在智能驾驶领域，最火热的话题莫过于： 去高精地图 。 

但城市辅助驾驶苦高精地图久矣。成本高、「鲜度」要求高、开放城市少的高精地图在城市 NOA 普及的过程中，成为了车企难以言喻的痛，连华为终端 BG CEO、智能汽车解决方案 BU CEO 余承东都忍不住在公众场合大吐苦水，与此同时，小鹏、华为、理想、蔚来都纷纷对外释放了去高精地图的城市 NOA 计划。 
同为造车新势力的智己，却有着自己的见地，在各家如火如荼去「高精地图」之时，智己坚持「 重地图 」和「 轻地图重感知 」两腿走路。 
 

在上海车展前夕，智己 CEO 刘涛在 IM AD DAY 上正式发布 智 己 高速 NOA ： 
 

• L7 车型的高速 NOA 功能预计 4 月底开启推送，LS7 车型预计 6 月份推送；
• 首批开放城市为上海、苏州、杭州、嘉兴、湖州；
• 两款车型的 NOA 功能将在年内面向全国高速高架开放。

随着年内智己城市 NOA 投入公测，智己 IM AD 将完全打通高速和城市场景。 
01 智己高速 NOA 挑战苏州 
在市场上，其他车型早早已经推出高速 NOA，甚至是城市 NOA 功能，智己高速 NOA 的姗姗来迟似乎无法给我们带来「新鲜感」。但是当我体验高速 NOA 的两个小时里，我的想法发生了改变。 
这次的体验路线位于苏州阳澄湖附近的常嘉高速和沪常高速路段。 
由于是连接城市的高速路，我们在路上看到不少运输货物的大车，这刚好能体现出智己 NOA 避让大车的能力。 
 

和体验其他方案的避让大车功能不同，智己 NOA 的避让会显得更加线性。 
一般来说，其他方案会突兀地转动方向盘避开，等大车远离，又生硬地扳回方向盘，继续行驶原本路线。而智己则会轻轻地转动方向，随着行驶路线稍微偏离大车，整个过程流畅无感。 
其次，遇到车流开始密集的时候，智己 NOA 会主动变道，选择最佳路线。 
图片中的红车，在我们前面经历了三四次变道，可是最终的通行效率却不理想，选择中间车道的智己 NOA，则很快驶离了这片车流密集的区域。 
 

来到第三个场景，智己高速 NOA 根据导航的路线规划，离匝道口处 1 公里左右时择机进入匝道。这可以最大程度避免匝道拥堵、大车占道时的情景。 
 

第四，面对匝道上的急弯，智己 NOA 能控制好速度，顺利通过。 
 

从以上的表现来看，它已经毫不逊色于市面上其他 NOA 产品。 
但在体验中间，我也发现了一些可以提升的地方： 
例如 NOA 在将近退出时的语音提示不够明显；以及从 Pliot 功能退出，需要司机接管时，方向盘会有比较明显的抖动，让驾驶员「猝不及防」。 
需要明确的是，我们这次体验的高速 NOA 仍是内测版，后续计划推送给车主的版本将会再进行优化和升级，到时候车主使用到的版本，将会更加「像人」。 
而让智能驾驶「更像人」并真正帮助人类司机解决驾驶场景，智己有自己一套方法。 
02 D.L.P. 人工智能模型： IM AD「更像人」的秘密武器 
在 IM AD DAY 上，智己汽车智能驾驶项目高级总监脱悦为我们介绍了智己 NOA 的能力。 
要做一款懂消费者的高速 NOA 产品，智己先将高速场景的痛点研究明白了。 
 

在高速 NOA 众多频发场景中，智己认为变道场景和拥堵场景是高速 NOA 的最亟需解决的痛点。 
首先是 变道场景 。 
在高速路上，空间狭小，前后车博弈时会随时加减速。智己基于数据驱动的飞轮，车辆可以精准判断各个目标物体的空间位置以及实时速度，实现以视觉为主的空间感知能力。 
以距前车不超过 2m 时的变道场景为例，智己的实时空间感知能力，位置感知精度能达到 10cm 级别，速度感知精度达到 10cm/s 级别。 
据智己统计的数据显示，智己高速 NOA 导航变道失败率比头部玩家低近一半。智己高速 NOA 变道失败率为 4% ，头部玩家为 7.6% 。 
其次是拥堵场景。拥堵场景中，车流密度大，频繁启停，突发情况多，交互性强，要兼顾三大元素：安全，舒适，效率，才能算是「解决」拥堵场景。 
在满足以上元素的条件下，智己抛出了一个典型的拥堵场景： 
 

• 讲求安全 ：跟车距离尽量大，刹车反应要快；
• 讲求舒适 ：不能有重刹，产生顿挫感；
• 讲求效率 ：跟车距离就不能过大，以防连续被加塞。

通过庞大的感知训练数据和大量的拥堵场景训练样本，智己希望高速 NOA 能够实时感知空间，并且轻松应对拥堵路况，从而实现「更像人」的智能驾驶体验。 
据智己统计的在拥堵场景的志愿评测数据，智己的不舒适体感次数为 每 2 1.6 分钟一次 ，头部玩家则是每 9.2 分钟一次，智己的高速 NOA 舒适度是头部玩家的 2 倍以上。 
过去几年间，行业头部的智能驾驶玩家在感知智能技术路线方面逐步趋同，基于 BEV 和 占用网络 （Occupancy Network） 架构的感知算法成为主流技术路线。 
车企包含蔚来、理想、小鹏，新兴供应商包含百度 Apollo、华为、大疆、毫末智行、轻舟智航、小马智行、元戎启行等，都在自研智能驾驶中使用了 BEV 技术。 
而溯源至 2021 年，智己已经率先在智能驾驶领域使用多传感器多任务的 Transformer 模型 、 时序 BEV 机制 实现 OneModel 落地量产。 
而从智己统计的接管数据来看，决策规划问题即认知智能导致的接管率，是由感知问题即感知智能导致的接管率的 10 倍 。 
这个洞察让智己内部意识到，在持续提升感知智能的同时，认知智能已经成为智能驾驶技术演进的瓶颈。 
在 IM AD DAY 上，智己宣布将数据驱动的决策规划应用到量产，正式发布 行业首个 D.L.P. 人工智能模型 ，着力解决认知智能的难题。 
 

智能驾驶由感知、融合、预测、规划、控制等组成。其中规划是最需要攻克的一关，这也是提升认知智能的突破口。而 D.L.P. 人工智能模型的发布，正是为了解决数据驱动全流程中的规划模块。 
目前，D.L.P. 人工智能模型已经在进行大规模的数据内测。基于 D.L.P. 的 IM AD 自动驾驶系统，将显著提高复杂环境变化的预判能力，进而提前规划智能驾驶行为，让智己 IM AD 实现更像人的启停、汇流，最终提高通勤效率。 
据智己统计数据显示，智己 NOA 的匝道通过率 95%，优于行业头部玩家的 86% ；变道成功率 97%，优于头部玩家的 92% ；百公里误制动 0.4 次，远低于行业头部玩家的 1.4 次 。 
与此同时，智己正在开发的 DDOD ( Data Driven Object Detection) 模型和可替代高精地图的 DDLD ( Data Driven Landmark Detection) 模型，将大大提高智己 IM AD 感知的能力。 
 

DDOD 模型中的 Occupancy 网络算法，等同于特斯拉占用网络和华为 GOD 网络，可以对物理世界进行数据化建模，通过纯视觉可以还原物理世界的真实场景。 
DDLD 模型可对高精地图进行替代，相比较传统的感知算法，可以预测出一部分感知当前无法观测到的路网信息。 
在这两个感知模型的加持下，再加上 D.L.P 人工智能模型对智己 IM AD 认知智能能力的增强，智己表示将在未来形成感知智能和认知智能的双维提升。 
03 「重地图」方案和「重感知轻地图」方案并行， 城市 NOA 年内内测 
IM AD DAY 上，除了 D.L.P 人工智能模型和高速 NOA 发布的重磅信息，智己还公布了智能驾驶时间线： 
 

• 城市 NOA 领航辅助已开启内测，预计 2023 年年内开启公测；
• 可替代高精地图的 DDLD 智能驾驶感知模型，预计 2023 年底开启公测。

这也意味着，到今年年底，智己的辅助驾驶功能将覆盖高速和城市路段，IM AD 将形成闭环。 
今年车展期间的智能驾驶领域，最火热的话题莫过于「去高精地图」，各家车企和自动驾驶公司也纷纷秀肌肉。 
 

• 问界宣布 M5 智驾版搭载华为 ADS 2.0 高阶智能驾驶系统，不再依赖高精地图，而是通过雷达、摄像头等融合感知，识别异形障碍物；
  
   
• 理想最新发布的 AD Max 3.0 ，按照官方说法，它可以摆脱对高精地图的依赖，像人类司机一样实时感知、决策、规划；
  
   
• 百度推出的城市智驾 Apollo City Driving Max 系统 ，选择以「纯视觉+激光雷达」的方式实现感知冗余，比行业通用的传统高精地图要「轻」近 80%。
  
   
• 元戎启行发布 Driver 3.0 系统 ，无需高精地图，以更低的硬件成本就能实现城市内点到点智能驾驶。

而刘涛表示，在一段时间内，智己仍将并行采用「重地图」方案和「重感知轻地图」方案实现 NOA 功能。 
智己认为，高速场景的高精地图已经有 5 年以上的开发时间，和城市场景经常修路改道相比可以保证「鲜度」，因此在高速场景选择继续使用高精地图方案。 
而城市场景，则使用「重感知轻地图」方案。基于 Occupancy 占用网络模型的 DDOD 以及经过高精地图训练的 DDLD 两种感知模型，可以对路面以及悬挂物进行精准感知，以规划自车的行驶轨迹。 
另一方面，智己也正在开发轻量化的地图方案，通过感知的方式获取远距离、高精度的实时道路环境模型。 
「我们做过 5000 公里以上的对标，通过大数据对标来看，我们的成功率达到 95% 以上，目前百公里接管率可以达到一次以下。」刘涛自信地表示。 
他预测，基于网络模型的不断迭代，百公里接管率会以两年为周期提升十倍。预计到 2025 年，接管率就能从每百公里接管一次，到每万公里接管一次。 
 

而将目光放到当下，当各家城市 NOA 功能逐渐一致，比起如何落地，智己更关注驾驶者体验。 
智己认为，智能驾驶最终极目标一定是安全的、舒适的体验，让人在最放松的状态下，从 A 点到 B 点。 
要实现这个终极目标，一方面，要通过智能驾驶底层技术、逻辑来演变，深挖技术的更多可能性；另一方面，需要通过技术呈现出来让用户感知到稳定的体验，又可以在真正的使用场景下让用户感到惊艳。 
这可能也是智己 NOA 相较于其他 NOA 方案「姗姗来迟」的原因。 
溯源至 2014 年，上汽前瞻工程团队已着手智能驾驶领域的相关研究，在规控与执行器协同处理方面获得了丰厚技术积累。 
2017 年成立上汽人工智能实验室，开启在深度学习领域的全面布局。 
2020 年，L 项目组 （智己汽车） 与 Momenta 建立在智能驾驶领域的深度战略合作关系。 
2021 年，智己汽车率先在智能驾驶领域使用多传感器多任务的 Transformer 模型、时序 BEV 机制实现 OneModel 落地量产。 
因此，我们看到 IM AD 的表现都是「有迹可循」的。对于智己而言，这不单单是 NOA 功能的上线，更是历经数年沉淀的成果。 
相信今年即将开始公测的城市 NOA，会给我们更多惊喜。