高速NOA，「降本」救市

降本，仍是车企智能化普及的主旋律。

本周，随着华为正式开启智界S7的规模化交付，同步首发的还有华为的视觉智驾HUAWEI ADS 基础版，相比于高阶版本（支持城区NOA），取消激光雷达，支持高速NOA和智能泊车。

同时，在保持毫米波雷达（3R）和超声波传感器（12U）数量不变的前提下，相比于高阶版本，摄像头减少一颗后向，从11V降至10V。

此外，占据智驾系统核心成本之一的域控制器，也从华为MDC610降级至510版本。

在功能细节部分，相比于激光雷达版本，ADS基础版还取消了侧向障碍物防碰撞、异形障碍物自动紧急制动以及循迹倒车（RA）、机械车位泊车辅助以及高阶代客泊车功能。

调整的背后，按照华为的说法，主要是两方面的诉求：1、通过硬件降本、功能降维，让更多的用户可以花费更低价格体验华为的智驾；

2、高阶版本成本仍较高（包括更高算力的域控制器以及激光雷达），30万以下车型搭载华为高阶智能驾驶，都是在亏本卖。

这不是行业个案。

实际上，包括理想、小鹏、广汽、极氪、奇瑞等同行，也都采用了类似的配置策略，同时，在传感器、芯片等部分进行差异化配置。

首先，在芯片层面，在算力和数量上均呈现新的变化。

以小米SU7为例，为了降低智能驾驶的入门级价格门槛，高速NOA仅配置算力为84TOPS的英伟达Orin-N版本。极氪、小鹏则采取单双Orin-X的差异化配置。

实际上，从行业趋势来看，对于智驾算力的需求，也从过去的简单粗暴堆叠算力转变为如何充分发挥有效算力的阶段。

让算力需求回归理性，已经是大势所趋。过去，几百TOPS用于跑高速NOA，既有算法优化不到位的问题，也有预留升级城区NOA的考虑。

不过，按照传统汽车的开发模式，如果不考虑功能的深度迭代，几十TOPS的算力，也并非不能落地NOA。

比如，几年前，小鹏首发搭载的英伟达Xavier，算力也仅有30TOPS，就已经可以支持高速NGP。只是，如果需要迭代至城区NOA，算力的确有些捉襟见肘。

但，对于大部分车型定位来说，高速NOA已经是上限。尤其是30万元以下车型，车企对于芯片选型的性价比要求是首要考虑因素。

这也给了后来者更多的抢单机会。

其中，华山二号A1000芯片是黑芝麻智能首款乘用车前装量产落地的芯片产品，可支持从泊车到L2的5V1R方案和10V NOA方案，单芯片即可实现行泊一体功能。

公开信息显示，目前，华山二号A1000已经处于全面量产状态，量产车型包括领克08、合创V09、东风eπ007等。

与此同时，基于整车电子架构升级的系统性降本（比如，基于多域融的全新模式），也是去年开始不少主机厂的下一代产品体系策略调整。

比如，黑芝麻智能推出的武当系列高性能跨域计算芯片，基于单芯片实现舱驾一体，提供8155级别的座舱芯片能力并加载上高速NOA、网关等功能，可以帮助车企将全域智能化下探至15万元级别市场。

而在传感器部分，摄像头是本轮智能化下探的唯一受益者。目前，高速NOA的摄像头配置数量集中在7V-13V之间，相比于基础L2（单V为主），摄像头数量呈现指数级增长。

高工智能汽车研究院监测数据显示，2023年，NOA配置摄像头上车搭载总数达到657.95万颗，以3%的新车交付量占比，贡献整个舱外摄像头市场约12%的份额（如果排除全景环视，这个比例会更高）。

而同比增速更是夸张。数据显示，2023年NOA配置摄像头总数同比上一年度增长245.02%，单车搭载摄像头达到10.39颗。

相比而言，毫米波雷达和激光雷达，形势不容乐观。其中，激光雷达被拦在高速NOA和城区NOA之间，后续增量只能寄希望于城区NOA的普及力度。

而即便是价格便宜的毫米波雷达，也是车企降本的首选，更是让曾经的5R配置减配为3R。以华为为例，去年开始，ADS 2.0系统已经在部分车型从早前的6颗减配为3颗。

此外，小鹏汽车推动智驾系统降本，除了“轻地图”方案，还有“轻雷达”解决方案。“全场景智驾的终极架构XBrain，能让X9减少两颗前向角雷达，这也是高阶智驾降本的路径之一。”

高工智能汽车研究院监测数据显示，2023年中国市场（不含进出口）乘用车前装标配毫米波雷达（不含舱内）2217.93万颗，同比仅增长23.54%，相比于上年同期增速下滑近8个百分点。

此外，过去被不少车企视为隐性成本的高精度地图（外采第三方图商方案），也在逐步被车端建图方案（车端地图引擎）所替代，也就是通常所说的“无图”方案。

同时，由于目前的高精度地图存在高成本、维护更新频率低等问题，其在城市NGP的大面积应用上还存在不小的难度。而车企的深度介入，不管是纯视觉，还是无图，目标只有一个：加快开城和泛化。

从目前各家正在推动“无图”（或者说不依赖第三方高精度地图）智驾方案落地的车企招聘方向来看，高精度地图众包更新（地图数据系统）是主要岗位之一。

这其中，主要涉及众包数据融合算法和地图差分算法设计，自动化更新和制图，以及车端高精地图引擎设计、开发与维护。

目前，从车企的配置策略来看，高速NOA和城区NOA大概率是采用两种不同的平台；前者解决性价比问题，在基础功能上，无论是安全性、可靠性都要高于C-NCAP的要求。

后者，则是解决城市复杂场景问题，实现多传感器冗余，要有足够的安全备份（尤其是L3/L4落地预期已经出现）。激光雷达、高算力平台仍是主旋律。

而接下来，从高速NOA到全场景智驾的降本“炸弹”何时会被引爆？就要看特斯拉FSD能否顺利进入中国市场。

今年初，特斯拉的FSD Beta 12.3.2在美国实现OTA升级，正式释放基于纯视觉的Autopark自动泊车功能，并且该公司计划在下个月正式发布基于纯视觉的高阶泊车-智能召唤功能。

这被视为特斯拉迈向真正全场景（高低速行泊）纯视觉智驾时代的关键一步；要知道，目前在汽车行业，特斯拉是唯一一家真正的纯视觉方案（有且只有摄像头）落地车企。