在電動汽車滲透率持續(xù)上升的趨勢下，以大模型、大數(shù)據(jù)為主導(dǎo)的智能化成為了車企提升競爭力的關(guān)鍵，智能駕駛將引領(lǐng)汽車產(chǎn)業(yè)新一輪變革。這個(gè)行業(yè)共識在今年的成都車展上得到了更加充分的體現(xiàn)，為了能在一眾新品中脫穎而出，不少車企紛紛聚焦智能化，將“自動駕駛”“智能操作”等概念作為宣傳賣點(diǎn)，希望以此來破解當(dāng)下同質(zhì)化競爭的困局。

其中，長城汽車旗下魏牌在成都車展上展示了AI自動駕駛實(shí)力，并宣告在自動駕駛大模型DriveGPT 雪湖·海若加持下，魏牌正加速進(jìn)入自動駕駛 3.0 時(shí)代，即將推出配備2顆激光雷達(dá)、具備城市NOH功能的版本。這意味著長城汽車即將在城市智能駕駛輔助領(lǐng)域發(fā)力，以期獲得在智能化賽道的主導(dǎo)權(quán)。

最早采用“重感知”技術(shù)路線，比肩特斯拉超越新勢力

實(shí)際上自去年底以來，越來越多搭載城市級智能駕駛系統(tǒng)的車型陸續(xù)亮相，現(xiàn)階段主要有四家企業(yè)對外宣布自己已具備高階城市輔助駕駛能力，分別是：特斯拉、長城、小鵬、華為。而這幾家的智能駕駛解決方案十分有代表性，基本涵蓋了目前智能駕駛行業(yè)的幾種路徑。

其一是走純視覺路線的特斯拉，主要以攝像頭模擬人的雙眼識別目標(biāo)。這種舍棄雷達(dá)和高精度地圖的純視覺感知方案雖可明顯節(jié)約造車成本，降低智能駕駛進(jìn)入消費(fèi)市場的門檻，但卻存在難以回避的問題，例如，缺乏相關(guān)雷達(dá)會導(dǎo)致無法兼容更多場景，無法適應(yīng)復(fù)雜路況：單純依賴攝像頭可能會出現(xiàn)場景識別錯(cuò)誤的情況，并且攝像頭在暗光環(huán)境下可能被“致盲”。特斯拉也曾因此引發(fā)過多起交通事故，導(dǎo)致業(yè)界對該路線存在廣泛爭議。

區(qū)別于特斯拉純視覺的技術(shù)路線，長城、華為、小鵬等中國車企，不約而同地選擇了更適合中國復(fù)雜路況的融合感知方案。不過，在融合感知這條路線上，各大車企也走出了不同的路徑，例如，早期華為的ADS及小鵬的NGP都更加依賴高精地圖。

但是過度依賴高精地圖存在一系列問題。其一是覆蓋范圍有限，很難實(shí)現(xiàn)國內(nèi)所有城市的布局和更大范圍的覆蓋；其二是地圖鮮度無法保證，受制于復(fù)雜的繪制過程，高精地圖無法及時(shí)同步臨時(shí)的道路變化，比如臨時(shí)的修路、改道等情況。目前華為和小鵬均已經(jīng)認(rèn)識到這些問題，新上車的高階智駕系統(tǒng)已經(jīng)轉(zhuǎn)向重感知技術(shù)路線。

在這方面，長城汽車已經(jīng)走得更遠(yuǎn)了。

不同于特斯拉的純視覺路線和新勢力過度依賴高精地圖的方案，長城汽車最早提出了“重感知”技術(shù)路線，通過四位一體高效協(xié)同的超強(qiáng)感知模組（激光雷達(dá)+毫米波雷達(dá)+超聲波雷達(dá)+多攝像頭）獲取場景信息，實(shí)現(xiàn)視覺體系與感知體系雙重保障。并憑借多樣的感知手段，能夠?qū)Π倒猸h(huán)境或者小型物體進(jìn)行準(zhǔn)確識別。可以說，長城汽車的城市NOH既集合上述兩種路線的優(yōu)勢，又彌補(bǔ)了它們的缺陷，能夠適應(yīng)更多的城市道路場景。

長城打出軟硬件“組合拳”，打造城市輔助駕駛最優(yōu)解

憑借高性能的硬件配置、強(qiáng)大的算力以及自動駕駛數(shù)據(jù)智能體系加持，長城汽車城市NOH打造出城市輔助駕駛最優(yōu)解。

在硬件配置上，目前搭載城市NOH系統(tǒng)、正在進(jìn)行泛化路測的魏牌摩卡DHT-PHEV激光雷達(dá)版，配備了2顆125線激光雷達(dá)、5顆毫米波雷達(dá)、12顆超聲波雷達(dá)、4顆百萬級像素環(huán)視攝像頭、4顆百萬級像素側(cè)視攝像頭、4顆800萬像素感知攝像頭，共31個(gè)高性能感知組件。無論是感知模組的質(zhì)量，還是數(shù)量，均明顯領(lǐng)先于當(dāng)下的主流輔助駕駛車型。

在算力上，長城汽車全棧自研了IDC3.0智能駕駛計(jì)算平臺，它的域控制器主芯片單板物理算力達(dá)到驚人的360TOPS，未來通過板間級聯(lián)方式，可持續(xù)升級為1440TOPS。要知道特斯拉Model 3自研的FSD芯片，其總算力也僅有144TOPS。

不僅如此，算法更是城市NOH能夠領(lǐng)先同行的殺手锏。長城汽車基于海量的數(shù)據(jù)，搭建了中國首個(gè)自動駕駛數(shù)據(jù)智能體系MANA，圍繞感知智能、認(rèn)知智能、標(biāo)注、仿真、計(jì)算等五大能力，賦予城市NOH持續(xù)進(jìn)化的能力，讓車輛能像人一樣感知、思考和決策。截至2023年8月，MANA系統(tǒng)已完成超過84萬小時(shí)的仿真學(xué)習(xí)時(shí)長，虛擬駕齡相當(dāng)于人類司機(jī)11萬年，這不僅為城市NOH的落地應(yīng)用提供了強(qiáng)大的數(shù)據(jù)支撐，也讓城市NOH智能輔助駕駛系統(tǒng)不斷成長，變得更快、更穩(wěn)、更安全。

當(dāng)前，電動化上半場尚未結(jié)束，下半場智能化的哨聲卻已響起，在這場博弈中，誰能扼住智能化的咽喉，誰就能贏得發(fā)展的先機(jī)。為此，基于公司戰(zhàn)略及業(yè)務(wù)發(fā)展，長城汽車正式宣布成立智能化前沿組織——TCAL(Technology Center Al Lab，簡稱 Al Lab)，負(fù)責(zé)構(gòu)建長城汽車全鏈路AI技術(shù)體系，打造行業(yè)領(lǐng)先的AI能力。相信未來在Al Lab技術(shù)賦能下，長城汽車的“重感知”能力、算力及自動駕駛數(shù)據(jù)智能體系也將不斷快速進(jìn)化，牢牢地站穩(wěn)智能駕駛賽道第一梯隊(duì)。