城区NOA发展提速助力未来出行新形态 产业链仍面临技术卡脖子问题

摘要： 　　本报记者 李春莲　　10月27日，由《证券日报》社与江西省金融控股集团有限公司共同主办的“2023汽车资本论坛”在江西省南昌市举行。在以“城区NOA叠加车能路云 是否未来出行...

　　本报记者 李春莲

　　10月27日，由《证券日报》社与江西省金融控股集团有限公司共同主办的“2023汽车资本论坛”在江西省南昌市举行。在以“城区NOA叠加车能路云 是否未来出行新形态？”为主题的圆桌论坛上，多位企业代表展开了激烈的讨论，为行业发展出谋划策。

　　去年以来，各车厂争先恐后推出NOA技术。城区NOA被许多人看作是实现高级别自动驾驶的必经之路，而城市场景的落地也标志着智能辅助驾驶下半场的开局。

　　随着城区NOA的快速发展，距离真正的无人驾驶也越来越近。参与圆桌的嘉宾均表示，城区NOA的发展令人振奋，随着其渗透率不断提高，对产品的打磨也愈发重要。让更多人享受到这项技术，才是产品真正价值的体现。

　　城区NOA是刚需

　　根据场景的不同，NOA可进一步分为高速NOA和城区NOA。其中，城区NOA可以在复杂的城市场景中实现点到点的“导航辅助驾驶”功能，其难度也远远大于高速NOA。

　　对此，木牛科技CEO王宗博表示，如果我们不计研发成本来做L5，毫不怀疑一定能做到。但讨论NOA的意义在于，不仅是让高价车有NOA功能，而要让这个功能更普遍。不管什么技术都要考虑成本，成本越低，这项技术受众越广，社会价值就越大。

　　路特斯机器人市场及策略总监张栋则表示，目前城区NOA渗透率较高，能达到30%以上，但从实际的消费者买单意愿来看，愿意付费的比例还不高，本质是用户侧还没有体验到真正的价值。城区NOA是刚需，随着未来几年城市场景的渗透，用户真正习惯了相关功能产品，并愿意付费，有可能带来商业良性的回归。而明后年也将会迎来新的产业变革。

　　城区NOA发展提速背后是产业链多个环节的技术进步。

　　蔚赫信息董事长辛志鹏表示，今年是NOA元年，随着电动化、智能化、网联化的发展，工具链领域发生巨变，场景、技术和产品都在变。以前是五年时间推出一款车，现在一年半甚至七个月就可以做到。如果汽车软件功能越来越复杂，往无人驾驶发展，就非常需要工具链公司能够给客户提供快速及时的支撑，

　　“城区NOA接近L4无人驾驶技术，也是从智能驾驶到无人驾驶的最后一步，前景非常广阔。”江铃汽车首席客户体验官方昱樑表示。

　　同驭汽车董事长兼总经理舒强认为，城区NOA的发展“令人振奋”。舒强表示，对于汽车行业能不能从L1、L2真正跨越到更高级别的驾驶，一直以来都有不同的声音，包括新能源汽车行业领头企业对此都不自信。但城区NOA技术的突破，对跨越到真正的无人驾驶已经很接近了，这是一个非常关键的阶段。

　　同时，舒强也提到，城区NOA对线控底盘的要求大幅度提升，必须要让自动系统变成真正的全线控化。

　　产业发展依然存在挑战

　　城区NOA发展不断提速，企业人士也在论坛上呼吁加大政策支持。

　　舒强认为，政策要对城区NOA的发展有一定包容度。新技术肯定会经历试错，需要不断优化很多数据，一边落地一边进化才能把技术做起来。

　　在舒强看来，从政策和舆论角度来说，要给予城区NOA一点成长空间，对于从业者来说，要抓紧时间迅速提升技术。技术的关键点在于其可靠性和快速响应。从执行角度来说，控制精度要足够好，硬件必须为智能驾驶提供很好的性能水平，得到市场的认可。

　　“过去十几年，从补贴、供应链、外资引进等角度来看，政策对电动化、智能化的支持力度非常大。”张栋提到，自动驾驶的落地最终呼唤的是产品和用户体验回归，真正要把产品的体验做到用户的痛点处。这需要大家不断打磨产品，真正发现用户的痛点。

　　王宗博也认为，“城区NOA给汽车产业带来巨大机会，作为参与者，我们是走体量不是走概念，要用有限的价格来降低NOA综合成本。”

　　不过，城区NOA的持续发展也依然面临不少挑战。

　　张栋表示，目前产业依然存在很大挑战，核心的车端和云端供应链还存在卡脖子问题，包括芯片及算力需求等都是整个产业链需要面临并亟须解决的问题。

　　对于用户产品体验的安全感而言，张栋表示，路特斯产品的“安全感”不是个人的感觉，而是基于很多自研的博弈算法，有风险模型和时空链博弈，保证了相关软件足够去适配各种各样的场景。但系统安全依然挑战很大，包含了全生命周期的维护。

　　方昱樑也提到，从主机厂的角度来看，技术方面还要解决三大痛点：第一是基于高算力的平台、芯片的国产化；第二是高精准传感器成本的降低；第三是在软件城市方面引进新技术，通过AI、大模型等，把算法做得更精准。

　　在方昱樑看来，商用车是无人驾驶最方便量产的载体。主要还是因为其有一个固定的应用场景，路线非常稳定，操作时间也很长，无论在数据集方面或者系统优化方面迭代得更快。