据，而这涉及到海量数据来源，同时这对海量数据处理能力、整体数据闭环体系构建等等要求也在提升，以上这些对于大多数第三方供应商来说，都是量产道路上的壁垒。