“轻地图”的形式，将更有利于智能驾驭在更多城市和更多车辆中普及

高速NOA的使用场景有限，能给消费者带来的价值有限，自然带给主机厂们的收入也有限。无论从主动驾驭技能价值的完成，还是主机厂的商业化视点考虑，城市NOA都是有必要拿下的阵地。

但比较高速场景，城市场景要杂乱的多。在城市道路中，轿车驾驭要考虑过马路的行人、随时可能加塞的车辆和着急赶路的外卖小哥，让难度瞬间上升几个数量级。

难度的上升，让高度依靠高精地图的技能道路遇到了巨大瓶颈，与此同时，特斯拉引领的BEVFormer道路给出了新的“解题思路”。

2019年，马斯克曾揭露标明：“过火依靠高精度地图，会让主动驾驭系统变得极端脆弱，普及起来愈加困难。”

但彼时，特斯拉不依靠高精地图的计划，也遇到了自己的问题。特斯拉的办法是在每个传感器上单独进行感知，然后再将不同感知成果进行交融。但由于不同传感器的成果需要在运动补偿误差的前提下匹配信息，最终可能导致输出成果彼此抵触。

2021年，特斯拉在AI DAY上展现了根据Transformer+BEV的模型，经过GPT同源的AI技能模型，来处理了这一抵触问题。

该架构的基本原理是在BEV（鸟瞰图视角）的基础上，引进Transformer的注意力机制。在注意力机制“主动联络上下文”的帮助下，特斯拉的FSD能够做到“更丝滑”地交融多摄像头数据，完成从图像空间到 BEV 空间（3D）的转换，最终生成类似于统揽轿车邻近全局的“上帝视角”。从而处理之前BEV计划中，怎么将不同传感器的特征完成最优表达的难点。

随着根据BEV+Transformer技能的逐渐完善，高精地图计划受困于地图鲜度和成本的缺点也在逐渐放大。

2023年3月，华为常务董事、终端BG CEO、智能轿车处理计划BU CEO余承东直言，“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。咱们连上海市的一条小路都要折腾好久”。抱负轿车智能驾驭副总裁郎咸朋博士以为，想取得高鲜度的高精地图，必然要频繁更新，假如想取得元素丰富的信息，必然制造工艺会非常杂乱。

所以，智驾厂商们逐渐扔掉原来的高精地图计划，加快根据BEV+Transformer技能结构下，“重感知，轻地图”的技能迭代。

华为在ADS（Autonomous Driving Solution）1.0中，已完成根据 Transformer+BEV的架构。在本年4月16日的发布会上，华为ADS 2.0加入了GOD（通用障碍物检测）网络。对此功用的底层逻辑，余承东这样归纳，“机器需要不断练习才能知道异形障碍物，而人眼即便不知道它，也知道这不是路。”

GOD网络技能在原理上，有些类似特斯拉Occupancy Network（占有网络）。两者的差异在于，华为凭借了激光雷达来进一步提高精确性。但两者都能够构建出车辆适合的特征空间。经过让车辆“知道”当时空间“过不去”即可的方法，防止此前视觉感知形式下，需要对大量道路可能出现的物体的辨认练习。根据此，华为能够在ADS 2.0愈加注重轿车的感知才能，削减对高精地图的依靠。

在商业落地规划方面，华为计划到本年Q2完成5个城市的城区NCA落地（依靠高精地图），Q3完成15个城市的落地（无图），而Q4将增加至45个城市。

小鹏在2021年研制的XNet感知架构中，也是根据BEV+Transformer技能结构。经过在硬件上增加两颗激光雷达和双英伟达Orin芯片，完成了XNGP（小鹏主动领航辅佐驾驭）功用。比较于上一代的产品，XNGP可以完成更高级的辅佐驾驭功用。

不过，比较于华为“脱图心切”，小鹏并没有“急于”脱离高精地图，而是分为“三步走”的战略。

3月31日，小鹏解锁XNGP第一阶段才能，即在广州、深圳、上海使用城市NGP，并具有在无高精地图掩盖的城市敞开直行红绿灯辨认起停、跨线绕行障碍的才能。在本年下半年，XNGP将敞开第二阶段才能，即在无高精地图掩盖的城市敞开主动变道、超车、左右转的才能。而到2024年，XNGP将进化至“终极形状”，即全场景打通，从起点停车位到终点停车位，全程都可以使用智能领航辅佐驾驭。

近期，光锥智能在对小鹏体验店人员问询时，工作人员标明，小鹏当时仍然依靠高精地图。

在对辅佐驾驭技能道路的展望上，毫末智行也给出了看法。“不使用高精地图来做城市NOH，毫末是第一个知道到和提出来的，”毫末智行CEO顾维灏在出席成都车展长城魏牌发布会时以为，“决定适应性和泛化性的，是产品的拓展性和维护成本。”也就是说，“轻地图”的形式，将更有利于智能驾驭在更多城市和更多车辆中普及。

除此之外，抱负的AD MAX还未大规模推送上线，但也声称凭借云端大模型对杂乱的路口特征的提取，来强化车端对物体的辨认。一个有意思的插曲是，有网友把抱负NOA图片发到了推特上，成功引来了马斯克，马斯克说“这看起来很熟悉”。

现在，在各家厂商的技能优化下，城市NOA在技能层面即将看到“成功的曙光”。

8月2日，马斯克在交际平台标明，特斯拉现在正在开发“FSD人工智能（AI）拼图上的最后一块拼图”——“车辆操控”，这将使30万行以上的C++操控代码削减约2个数量级。这似乎标明特斯拉在车辆操控上将更多依靠神经网络，而非直接的编码指令。一旦完成，FSD将无需驾驭员操控车辆，车辆系统可完成所有驾驭使命。

8月26日，马斯克演示了特斯拉的最新主动驾驭技能（FSD V12）。在直播过程中，马斯克驾驭着一辆 Model S ，展现了“端到端”的主动驾驭。他随机在地图上标记了途径点，并经过特斯拉的主动驾驭系统让车辆从起点到终点自主驾驭。直播过程中，马斯克评论称，“没有任何一行代码告知它需要怎么转弯、怎么处理施工障碍物和环岛，只是向 AI 展现了一大堆视频练习数据，它就学会了怎么驾驭”。

不过马斯克还补充称，特斯拉现在正在练习这些神经网络，“练习计算”是现在的约束因素。“咱们现在是练习计算受限，而不是工程师受限。”

特斯拉遇到的困难，恰恰对应了“AI三要素”（算力、算法、数据）的发展问题。在BEV+Transformer途径较为确认的当下，补足算力和数据，成为摆在智驾玩家们面前的新课题。