当前，汽车电动化技术日趋成熟使得制造成本降低，中低端车型价格更为亲民。与此同时，中高端车型的市场份额持续扩大，消费者对于更高品质、更多功能车型的需求日益旺盛。而城市 NOA 作为旗舰车型的新标杆功能，成为车企 " 保价增配 " 策略的核心着力点，将加速量产落地。

2024 年 3 月 12 日，在 2024 第五届软件定义汽车论坛暨 AUTOSAR 中国日上，易航智能创始人 & 董事长陈禹行表示，自动驾驶的发展大概分为三阶段。2019 年前，处于 1.0 阶段，能够进行限定场景的辅助驾驶，核心是工程化量产，要跨越 " 冰山理论 "。2022 年进入   2.0 阶段，自研感知算法 + 海量数据积累中实现了高速 / 高架等结构化道路的自动驾驶。2025 年将进入 3.0 阶段，实现城市泛化场景的自动驾驶，高级别自动驾驶量产必备的 " 人工智能 + 数据处理 " 能力。

陈禹行 | 易航智能创始人 & 董事长

以下为演讲内容整理：

今年汽车行业开年即决战。油电同价、甚至电比油低，电动技术的成熟使得成本降低，价格更为亲民。中高端车型的市场占比日益增大，反映出消费者越来越倾向于购买中高端车型。车企为应对行业竞争，积极在中高端车型上应用智能化配置，实现了加量不加价，提升了产品竞争力。

城市 NOA 量产的核心能力

目前，汽车行业在中高端车型中广泛布局自动驾驶技术，特别是城市自动驾驶系统，这标志着汽车行业迎来了新的发展阶段。自动驾驶的目标是高频次地辅助或补充消费者的出行场景，因此城市场景成为自动驾驶发展的重要方向。

以终为始来看这个问题，终局是需要在城市自动驾驶上解决两个问题，第一是功能的问题，怎样在功能上达成所有的城区均实现自动驾驶功能；第二，怎样满足量产需求。所以，在自动驾驶 1.0 和 2.0 阶段，自动驾驶企业必须解决全栈自研能力来支持技术的持续迭代；同时，需要更多的量产车型来提供数据支持，推动 3.0 阶段的技术的迭代和产品的升级。

从行业角度看，要进入城市自动驾驶领域，我们需要在不同阶段解决不同的问题。第一阶段，从高精地图逐步发展到无高精地图的方案，再到端到端大模型的方案，这是城市自动驾驶量产的核心能力及行业变迁的趋势。

1.0 阶段：核心是工程化量产，要跨越 " 冰山理论 "

在 1.0 阶段，我们面临的核心挑战在于实现工程化量产。为此，我们借助 " 冰山理论 " 作为模型，将量产车型产品的开发过程形象地比喻为冰山。消费者所见的仅是冰山露出水面的部分，这部分功能开发在整个过程中占比甚微。而水面之下，隐藏着更为庞大的工程任务，它关乎产品的可靠性、一致性和安全性。

图源：演讲嘉宾素材

举例来说，自 2015 年我们成立之初，虽在年底便实现了自动驾驶车辆的上路测试，但首个量产车型的推出却是在 2019 年。这三年间，我们不断打磨功能，完善故障诊断，处理各种边缘情况，这正是冰山理论所强调的深层工作。

以 ADAS 的并线功能为例，虽然该功能本身的工作量仅占约 5%，但解决驾驶员误操作问题却占据了 20%-30% 的工作量。而剩余的 70%-80% 工作量，则用于处理各种复杂且难以预见的边缘场景。

再以近期热门的 AEB 功能为例，尽管我们在模拟测试和认证中取得了优异成绩，但真正的挑战在于如何确保量产车在销售和使用过程中不会被误触发。在开发 AEB 时，我们投入大量时间来解决误触发问题，以应对各种真实场景中可能出现的复杂情况。

2.0 阶段：自研感知算法 + 海量数据积累

在 2.0 阶段，我们主要聚焦于两大核心任务：一是全栈自研能力，特别是感知能力的提升，这得益于 1.0 阶段在集成和规控能力上的积累；二是海量数据的收集与处理，这与自研感知能力及数据积累共同构成了 3.0 阶段实现城市自动驾驶的关键要素。

从技术层面看，许多场景和功能的解决已不能单纯依赖感知或规划控制，而是需要将感知、决策、规划作为一个整体进行综合考虑和优化。对于车企而言，提供优质服务的前提是具备全栈式能力，这有助于更好地输出与配合，因此在 2.0 阶段这两点显得尤为重要。

举例来说，我们在进行全栈算法量产时，特别是在感知环节，曾遇到高速公路护栏在特定角度和季节被误识别为车道线的问题。因此，在自研感知和量产测试中，必须综合考虑多种因素，有时需要依赖规划和控制来确保系统安全和性能。

此外，数据在自动驾驶发展中至关重要。车辆在行驶过程中会产生大量数据，这些数据的回传、积累和存储能力在 2.0 阶段尤为重要。例如，我们在开发高速 NOA 系统时，传感器布置与城市自动驾驶相似，因此驾驶员驾驶时采集的数据对后续开发具有极高价值。这些数据需基于量产车进行批量回传，为 3.0 阶段的研发提供有力支撑。

在算法方面，虽然 BEV 算法在城市自动驾驶和 NOA 领域逐渐成为主流，但传统量产能力和感知算法依然不可或缺。从量产上看，传统感知算法对界定 BEV 是否达到量产条件起到重要作用。从开发上看，传统感知算法在回传、迭代、提升等过程上是 BEV 的有效补充。从实现上看，传统感知算法的模块化积累是 BEV 变成产品或功能的必要条件。因此，在 2.0 阶段，我们既要关注 BEV 算法的创新，也要重视传统算法和量产能力的积累与提升。

3.0 阶段：人工智能 + 数据处理

在 3.0 阶段，城市自动驾驶的核心在于 BEV 算法的引入，这一算法与当前行业中的大模型趋势相结合，为自动驾驶行业注入了新的活力。高级别的自动驾驶或城市 NOA 主要依赖于两大支柱：人工智能的大模型和大数据处理系统。我们在前期积累了大量数据，现在的关键在于如何更有效地处理这些数据。

人工智能大模型的核心在于让自动驾驶系统更加拟人化运行。只有当系统的响应与人类驾驶员一致时，乘客才会感到更加舒适和安全，从而更愿意使用并回传更多数据。同时，我们需要构建高效的大数据处理系统，以应对海量的数据处理需求，这是 3.0 阶段不可或缺的能力。

下图中左侧展示了 BEV 与 Transformer 深度学习的结合，这种算法引入了拟人化的感知能力，模仿人类驾驶员的驾驶逻辑。它不仅能感知动态的障碍物，还能对车周围的静态场景进行建模，形成一个小型的地图模型，与导航地图和全局地图相匹配。

图示右侧则是我们在规划控制端开发的拟人化算法。为了评估自动驾驶的规控能力，我们开发了一套自动驾驶漂移算法。这套算法表现出色，路径圆润，方向盘控制稳定，甚至超越了许多职业赛车手的漂移能力。

此外，我们还在大数据挖掘和标注能力方面取得了进展。为了应对海量复杂数据的标注需求，我们提升了自动化的标注能力并建立了自动化标注平台。通过多传感器的融合和互相标注，我们能够充分利用不同传感器在不同场景下的性能优势，提高数据标注的准确性和效率。

城市 NOA 研发 RoadMap

自动驾驶的发展，特别是城市 NOA 的演进，呈现出清晰的四个阶段。第一阶段，我们借助高精地图与视觉 BEV 技术，快速实现了城市 NOA 的落地，满足部分用户需求。然而，受限于法规与地图采集成本，覆盖城市仍有限。

今年，我们进入第二阶段，致力于无图模式的研发，通过 BEV 与语义 SLAM 的结合，在高频出行场景中实现自动驾驶，满足无图化需求。

未来，我们将进一步完善 BEV 无图自动驾驶技术，实现更通用、更普适的拟人化驾驶行为，让自动驾驶系统更加贴近人类驾驶者的习惯。

预计到 2028 年，端到端的自动驾驶方案将大量普及，整个自动驾驶算法链条将通过网络大模型展示，实现与人类驾驶者完全一致的驾驶体验。

在城区自动驾驶方面，我们依托 1.0、2.0、3.0 阶段的积累，已开发出基于量产车型的自动驾驶系统。在实测中，我们的系统能够完成车辆避让、路口跟停、红绿灯识别等复杂任务。

行业发展迅速，城市 NOA 及自动驾驶场景的到来比我们预想的要快。越来越多的车企已具备相关功能，预计搭载城市自动驾驶功能的车型将逐渐增多。

易航智能作为专注于自动驾驶量产的公司，自 2015 年成立以来，始终紧跟行业发展趋势。我们是行业内唯一自研纯视觉方案达到 ENCAP 五星评级的供应商，并已随中国新能源车辆出海，在欧洲实现量产。目前，我们正与上汽、北汽、理想、雷诺、比亚迪、大众等众多客户合作，坚定走在自动驾驶量产的道路上。对于城市 NOA 及重感知无图方案，我们高度重视，并持续投入研发力量。

（以上内容来自易航智能创始人 & 董事长陈禹行于 2024 年 3 月 12 日在 2024 第五届软件定义汽车论坛暨 AUTOSAR 中国日发表的《自动驾驶量产迈向城市场景的新阶段》主题演讲。）