作者 / 曹锦
在上周的成都车展上，理想汽车除了宣布旗舰级MPV——MEGA将于12月发布，还宣布了通勤NOA的推送计划：9月推送首批10座城市，年内推送全国100座城市。等到明年第二季度，理想则将向全量AD Max用户开启推送通勤NOA。
此前，理想已在6月为早鸟用户交付了城市NOA功能。根据官方统计，该批用户日均使用时长超过50分钟。另外，截至8月，该品牌整体自动驾驶训练里程已经超过7亿公里。
「这7亿公里，是在筛选完很多样本之后，再放到模型中的训练里程的。完全来自真实世界的，不是仿真的。」针对理想智驾的进展以及技术趋势，我们与该品牌智能驾驶产品负责人——赵哲伦进行了一场深入对话，展开探讨NOA功能的发展逻辑。
关于城市NOA的技术逻辑
Q：相对于之前的工程版本，目前推送的城市NOA有哪些变化？
A：我们这段时间主要在做算法泛化性的提升。城市NOA功能最早可以在北京跑通，很快在上海也跑通了。但是之后我们发现，在类似广深、川渝、等更多的城市，存在非常复杂的区域性问题。
比如上海、深圳有非常多的潮汐车道场景，成都老城区的车道非常狭窄，再比如广州车道弯道多，曲率较大。我们希望能通过算法模型的提升，从而推动城市扩展计划，从10城到100城，这都需要基于优秀的算法泛化性。
Q：理想的城市NOA相比于小鹏，有哪些特点？
A：核心有两点：第一是技术路径。小鹏做得比较早，早期采用的都是依赖高精地图的方式，至今还需要维护地图版本和软件。而理想汽车从立项开始，一直坚持用模型和无图的方式，更专注于将无图的BEV方案做好。
第二，在这一代AD Max和AD Pro平台的定义上，两个平台的数据、训练资料完全是可以复用的；再加上理想车型保有量的优势，我们在算法提升上有较大的资源储备。
Q：通勤NOA和无图的城市NOA相比，研发差异大吗？
A：从大模型的逻辑来讲，当用户使用的路多了之后，开放的路就多了，于是就形成了区域。所以本质上来说，通勤NOA是城市NOA的一个产品，它利用了城市NOA的能力，做到了更好、更快让用户能够使用上，最后组成一个区域。
Q：无图方案中，各个品牌也存在差异化。例如某品牌的的开城逻辑是先用团队去跑规则，找出城市规则差异。他们不需要依赖任何特征的提取积累，更倾向于彻底的无图，这个路线跟理想是不太一样的。
A：其实所谓的地图和先验，更多是指道路与道路的连接关系，或者道路和红绿灯之间、信号灯之间的连接关系，对于这部分，如果没有先验，容易产生较大的误差。这种情况下并不是不能开，而是很容易开错。
基于此，理想采用了NPN网络，就是要去发动群众的力量，获得一些先验信息，这是比较重要的。
另外，我们在开放一个城市的前期，也会有自己的路测团队去当地做一些验证。当然为了效率更高，我们的早鸟计划本身核心也是发动群众的力量，让他们参与到很多小城市的验证当中。
Q：理想对于城市NOA开城的标准是什么？
A：这里的标准是围绕「早鸟」市场定义的，具体有两个层面。
第一，通勤NOA训练路段的分享功能会让城市NOA的路段变为路网，进而扩散到更大的城市区域。
第二，为了实现更好的用户体验，我们内部会对早鸟用户有所筛选，其中一个非常核心的指标是MPCI（Mileage Per Critical Intervention）它有两个重要参数，一个是用户紧急接管判断力，另一个是平均接管里程数。
我们会在符合这两个维度的基础上，去持续提升早鸟用户的数量。早鸟用户数量多了，意味着日均训练里程，周均训练里程，月均训练里程等都在提升，当用户的数量足够大，训练的路段足够多，城市开放的范围也就更广。
Q：中国有600多座城市，为什么只在100座城市做到城市NOA？
A：首先，我们目前规划的100座城市名单，对理想用户的覆盖率已经到95%以上。
后续，我们逐渐将不限制用户所在的城市，只要是理想AD Max车主，他只要符合早鸟用户标准，都可以去使用城市NOA功能。
Q：每座城市大概有多少早鸟用户收到推送呢？之前似乎在北京的推送数其实并不算多。
A：标准会从严格到宽松。目前我们的限制是，辅助驾驶的使用里程占比30%以上，这样的话，到每个城市里的用户数量确实会相对比较有限。
之后，我们的社区会同步形成，会慢慢的随着产品性能提升，也就是MPCI的提升，去降低要求。
关于传感器方案的变化
Q：如果未来硬件成本能降到一定程度，在理想大一统的方案中，是否还会保留激光雷达？
A：这取决于我们到底怎样看待激光雷达。
激光雷达其实就像是智能驾驶领域的安全气囊，它的物理特性对视觉是很好的补充。它对于理想的城市NOA肯定是有价值的，在如今以感知为主的NOA方案下，没有激光雷达的车辆也可以自主转向，博弈；但当遇到视觉无法感知的特殊情况，激光雷达就起到很好的兜底作用，能够帮助车辆制动。
所以在我们看来，激光雷达依然是一个对车辆行驶安全和稳定很重要的部分。但产品往往需要在功能和成本之间综合考虑，我们的核心原则还是为用户创造真正的使用价值，并基于该原则决定激光雷达的去留。
Q：现在BEV的上限是非常高的，但特斯拉在推动纯视觉时，中间一度把雷达砍掉又加回来了。理想对于类似的工程化问题有没有进行验证和思考？
A：特斯拉是非常擅于做工程化的公司，但有时也会激进地去做工程化。举个例子，特斯拉早期取消了雨量传感器，然后是毫米波、超声波雷达，每次取消都是很激进的提效降本，但往往结果还是小于等于原来的专业传感器。
特斯拉寄希望于AI能力，通过一套视觉的通用算法，同时做到识别雨量、并覆盖类似超声波、毫米波的能力，但往往最终交付到用户端时，只能做到无限接近原来的超声波、毫米波。在我看来，如果能力并没有那么到位，与预期不符时，就可能会加回来。
事实上在今天，很多传感器还有它独特的特性，比如毫米波雷达，它是所有传感器中，抗异常天气最强的，也是穿透能力最好的。而视觉在碰到极端的环境时，可能会受到一定干扰。
所以在理想内部，不会激进地认为「必须把哪个区域砍掉」，而是会更谨慎地考虑产品力。
Q：Max、Pro两种方案采用了不一样的传感器和硬件算力，在数据处理和融合中会有额外的挑战吗？
A：我们在前期定义AD Max、AD Pro两套平台架构时，是在同一时间围绕车型去做定义的。在定制架构的时候，两套平台的控制器或者芯片其实不一致，传感器会有差别，但传感器的布置位置是保持完全一致的，包括摄像头的角度。
所以在初期验证时，两组数据对我们的算法都是有效的，这两组算法在云端做模型融合时，基本上能做到90%以上的复用率，所以AD Max和AD Pro在训练资料上基本上还是可以共享的。
关于技术方向预判
Q：高速NOA也将使用BEV大模型，该项升级的推进节奏是怎样的？
A：明年一季度，基于BEV的高速NOA将率先推送给全量AD Max用户，AD Pro的推送将紧随其后。这次升级是彻底的改写，不止高速，包括我们的全部的技术栈下的所有智能驾驶相关，整个感知能力，它底下的所有能力都会提升。
Q：最近大家对于最低算力好像降低了需求，您觉得如何设置算力比较合理？
A：早期的理想ONE 2021款，通过10TOPS的算力，也能做一个还不错的高速NOA功能，但那会儿更多是毫米波雷达的，而且是推荐变道的机制。
现在因为成本在下降，很多20万元以内的车，都在利用类似征程3的架构去做高速NOA功能，但这并不是一个体验非常好的方案。
今天我们公布了Pro平台会同步升级基于大模型的高速NOA功能，这种方式在我们看来是比较合适的。它在自主变道、一些cut in的场景、匝道的通过等方面，都具备较好的能力。
但是再往上，除了高速场景，还要做到对城市里更复杂场景的预测、意图的识别、道路结构的关联关系，那现在的算力就不够了，需要更高算力的平台去支持。
我们正在迎来一个技术革命的时代，大模型的时代。从技术的本质上来说，即便是2000TOPS也不嫌多，因为大模型对于算法的使用方式变了。在智能驾驶领域，对于完全的大模型落地的方式，大家都还在做实验，我们觉得算力的提升对整个产业都是有帮助的。
Q：理想汽车自研的NPN网络跟众包地图模式，本质上有什么样的区别？
A：众包地图模式本质做的还是地图，它具备道路属性、备车道线、道路结构、甚至是红绿灯，这需要很强的资质才能进行测绘。目前，无论是图商，或者一些企业去做地图，其本身的自动化率不高，需要大量的人工加工及纠正。
而关于NPN，首先，它能够合规拿到地图本身地理上的信息；其次，它更加自动化。
这两点决定了NPN网络能推广给更多的用户，再由用户自动化生成这些东西，然后用于算法优化。
