在新能源汽車行業的激烈角逐中，智能駕駛技術已成為各大車企“短兵相接”的重點區域。其中，“無圖NOA”（城市領航輔助駕駛無高精地圖版本）幾乎成了擁有智能輔助駕駛能力的車企“秀肌肉”的“擂臺”。

雖然“無圖NOA”的說法常見于車企宣傳物料，但有可能很多朋友還不太清楚它的含義。NOA是”Navigate on Autopilot”的首字母縮寫，可直譯為自動輔助導航駕駛。NOA需要依托高精度定位、多種傳感器數據、先進人工智能算法和實時決策規劃來實現，是從傳統駕駛輔助向完全無人駕駛過渡的重要技術。

高精度地圖作為實現高精度定位的重要元素，卻受限于高精度地圖本身覆蓋度、成本、更新頻次等問題，難以滿足城市NOA量產和迭代的需求。此外，高精度地圖的測繪屬于國家強監管領域，相關政策法規的頒布和實施，也讓企業使用高精度地圖的成本攀升。

因此，越來越多的車企站隊“無圖NOA”，既是以“無圖”一詞向消費者展示科技的進步感，更是出于成本控制考量。事實上，“無圖NOA”并不是真正的無圖，而是轉向使用輕地圖。早在2023年4月開始，騰訊、百度、四維圖新、高德等處于行業不同定位的企業，都在積極探尋輕地圖解決方案并發布相關產品。

然而，車企高呼“無圖”口號的同時，卻一直沒有放下對高精度地圖的“執念”。

高精度長關注，處處有用途

廣汽昊鉑HL增程版上市發布會上，廣汽集團平臺技術研究院院長梁偉強詳細介紹了該車搭載的AI-ECO駕駛模式。

據悉，AI-ECO模式下，車輛可以提前“看”到160公里以內的所有路況。一旦設置好目的地，昊鉑HL出發前就會根據路上的擁堵情況、充電樁的使用情況設置好全程的能耗、動力分配，并結合實時駕駛情況動態調整。

梁偉強在發布會上表示，這套系統“結合導航大數據信息，借助多目標最優規劃和超視距的路況識別技術，實時分析前方交通狀況”。實測數據顯示，開啟AI-ECO后，續航可以提升15%、油耗可以降低15%。

這個功能聽起來很美好，但關鍵問題是，如何實現對160公里路況的精準預判？這顯然不是一句“結合導航大數據信息”就能帶過的。事實上，廣汽從多角度切入，持續對地圖數據的獲取和應用保持關注。

自身方面，早在2023年，廣汽就投資建設廣汽云數據中心和智能網聯大數據平臺，通過如祺出行平臺采集海量駕駛數據，形成閉環迭代。與此同時，廣汽積極與外界展開地圖方面的合作。

2024年6月13日，廣汽與騰訊戰略合作全面升級，雙方基于騰訊的云計算和輕地圖能力，共同推出“端云一體”的自動駕駛輕地圖解決方案。這包括騰訊的海量實時路況數據、充電樁使用信息，以及基于大數據的交通預測模型。

除了地圖供應商，政府部門和事業單位也是廣汽合作的選擇。廣汽所在的廣州市，正在探索由政府主導進行基礎地圖的首次采集，并在此基礎上建立“政府基礎統籌、企業眾源更新、融合共享應用”的管理模式。

得益于廣州市政企雙方在智能網聯方面的創新發展、良性互動，廣州市智能網聯汽車產業得到迅猛發展。廣汽和如祺出行，不僅是當中的受益者，也為廣州市的智能網聯汽車創新生態和創新土壤貢獻力量。

在廣州市外，廣汽全資子公司廣汽資本和廣州盈蓬出資4000萬元，與南京市測繪勘察研究院等設立“廣東廣祺輿圖股權投資合伙企業”，基金規模2.05億元，重點投資高精度地圖和智能網聯領域。

大用處成本高，車企出妙招

從廣汽對地圖數據的看重，我們可以感覺到，車企對高精度地圖，是一直保持關注的。畢竟，高精度地圖是自動駕駛發展程度從L2邁向L3的關鍵。然而，高精度地圖又擁有其天然的高壁壘。除了像廣汽這樣通過多方面合作，合理降低高精度地圖的獲取成本，車企還能有其他解決辦法。

一個方法是減輕對高精度內容的依賴，畢竟NOA是一個需要依賴多方面因素實現的技術。在這一個問題上，想成為科技公司的小鵬，更有解答的發言權。

于2024年8月23日流片成功的小鵬圖靈芯片，基于L4級自動駕駛的需求，以40核處理器架構、雙自研神經網絡處理單元和特定領域架構，實現了“一片頂三片”的算力暴漲。同時，小鵬建立了云端-模型-芯片-硬件的全棧自研架構，形成端到端大模型技術閉環，以算力的進一步應用，帶來更好的智能輔助駕駛體驗。

另一個方法，是讓高精度地圖發揮更大的價值。除了可以作為輕地圖的數據來源，換個馬甲來支持“無圖NOA”，高精度地圖還有新的去處。

根據佐思汽研的報告，自動駕駛地圖正從“記錄過去”的靜態高精地圖，轉向能夠“預演未來”的世界模型。世界模型是下一代自動駕駛系統的核心組件，是通過融合高精度地圖、實時傳感器信息和車輛狀態數據等多種數據，所構建的能夠持續學習和預測物理世界的動態環境知識庫。

世界模型出現的目標，是通過數據閉環，讓自動駕駛系統具備“理解、預測、規劃”三位一體的能力，從而更好地應對復雜多變的駕駛場景。高精度地圖在此當中，不再僅僅是提供靜態道路信息，而是進化為世界模型驅動階段必不可少的動態數據引擎。

同時，高精度地圖的時空認知能力，能夠幫助世界模型提升單車智能水平、減少算力制約，并在應對突發工況時起先驗傳感器的作用。結合3D高斯濺射、神經輻射場NeRF等新技術，高精度地圖的作用將持續起效，對智能輔助駕駛邁入L3級別有所幫助。

在這樣的背景下，各大車企都開始交出對世界模型應用的答卷。

理想汽車采用了“靜態BEV+動態BEV+NeRF增強Occupancy”的三重感知架構，通過將NeRF技術與Occupancy網絡深度結合，解決了傳統純視覺方案在遠距離感知分辨率不足的問題。

華為的ADS3.0則直接去掉了BEV系統，引入GOD（通用障礙物檢測）和PDP（預測決策規控）網絡，實現了從“識別障礙物”到"理解駕駛場景"的跨越。

智能交通之本，未來很宏大

不同于傳感器數量和算力這些簡單通過“（數字）大就是好”就能感知到變化的智能輔助駕駛元素，高精度地圖，或者說地圖這個種類，是難以讓消費者在短時間的智能輔助駕駛體驗中，感受到沉甸甸的長期價值。

然而，正如NOA的首字母N所代表的navigation（領航）, 地圖在智能輔助駕駛的發展過程中，會以不同的角色，始終起著重要的領航作用。也許現在，消費者只能在車企宣傳智能輔助駕駛相關功能時聽到這個名詞。但未來，高精度地圖會在城市智能交通體系中發揮更大的作用。

早在2022年，為了更好地落地北京冬奧會智能網聯汽車示范項目，北京市政府發布《北京市自動駕駛地圖特征定位數據技術規范》。《規范》的實施旨在通過協同自動駕駛地圖特征定位技術與自動駕駛地圖，提升自動駕駛汽車的定位可靠性、安全性與穩定性。

從長遠角度看，《規范》也起推動北京市智能網聯汽車產業高質量發展的作用。前文也提到，廣汽所在的廣州市，正在探索由政府主導進行基礎地圖的首次采集，這也是廣州市政府為實現智能交通管理的重要步伐。

過去，人們根據先驅者描畫的草圖進行探索，豐富出愈發精準的地圖；未來，汽車也會在高精度地圖的幫助下，駛向更加智能的道路。