2019 年，特斯拉正式推出 NoA，即按导航辅助驾驶功能。用户在车机地图设置目的地后，在可用路段内，车辆即可自动汇出/入匝道、自动超越慢车。虽然这仍只是 L2 范畴内的功能，但是相比仅有车道保持、自适应巡航等功能的车型，特斯拉还是做出了很大的突破。

2020 年，国内新势力蔚来率先跟进，推出 NOP；2021 年 1 月，小鹏跟进；年底，理想紧随其后。但是，纵观国际车坛，也仅有这四家新势力做出了这一高阶辅助驾驶功能。

但是从 2022 年开始，情况可能将会发生改变。

2021 年 11 月，脱胎于长城汽车科技中心智能驾驶前瞻分部的毫末智行正式向魏牌摩卡用户推送了 NOH 智慧领航辅助驾驶功能，这也使得毫末智行成为国内首个推出该功能的自动驾驶 AI 公司。

并且在 NOH SOP 上线仅一个多月后，毫末智行在此基础上又推出了更强的功能：城市级按导航辅助驾驶，即城市 NOH。

这也使毫末成为继小鹏城市 NGP 以后第二家公布这一功能的企业，关于其表现部分，官方也放出了一段路测实拍视频。

11 公里的能力展示

在毫末智行展示的一镜到底视频中，搭载了毫末智行城市 NOH 的测试车共行驶了 11 公里，经过了：

-  24 个路口

-  27 个人行横道

-  22 个红绿灯

-  5 个无保护人行横道

-  2 个环岛

视频全程总计 34 分钟，期间没有出现人工接管。

仅仅看这串数字，就能感受到城市领航辅助驾驶的情况之复杂、难度之高。但是对于这类功能了解不是特别多的人来说，还是需要一些理解门槛。所以我们下面就掰开揉碎，剖析一下毫末城市 NOH 在城市路况中遭遇不同场景时的应对表现。

刚启程不久测试车就遇到了一个典型的高难度场景——无保护左转路口。

无保护左转指的是该路口没有专门设置左转绿灯，左转车辆与直行车辆同时行驶。这里不仅要求车辆对于各个方向的车辆有着精准的感知，而且还要求系统同时追踪定位多个交通目标，在规控端还需要结合交规在场景下运行一定的博弈算法。

哪怕是对于人类新手司机来说，这都不是一个简单路口，对于机器来说就更是如此了，不过好在视频中的路口车流不大，车辆在识别到周围没有其他交通者后，便快速通过。

这个场景中还需要说明的一点是，车辆在到达路口前已经准确识别了交通信号灯，车辆的行驶也会根据信号灯的指令做下一步决策。

测试车在通过路口后，恰好遇到了对方车道掉头车辆。从测试车的 HMI 来看，本车辆已经识别到了左前方的慢速车，但由于该车辆并未侵占本车道，所以测试车也没有做多余的避让或减速动作。

但是随即左侧车辆突然加速并在测试车车头位置做了 CUT IN 动作，测试车紧急减速避让，展现了不错的加塞识别决策能力。

车辆提前驶入最右侧车道，为之后的右转做准备。从方向盘的动作来看，测试车的这次变道动作还是比较流畅的。也许很多人并不理解这意味着什么，但其实一个顺畅的动作是能够提升使用体验的，不管是对机器的信任感还是乘客的体感。

这里是本次行程中的第一个无保护右转。也许我们日常开车中遇到的右转情况相对于左转来说要简单很多，但是对于机器来说，挑战还是存在的。

首先是感知层面，车辆需要在转弯前预先减速，这时左侧车道上的待行车辆会遮挡视野，导致测试车无法「看见」左前侧斑马线上的情况。车辆唯有减速缓行，在识别到斑马线上的其他交通参与者后还要进行轨迹预判，确保与自己行车轨迹不会发生冲突后再执行下一步操作。

然后这时候还不能「顾头不顾腚」，车辆还要同时识别右后方的其他交通参与者，且大概率是两轮车。毫末智行城市 NOH 的感知设备是能够实现 360 度视觉覆盖的，所以能够识别到右后侧车辆。

此时车辆前方出现了一位不守交通法规的横穿行人，测试车及时识别并减速让行。

环岛通行能力是最能够考验系统识别、决策和执行能力的场景。因为即便是人类行驶，在通过环岛时也要注意眼观六路耳听八方。且在封闭道路内（高速和高架），基本不会出现环岛，所以跑封闭路段的数据和经验在这种场景下都不适用。

测试车在进环岛前首先变了一次道，选择了最优路线，紧接着减速让行了斑马线上的行人。进入环岛后，测试车前方又切进来一辆两轮车，车辆迅速减速避让。

在环岛内，车辆选择在中间车道行驶，并始终保持车辆居中状态。在第二路口时，测试车打开右转向灯，跨车道变道汇出，在连续遭遇了多种 case 的情况下，毫末城市 NOH 应对的整套动作还是很顺畅的。

此时车辆再次经过环岛，本次通过时，测试车采用了相同的策略，那就是选择中间车道驶入环岛，环岛内也保持中间车道行驶。本次路况相对上一次环岛来说较为简单，没有其他交通参与者的干扰，测试车的通行速度相对也比较快。

再次遇到无保护左转，测试车识别到对向车道中有一辆小型车在进行右转，但是它的轨迹与本车毫不相干，所以本次通行也很顺畅。

此处对向车辆正好有一辆小型车正在掉头，测试车成功识别并减速，在该车辆驶向右侧车道后，测试车则加速驶离。

测试在进行左转前成功地识别并驶入了待转区，在这样的场景中，系统要能够实现对车道线和信号灯的识别，并根据环境做决策。

但是该路口并非无保护路口，所以通过时的难度也没有那么高。

右侧车辆突然加速至本车前方，系统立刻减速让行。在城市场景中，「贴脸变道」的相对高发，这要求系统必须对周围的环境做到准确识别并及时做决策。

开放路口在城市中也会高频出现，最为常见的应属 T 型路口。有时这类路口并不会设置信号灯，人类司机在遇到这种路口时都会选择缓行通过。对机器来说也一样，测试车在路口前提前减速，缓行通过。

再次在一个无人行道的路口执行右转后，本次测试结束，安全员全程无接管。

不知道各位在看完这类测试后心里作何感想，但就本身的难度而言，能够做到城区道路长时间无接管的辅助驾驶，需要特别深厚的技术积累。

因为城区道路的情况与封闭道路完全是两个世界。

难度指数级上涨，对车辆的感知、计算能力都提出了相当高的要求。毫末是怎样在短期内快速研发的？这就得提到毫末 AI DAY 当日，毫末正式发布的数据智能体系 MANA（雪湖）。

我们都知道数据是自动驾驶的根本，毫末的 MANA 确切名称为数据智能体系。这其中又分为感知智能、认知智能以及自动验证。

在封闭道路内，车辆需要识别车道线和车身周围的情况，但是限速信息、坡道的曲率等信息都由高精度地图提供。高精度地图在高速领航辅助驾驶中起到的是「上帝视角」的作用，为车辆提供先验信息。这也是许多纯视觉派口中的「作弊」和「外挂」。

当然，这其中特斯拉是个例，在一众具备导航辅助驾驶功能的车型中，仅特斯拉旗下车型不采用高精度地图。在体验上，纯视觉方案与有高精度加持的系统各有优劣。

回到城市导航辅助驾驶功能，封闭路段内车辆可以强依赖高精度地图，但是在复杂的城市道路，依赖高精度地图是不现实的。一是采集、修补的效率达不到要求；二是现实世界的复杂性太高、不确定性太多。

所以，建立强大的数据库和提升单车智能成为解决问题的关键。

感知智能

对于自动驾驶而言，感知的能力非常重要，这是一切工作的基础和前提。

毫末智行城市 NOH 的测试车辆采用的是摄像头 + 激光雷达的传感器配置，能够实现 360 度的纯视觉覆盖。对于摄像头采集的影响，毫末智行采用一个公共的 backbone（主干网络），计算好基础数据后，生成两个分支，一个是多层特征的目标追踪提取，包括对车道线、停止线、路沿、车辆和交通信号灯的识别。另一个分支则是生成用于场景识别。

对于激光雷达采集的点云数据，毫末智行采用的是 pointpillar 算法，它的特征是计算快。毫末智行首先将点云数据降维进行伪二维化，之后采用特征提取网络的计算，将多任务进行 3D Box 的检测和障碍物的检测。

在实际的应用中还会遇到传感器目标被截断，不能有效使用的问题。毫末将两种数据进行数据源的过程融合，最终目的就是将现实世界反应到张量空间地图中。

感知是客观的，结果只有 0 和 1，传感器和映射网络只需反映客观世界即可，越真实越好。那么城市道路中存在各式各样的情况，解决的办法只有一个——用巨量的数据消灭到所有的 Concer Case。

感知有标准，认知则由自己建立。

认知智能

毫末智行从宏观到微观，不断细化现实世界的各类问题，影响我们驾驶行为的细节很多。

从宏观上分成几个影响因素：天气、道路结构、交通参与者、交通流密度、彼此方位、主车路线、碰撞风险和碰撞时距。毫末从已有的数据中挖掘和表达这些属性，然后再进行聚类和分类，以找到更加舒适和高效的解决方案。

微观指的就是将驾车场景中出现的细节问题再细化，例如毫末将一个启停动作切成四个阶段，分别是：稳态跟车、前车减速、前车刹停和前车起步。在每一项中，本车系统做出的对应处理都要保证合理且舒适。

毫末智行研究一种端到端的模拟学习，将场景数字化，根据此前的经验作为指导，得到具体的本车道动作。模拟学习，需要更大的数据样本，然后从数据中学习，得到规律。

标注和验证

当数据量在不断地扩大时，标注的效率问题就会凸显出来。毫末智行采用的是无监督的自动标注方式，性能虽然还不错，但是还远远不够。

同时验证也有很多层面，例如对感知的泛化验证。

首先毫末会将采集的画面进行 1:1 的仿真还原，然后改变场景的环境，例如光照、雨雪和大雾等等。最后根据生成的不同环境的图片，进行感知结果验证。

现如今数据的类型在发生转变，这对计算能力提出要求的同时对数据的储存、搬运效率也提出了更高的要求，所以毫末智行在 AI DAY 当日宣布他们也在筹备自己的超算中心。

另外，毫末智行 AI DAY 上，毫末还联合高通全球首发了 ICU 3.0 域控制器，主芯片为高通（8540 + 9000），算力达到了 360 TOPS。安全冗余芯片采用的是英飞凌（TC397），可以做 L1/L2 的降级控制。

在文章的末尾，我想还是有必要再帮助大家进一步了解一下毫末智行这家公司的背景和未来的发展方向。

毫末智行由长城汽车孵化而出，其前身是长城汽车智能驾驶前瞻分部。拆分独立后公司已完成多轮融资，总额达数十亿元。

长城汽车既是毫末智行的大股东，也是大客户。得益于长城汽车巨大的交付量，毫末智行的系统能够快速上量。毫末 NOH 智慧领航辅助驾驶系统刚刚 SOP 不久，就前装在摩卡、坦克 300 城市版、哈弗神兽、魏牌拿铁、玛奇朵等多款车型上。

毫末智行 NOH 辅助驾驶预计 2022 年将会前装在 34 款长城车型上，约占整体上市车型的 80%。未来三年，搭载毫末智行辅助驾驶的长城乘用车将会突破 100 万辆。

相比新势力，毫末背靠长城但又面向全行业，能够以供应商的角色为其他车企前装安全可靠的辅助驾驶系统。所以他们的百万目标绝对不是空想，且进展速度可能会超乎我们的预料。

合抱之木，生于毫末。掌握了数据驱动的毫末，将会吸引到更多车企加入它的朋友圈，其最终形态能否成为「合抱之木」呢？

​