随着特斯拉FSD迟迟无法在中国市场正式落地，“不造车”的华为似乎已经在国内接过了智能驾驶话题流量的接力棒。为价格战愈演愈烈的中国汽车行业，注入了一股高科技的“诗与远方”。

　　

11月初，华为常务董事余承东与小鹏汽车CEO何小鹏在社交媒体上的一场隔空对话，让AEB自动紧急制动系统再度引发广泛关注，话题出圈。

11月26日，华为车BU拆分独立，成立新公司的消息正式官宣。新公司将引入长安汽车及关联公司投资，股比不超过40%。相关报道称，华为还正与一汽、东风等多家投资方进行沟通洽谈，新公司估值或将高达2500亿元人民币。

11月28日，华为智选车（现已更名“鸿蒙智行”）首款纯电轿车智界S7(配置|询价)正式发售。这款华为与奇瑞合作打造的新车，与改款问界系列车型一样，搭载一颗激光雷达，并配备华为ADS 2.0高阶智驾系统。

　　

在发布会上，一台智界S7通过远程召唤功能，直接以无人驾驶状态登上舞台。官方同步展示了智界S7无人泊车代驾演示视频，共支持包括机械车位泊车辅助功能在内的超过160种泊车场景；重申2023年年底在全国开放城区NCA智驾辅助计划，并再度在AEB性能上“秀肌肉”——宣布智界S7前向AEB已支持120km/h时速遭遇前方静止车辆时的主动刹停。

随着特斯拉与造车新势力的崛起，华为、小米等数码消费品厂商涌入汽车赛道，智能化竞争已成为电动车竞争的重要领域，而自动驾驶技术显然是每家厂商重兵投入之地。

　　

但在一场场盛大的发布会、一个个炫酷的功能演示视频背后，自动驾驶距离从量变到质变的“iPhone4时刻”恐怕依然还有很长的一段路要走。

　　

AEB争议背后：L2.9与L3之间0.1的暧昧

　　

近几年来，经过马斯克在海外社交媒体上为特斯拉FSD持续造势、国内新势力厂商将激光雷达、领航辅助等自动驾驶软硬件作为品牌标签不断宣传，“自动驾驶”在乘用车领域仿佛呈现“薛定谔的猫”的状态：

　　

一方面，从高速领航到记忆泊车再到近两年热门的城区领航，各种新功能、新概念层出不穷，在厂商的舆论宣传中，似乎真的过不了多久，人类驾驶员就能将方向盘的控制权交给系统，实现完全的“自动驾驶”。

　　

另一方面，在实际市场表现上，NOA高速领航等智能驾驶系统的渗透率未能显著增长，并未获得消费者的广泛认可。而在国内几起相关交通事故发生后，为了避免引起错误的用户认知，各大车企也纷纷将宣传表述中的“自动驾驶”更换成了“高阶智能驾驶”、“高阶辅助驾驶”等词汇，更加强调“辅助”而非“自动”。

　　

为了厘清相关概念，我们还是需要重新回顾由国际汽车工程师协会（SAE）提出的自动驾驶功能的分级。简明直观的说明，可以参考下图：

辨别不同级别区别的简单方式，是看图中握着方向盘的手：L2级别及以下，驾驶员必须时刻把手放在方向盘上，驾驶责任在人类驾驶员身上；L3级别开始，则允许驾驶员一定程度上脱手，驾驶责任也逐渐向车辆，以及生产车辆的厂商转移。

　　

换言之，按照这个标准，从L2“辅助驾驶”到L3“自动驾驶”，目前并没有一个可量化的系统性能参数指标。更多地是在于发生事故后，责任是由驾驶员承担，还是由汽车厂商承担。

　　

于是在现实中，大家就看到了这样一种系统性能与等级“错配”的现象：

　　

2022年5月，奔驰在德国宣布推出了世界上首个L3级自动驾驶系统Drive Pilot，该系统允许在德国境内符合条件的高速公路上开启，行驶速度需低于60km/h，且无法实现自主变道等功能，但允许驾驶员双手离开方向盘并进行适当的娱乐活动，发生事故之后，责任由奔驰承担。

而在中国，华为和蔚小理等厂商已经落地量产的NOA高速领航辅助功能，满足在120km/h小时的速度下开启，车辆能自动实现变道超车、上下匝道等功能，按照导航路线点对点行驶。但这些系统依然要求驾驶员时刻握住方向盘，分级上依然属于L2、L2+，乃至一些厂商宣传中更为夸张的L2.99999……

正如人类驾驶员学开车，通过考试拿到驾照并不意味着就能成为老司机、不出事故。智能驾驶系统即使在能力上已经能够满足部分场景中的“自动驾驶”，但并不意味着就不会出现安全问题。无论车企的企业形象维护还是从更根本的交通安全的角度，如今的智能驾驶系统都还无法迈过从L2.9到L3的这个0.1。

　　

在等级上无法分出孰优孰劣，智能驾驶还是一个“重体验、弱参数”的系统——高速领航、自主泊车等功能都趋于同质，系统究竟好不好用，还得让车主在驾驶过程中开启功能实际体验，车企们也难以在宣传造势中寻找到差异化表述。

　　

于是，厂商们找到了AEB这样一个技术相对“传统”，但却能够直观比较的功能。

　　

AEB自动紧急制动系统是基于车辆上配置的摄像头、毫米波雷达等感知设备，辨别前方可能与其他交通参与者所发生的碰撞风险，并通过系统自动触发实施制动的主动安全功能。

　　

更为简单的表述，AEB就是在极端条件下，当人类驾驶员由于种种原因，没看到前方的行人、车辆，即将发生事故时，车辆能够自己来一脚急刹车，避免碰撞发生。

从等级划分上来说，AEB属于L1级辅助驾驶功能，是一项已经相对成熟的技术，国内外均有标准的测试标准。与以人工智能决策为基础的智能驾驶所不同的是，目前主流的AEB均以人工写入的决策逻辑为准，类似一种固定的“条件反射”：在特定的车速下，前方有行人等特定的障碍物时，才会触发开启。

　　

这也是为什么许多车辆在C-NCAP、E-NCAP等标准测试中均能取得五星成绩，但是在实际行驶中，或者更复杂的“非标准”测试环境中依然无法刹住车的原因。

抛开整体的交通环境不谈，仅仅只追求AEB单项功能能在更快的时速下开启，实际上也与真实的驾驶行为不符：正如人类开车并不是只有“刹车”这一个动作，更自然的智能驾驶系统，应该是能够提前感知到前方的障碍物等环境信息，及时进行减速、变道绕行等行为。

　　

在余承东与何小鹏的AEB争论的分析中，很多也提到了“误触发”与“漏触发”的问题。由于AEB仅仅只是极端交通场景下的“兜底”技术，驾驶主要责任方依然是人类驾驶员。相比于“漏触发”，避免过于灵敏的“误触发”显得更加重要——毕竟绝大多数情况下，人类驾驶员还是会及时感知风险，避免碰撞事故，过于灵敏的AEB导致的“幽灵刹车”的情况反而会带来更多的追尾隐患。

　　

总之，在L2到L3的分级难以跨越，智能驾驶的体验又难以比较的前提下，AEB系统能以多少时速刹停这个相对客观的“硬指标”，似乎从华为开始，后续会越来越多地出现在汽车厂商的发布会上。

　　

这就像智能手机行业发布会上曾经流行的“跑分”环节，吸引人们的眼球和流量，但究竟有多少价值与意义？

　　

高阶智能驾驶距离“iPhone 4时刻”尚显遥远

　　

以智能驾驶作为品牌标签的小鹏汽车在今年推出了新车小鹏G6(配置|询价)。彼时，这款新车被何小鹏称为“小鹏汽车的iPhone4”，希冀起取得如同苹果iPhone4在智能手机行业一般的划时代意义。

　　

临近年底收官，小鹏G6虽然也连续两个月销量超过8000台，但终究未能成为真正意义上的“爆款”。

这就像高阶智能驾驶的现实映照，虽然在各大厂商的发布会中频频被拿出来作为亮点技术，但市场反响和实际落地应用依然处于“叫好难叫座”的局面。

　　

梳理回顾2023年国内智驾行业的热门关键词，我们可以归纳出以下几个重点，“质变”时刻或许就蕴含其中：

比拼智驾“开城”

　　

当高速领航和代客泊车已经不再新鲜之后，国内厂商的智驾竞争纷纷卷向了城区，2023年，国内几乎所有参与智能汽车竞争的头部玩家，都发布了城区NOA领航辅助功能，即在城市道路下支持按照导航路线的点对点辅助驾驶。

　　

今年3月份，小鹏全量推送XNGP（全场景辅助驾驶）4.2.0版本，旗下G9(配置|询价)及P7i Max版车型在上海、深圳、广州，P5系列在上海高精地图覆盖区域开放点到点城市NGP（智能导航辅助驾驶）；而在高精地图无法覆盖的区域，开放具备跨线绕行，识别红绿灯并直行通过路口能力的LCC增强版。按照小鹏官方计划，2023年城区NGP将在年底扩增至50城，2024年扩增至200城，力争做到城区领航辅助驾驶“全国都能用”。

　　

4月份，华为正式发布了ADS2.0版本，并宣布城市NCA已经在深圳、上海、广州等地区落地。华为原计划是2023年四季度将城区NCA覆盖到45个城市。最新的进展是，华为将这一目标猛增至今年12月“全国都能开”。

　　

6月份，理想汽车向早鸟用户推送了首个不依赖高精地图的城市NOA。9月份，理想汽车面向早鸟用户开始推送通勤NOA的内测版本，通勤NOA将首先覆盖包括北上广深在内的10座城市。

　　

7月份，蔚来在北京、上海等城市主要城区环线道路开放NOP+智能辅助系统，并宣布后续采取“按路线开放”的形式逐步落地城区智能驾驶。

　　

除此之外，长城旗下的毫末智行、上汽智己与创新企业Momenta的合作，也纷纷公布了相关“智驾开城”的计划。

要能够实现城区领航辅助，行业普遍选择激光雷达/BEV感知/Transformer模型算法的“重感知、轻地图”技术路径：

　　

自蔚来ET7首度将激光雷达作为高阶智驾的“标签”引入行业以来，激光雷达+摄像头的多传感器融合感知方案成为国内研发的主流方向之一。虽然激光雷达存在成本较高的问题，但已被证明面对城区复杂交通环境有更稳定的感知表现。目前已经搭载城区领航辅助的车型，如小鹏G6 Max、阿维塔11等车型，均实现了激光雷达上车。

　　

虽然激光雷达稳定准确，但其稀疏的点云感知信息还无法完全满足智能驾驶迭代升级的需求。因此，国内厂商仿效特斯拉FSD，引入BEV感知+Transformer模型+Occupancy network占据栅格技术。前者基于摄像头感知周边环境，生成鸟瞰图，融合不同传感器输入的数据信息，实现在空间、时间维度的对齐。后者则负责处理和学习这些感知信息，基于深度学习来锻炼智驾的整体能力。

“轻地图”则更多地是在强调对上述技术的应用，在高精地图无法覆盖的区域，基于系统自身感知和学习能力，在车端进行“自主建图”，处理城区复杂的交通环境。

　　

从新势力厂商目前已经透露的信息来看，虽然各家厂商对自家智驾技术的术语名称令人眼花缭乱，实际上都没能跳出上述技术范畴：

　　

· 小鹏：打造全场景智能驾驶架构XBrain

　　

在小鹏汽车2023年1024科技日上，小鹏汽车提出了面向全场景智能驾驶的终极架构XBrain。

　　

根据小鹏官方表述，XBrain=XNet 2.0+XPlanner+More。

　　

XNet 2.0是具备时空理解能力的感知系统，融合了动态BEV、静态BEV、占据网络。让小鹏XNGP智驾系统可以深度学习各种大型和异型路口，让横纵向感知范围提升200%， 感知类型增加11种，包括新增清扫车、无人摩托车、无人自行车等。

　　

XPlanner是基于神经网络的规划与控制，拥有长时序、多对象、强推理的特点，持续以模型和数据来驱动系统迭代，依据周边环境信息及时变通，生成最优运动轨迹，让系统实现“拟人化”的博弈能力。

· 理想汽车“无图”城区NOA三件套：BEV+Transformer+Occupancy

　　

在理想汽车5月的家庭科技日上，对城市NOA的算法也提到了相同的技术概念：静态BEV网络、动态BEV网络、Occupancy网络，并通过NeRF技术增强Occupancy网络还原的精度和细节，实现对物理世界的完整还原。

　　

静态BEV可以实时感知并构建道路结构，相当于一边开车一边动态地做地图，解决了高精地图数据实时性的问题，同时感知特征也更符合自动驾驶的需求。

　　

动态BEV克服了传统视觉不好解决的遮挡和跨相机问题，当车辆穿越多颗摄像头时，可以精准地识别其位置、速度。即使视野被遮挡，仍能通过“脑补”对周围环境进行稳定感知，思维判断方式与人类相似。

　　

对于通用障碍物的识别，理想通过Occupancy网络处理。Occupancy可以构建与现实世界完全对应的虚拟世界，识别真实环境中存在的不属于道路和交通参与者的物体，比如：路上的垃圾桶、临时的施工牌等。

　　

将上述三种技术的感知结果汇总到预测模型，就可以实时输出对周围所有交通参与者未来几秒内的行动轨迹预测，该预测结果会动态调整，为后面的决策规划提供更准确的信息。

· 蔚来：按路线开通、路线共享、汇线成网

　　

相比其他大力宣传智驾“开城”目标的友商，蔚来在9月底开始在蔚来APP征集用户的“领航路线心愿单”，后续将根据运营计划和道路情况，逐步为用户开通心愿路线城区NOA功能。

　　

基于蔚来今年的创新科技日透露的信息，这套逐步“泛化”的系统之下，底层逻辑与另外两家新势力厂商类似：

　　

通过基于BEV感知+Transformer模型的蔚来NAD Lane 2.0网络结构来处理城区更复杂的静态拓扑环境。

　　

通过数据驱动，基于时空交互 Transformer 多模态注意力网络打造一个云端大模型，不断提升车辆感知性能。

　　

决策层面，基于时空交互的Transformer多模态注意力网络做场景的筛选，使系统在城区复杂交通场景下，找到更合适的路径和驾驶决策，实现“类人驾驶”。

因此，国内主机厂与研发机构对于接下来城区智能驾驶的研发路径是趋于一致的：

感知方案上，采用激光雷达感知+摄像头视觉感知融合方案。以BEV视觉感知为主，激光雷达感知作为“补盲”，提升系统整体的安全与稳定性。

在系统算法层面，逐步从传统L2系统的“人工规则”驱动向AI人工智能自主决策转变，基于Transformer模型，让智驾系统通过神经网络与机器学习“学习开车”，而非按照“固定规则开车”。通过这种方式，一方面能够让系统能够适配更加复杂的城区交通环境，另一方面也能逐步弱化高精地图的限制，从“轻地图”逐步走向“无地图”。

　　

在这条技术路径，背后暗藏着数据量和数据处理能力的比拼：数据量的积累、数据学习质量的好坏，将直接影响系统的能力。因此各大厂商均在纷纷加强自身的数据闭环体系的建设，为系统性能的升级迭代做好准备。

　　

这也是为什么厂商宣布的“开城计划”都是逐步开放，以及在不少已经宣布“开城”的城市，有用户吐槽称“开一条路也是开，很多地方都难以使用”的原因——即使现在功能上已经“支持”，但智驾系统在城区场景中的性能表现还远远达不到用户的期待。

于是，对于用户来说，与其关注厂商宣布的“开城”数量，不如更关注接下来还会有哪些特殊场景中会有相对实用的智能功能落地。

更多特殊场景的挖掘

　　

技术路径已经相对明晰，但高阶智驾系统从“能用”到“好用”，显然还有很长的距离。过于激进的计划，最终还得认清现实的研发逻辑。

　　

以理想汽车为例，在今年4月的上海车展上，官方就已经宣布，今年将在100城落地城市NOA。到8月的成都车展，理想将宣传口径由“城市NOA”更改为“通勤NOA”——只是在限定的路径下实现NOA领航辅助，相比泛化要求更高的完整城区NOA降低了一个维度。

　　

即使是难度更低的通勤NOA，理想也未能向全部车主开放，而是向专门招募的“早鸟用户”开放。最近的消息则是李想通过微博正式道歉：年底城市NOA覆盖100座城市的计划已经难以实现，最新的计划是12月覆盖全国高速和环线及100个城市——李想微博中没有明确指出的是，这其中不少高速及环线路段很可能还是存在高精地图支持的路段。

因此，对于用户而言，期待“大而全”的全域城区领航辅助完全落地恐怕还尚需时日，“少而精”的特定场景下的高阶智驾功能或许更值得期待。

　　

例如，华为在智界S7发布会上展示的机械车位泊车辅助，应该会对上海等城市这种“难例场景”较多城市的用户更有帮助。而蔚来为车主推出的高速服务区领航换电功能，则有望解决服务区换电站“难找”的痛点，提升蔚来车主的整体出行体验。

高阶智能驾驶，注定是一条需要重投入、长周期的赛道。依然以华为为例，去年7月，余承东在中国汽车蓝皮书论坛上谈到，华为车BU业务1年需要花掉十几亿美元，直接投入7000人，间接投入超过1万人，其中70%研发人员都在研发智能辅助驾驶。

　　

那么，如此高昂的投入之下，如何才能形成健康的商业模式？智能驾驶的iPhone4时刻何时能否到来？这一切，都还有待时间来给人们以答案。