“这个东西不能叫NAD（蔚来自动驾驶）。”

今年7月，蔚来CEO李斌在上海城区道路体验了自家最新的智驾功能，他略显失望。蔚来NAD类似于特斯拉的FSD（Full Self Driving），目标是实现城市和高速道路的点到点辅助驾驶。

年初，蔚来智能驾驶团队集结了一批人力，目标是上半年在上海数千公里城市道路实现领航辅助驾驶功能，但研发没有达到预期。据36氪PowerOn了解，蔚来智驾团队已经立下“军令状”，“每半个月更新一个版本。”

蔚来陷入焦虑，并非没有道理。一场比拼资源、人力、速度与规模的城市NoA（Navigate on Autopilot，领航辅助驾驶）之战，已经硝烟四起。

先是数字竞赛。华为、小鹏将今年城市NoA的开放目标分别定在了45城与50城，理想汽车则直接给出了100城的激进目标。

开城策略也针锋相对。小鹏汽车接连在理想总部所在地北京，推动城市NoA落地，而据PowerOn了解，理想则计划将城市NoA首个落地城市设定为广州——小鹏汽车大本营。

国内的城市NoA开城竞赛，甚至把压力传导给了特斯拉，后者正积极筹备全自动驾驶功能FSD入华落地。一位知情人士向PowerOn透露，这正是由特斯拉中国销售团队发起的申请，“希望美国总部尽快支持”。

汽车行业正从产品空间、价格、供应链等方面开展全面竞赛，但智能化尤其是智能驾驶，是新造车公司们最大的差异化竞争点。

这也迫使城市NoA成为行业为数不多的“一把手”项目。据PowerOn了解，理想100城的开城目标是由李想本人敲定；而小鹏智驾灵魂人物吴新宙离职后，何小鹏也在带领智驾团队开展工作。

但激进的宣传目标，无法掩盖城市NoA开城的艰难。截止目前，小鹏城市NGP的实际落地只推进到北京、上海、广州、深圳、佛山5个城市，华为的落地节奏相当，两者都还依赖高精地图；而理想和蔚来的城市NoA功能，尚未正式交付。

从高速到城市道路，城市NoA的落地仍面临重重困难，尤其在去掉高精地图后，城市NoA正面临一次感知危机，即如何重新认识眼前的世界。

特斯拉还是那个领头羊，其在2021年开始重建感知系统，先后推出了基于Transformer模型的BEV（即Bird's Eye View，鸟瞰图）和Occupancy network（占据栅格）等技术。 

就像人用眼睛看世界一样，BEV能将2D图像转换成3D立体空间，此外，BEV+Transformer还能够识别静态车道线，提供车道线边缘，虚实车道线等信息；而动态层面，Occupancy网络则用以识别异型障碍物，如施工场景中的锥桶等。 

“BEV这套方案的上限非常高，能让车辆像人类一样去看这个世界，基本是自动驾驶的终局方案。”有头部车企的高级工程师向PowerOn断言。

换句话说，在去掉高精地图之后，BEV+Transformer+Occupancy，为智驾系统生成了一幅实时地图。

过往，理想汽车的智能驾驶进展，经常被当作“差班生”。虽然其高速NoA功能落地并不慢，但相较于蔚来和小鹏，理想的智驾投入的确保守，就在2022年，小鹏和蔚来的智驾团队均超过800人，而理想汽车仅维持在500人左右。

但今年开始，理想汽车忽然有了一举赶超的势头，团队快速扩张至800人左右，喊出无图版城市NoA“年内开通100城”的目标。激进转身引发了同行侧目，招致蔚来智驾产品负责人黄鑫的隔空质疑。

是什么让理想汽车有了从队尾大步走向队首的底气？

今年5月家庭科技日上，理想公布了城市NoA方案，除了行业标配的“去图三大件”：BEV+Transformer+Occupancy，理想还有两个“独门”神经网络：NPN（神经先验网络），针对车道线被遮挡和复杂路口等场景；TIN（信号灯通行意图网络），针对红绿灯路口。

即便是给出了去图方案的特斯拉，也不是部署一个技术框架，就可以高枕无忧。算法模型的搭建完成，只是智能驾驶大厦的地基，往后则是不断的测试和优化。

甚至越是用到BEV+Transformer这样的端到端模型，越需要大量的参数调整和优化。接近特斯拉工程团队的人士告诉PowerOn，即便是特斯拉，“也需要加一定的restriction （加一些规则逻辑的代码）来进行辅助。”

此外，算法模型的每一次训练和优化，都是一个耗时耗资的大工程。

一位小鹏人士向PowerOn表示，通常为保证模型的效果，研发团队在前期会将模型做的很重，比如将感知精度推得很高。而算法优化，就是在保证感知精度不被降低的前提下，砍掉模型中无用的参数，并将算法塞进算力受限的计算平台，尽可能减少对算力的消耗，“剪枝、量化、软件部署，每一步都要做很多工作。”

而由于数据量庞大，每一次的算法训练都是一笔巨大消耗，从喂养数据到一个可用的模型，“一次训练要好几天，花费几百万元。”

除了一遍遍优化算法，还要在实际道路上进行无数次软件测试，这也是智驾落地过程中的最枯燥的“dirty work”。

有业内人士向PowerOn介绍了智驾落地的大致流程：针对目标城市，测试工程师们往往要拿整体方案进行路测，每天在车内坐上十来个小时，起码十数台车起码跑半个月以上，才能积累特殊路况。

然后通过修改算法解决特殊问题、迭代模型，但新的模型并不一定能顺利解决问题，“可能10个问题只解决了5个，只能不断去测，反复下来，一个城市的问题解决可能要三个月。”

随着落地规模越大，车企需要建立一个更加庞大的数据闭环系统，涵盖数据挖掘、主动学习、自动标注、模型调试、测试验证、模型发布等环节。最重要的是，数据闭环要能够经受数十万甚至百万车回传的数据冲刷，才能真正形成数据驱动，让车辆具备自主进化的能力。

因此，饶是落地经验相对丰富的小鹏汽车，开城速度也没有想象中快。“现在还没有成熟的流水线开城模式，只能是先翻一个山头，再翻一个山头。”一位小鹏汽车智驾人士说道。

有小鹏人士表示，现在内部压力最大的是规划控制环节。例如，小鹏之前的数据大部分是广东的，扩城之后，会遇到很多北京特有的场景。

如果要保证用户的体验一致，只能叠加各种控制规则来修改驾驶策略。小鹏智驾灵魂人物吴新宙，即便在离职前夜，也不得不为了北京的城市NGP落地，“北京广州来回跑。”

显然，即便是有了可行的感知技术路径，城区智驾也没有快速铺开的“银子弹”。不管是模型优化还是规则调整，都是漫长而繁琐的工程化过程。

8月25日的成都车展上，理想汽车副总裁刘杰悄然调整了“城市NoA开通100座”的描述，在其公布的开城明细中，将“城市NoA”改为了“通勤NoA”。

相比城市NoA对全城区域的覆盖，通勤NoA模式轻量很多，用户可以自行设定1到2条通勤路线，车辆自主学习道路NPN特征，学成之后就可以在这些通勤路线开通NoA功能。“相对简单的路线基本1周以内可以激活，较为复杂的路线，2-3周也足以完成训练。”理想表示。

小鹏也推出了类似的“AI代驾”模式，来实现今年50座的开城目标。“成本又低，边际效应很大，都是用户高频使用路线。”一位智驾行业人士表示。

BEV+Transformer几乎提供了去掉高精地图的终局感知方案，也让智能驾驶从高速走进城市，最终通往自动驾驶。但必须承认的是，代码与算法有限，而现实场景无限，这也决定，智能驾驶是一砖一瓦的量产工程。

在激烈的口水仗过后，国内的车企们依然需要回归现实，日拱一卒。（启动PowerOn）