中国智能驾驶产业的算力迷局

2023 年，中国智能驾驶行业，陷入到了一个扑朔迷离的算力迷局。

一方面，无论是车企在构建其智能驾驶体系化能力的过程中，还是消费者在以智能驾驶为购车决策点的认知过程中，算力基础依旧是一个重要指标。同时，在智能驾驶的算力供应链端，对更大算力的追求，还没有停止。

其中一个典型的案例是，英伟达在 2022 年 9 月发布最新一代智驾计算平台 Thor，算力高达 2000 TOPS——直接比上一代的 Orin-X 增长了将近 8 倍。

但另一方面，随着智能驾驶开始随着主流车企的量产车型大规模走向商业落地，市场端对体验更加重视，算力不再成为唯一指标，同时也开始重视和强调大算力的成本问题。一些行业专家也强调，算力的成本与用户的体验、用户价值并不成正比，要回归理性。

甚至有部分智驾方案企业在算力的选择上，已经呈现出明显的下探之势。

很明显，这个算力迷局的产生，本质上是因为中国智能驾驶行业的发展正处在技术探索和市场落地的十字路口，而无论是技术探索，还是市场落地，都存在着大量的不确定性。

尽管如此，以高速 NOA 的市场普及和城市 NOA 的工程落地为主要观察维度，我们会看到，智驾算力的应用在车企和市场的双重选择中，其实已经形成两条相对模糊的分界线——而在无形之中划出这条分界线的，其实是 BEV+Transformer 这个智驾的落地范式。

所以，进入到 2024 年，这个迷局已经开始逐渐走向清晰。

从 FSD Computer，到双 Orin-X 方案

一个很容易忽略的事实是：到今天为止，整个智能驾驶产业在量产落地时所采用的算力标准，依旧没有超脱出特斯拉在 2019 年 4 月所确立的计算平台框架。

这个计算框架，就是特斯拉基于 FSD Chip 自研芯片所打造的 FSD Computer。

时光回溯到 2019 年 4 月 22 日的特斯拉自动驾驶日（Tesla Autonomy Day）。

当天，特斯拉 Autopilot 硬件副总裁 Pete Bannon 率先登台，发布了总算力为 144 TOPS 的 FSD Computer，其中包含了两颗采用 14nm 制程工艺、算力为 72 TOPS 的 FSD Chip。紧接着，马斯克踌躇满志地重复强调：所有在产的特斯拉车型，都具备了实现完全自动驾驶的硬件基础（包括算力和其他）。

他还宣布：用户接下来要做的所有事情，就是提升软件。

果然，此后数年，在特斯拉的时间线上，144 TOPS 依旧是它在推进智能驾驶演进过程中的算力标准——尽管在此过程中，特斯拉的软件算法已经至少发生三次重要的改变。具体来看：

• 2021 年 8 月，特斯拉在 AI Day 2021 上发布了经过重构的全新神经网络架构，其中的关键是通过引入 Transformer 模型来进行更加高效的 BEV 转换。

• 2022 年 10 月，特斯拉在 AI Day 2022 上发布了占用网络（Occupancy Network）和与占用网络高度配合的 NeRF 算法，此外还有一些在自动驾驶感知之外的关于规划等任务的新算法。

• 2023 年 4 月，马斯克在社交媒体平台上宣布 FSD V12 将采用端到端的 AI 算法，也就是从图像输入到车辆转向、制动和加速输出的端到端 AI 系统。到了 2023 年 8 月，马斯克通过一次直播演示了端到端 AI 的实际效果。

然而，无论是已经被业内纷纷采用的 BEV+Transformer 的架构，还是以这个架构为基础的占用网络，以及特斯拉在今年推出的端到端方案，特斯拉软件算法的底层算力基础一直是 FSD Computer——不仅如此，在今年 8 月份的马斯克试驾直播中，他所驾驶的 Model S 搭载的硬件基础也是 Tesla HW3，所以算力依旧是基于 144 TOPS 的 FSD Computer。

甚至马斯克直接在 Twitter 上表示：

HW4 的软件将比 HW3 晚了至少 6 个月，因为我们聚焦于让 FSD 在 HW3 上运行得超级顺畅，以便在全球范围内提供。

可见，尽管新一代的 FSD 芯片已经开始随 HW4 在特斯拉最近产出的新车型上搭载，但是在特斯拉的选择中，算力为 144 TOPS 的 FSD Computer，依旧能够扛得住自动驾驶算法的不断演变对于算力的需求。

当然，这其中很大的助力因素是：特斯拉基于其自研芯片的优势在软硬件一体方面做了大量的优化，才让 144 TOPS 的算力坚如磐石地存在了四年多的时间。

然而，正是在这四年时间里，中国智能驾驶行业的玩家却在算力的选择方面集体发生了重大的跃迁。

尤其是在 2022 年，伴随着蔚来、理想、小鹏等致力于自研的中国造车新势力车企纷纷推出自家搭载高阶智能辅助驾驶功能的新车型，总算力为 508 TOPS 的双 Orin-X 方案，似乎已经成为中国智能驾驶行业在高阶智能驾驶方案落地的主流算力选择——只有华为是主流玩家中的一个例外。

不过，尽管双 Orin-X 芯片在参数层面的算力高达 508 TOPS，但在智能驾驶的实际业务运行场景中，算力的运行还需要芯片本身与各类软件算法的密切配合，才最终能够发挥作用；所以，仅仅看参数本身是意义不大的。

有意思的是，在今年 3 月份的媒体沟通会上，理想汽车 CEO 李想谈到了一个「有效算力」的概念，他表示：

FSD 芯片效率其实很高，因为 FSD 是专用的 BPU，虽然只有 144 TOPS，但是它的有效算力基本上是跟两颗 Orin-X 是一样的，它的有效算力是我们用 GPU 大概 3 倍的水平，所以两颗 FSD 144 TOPS，其实基本上是跟两颗 508 TOPS 的 Orin-X 性能是差不多的。

从这个角度来看，不少厂商在车型落地时采用的双 Orin-X 算力方案，在有效算力层面并没有超脱出特斯拉自研方案所采用的 144 TOPS 算力标准框架——这其中的原因，也许是英伟达在设计 Orin-X 过程中参考了特斯拉 FSD 芯片的能力，但无论如何，这并不像是一个巧合。

智能驾驶商业落地中的一条产品分界线

从目前的情况来看，在智能驾驶的技术推进层面，特斯拉依旧扮演的是引领者的角色；而不少中国车企在特斯拉的指引下，也在各自推进智能驾驶发展的过程中，将各自旗下高阶智驾方案的算力基础，定位在由两颗 Orin-X 芯片的 508 TOPS。

不过，从产品和商业的角度来看，中国车企已经与特斯拉走出了不一样的智驾落地之路，也因而有了不同的算力方案。

实际上，出于推动自动驾驶技术普及、数据收集与迭代、自研芯片成本摊薄等方面的考虑，特斯拉无论是在定位高端的 Model S/X 系列上，还是在 Model 3/Y 等志在走量的车型上，都采用了一致的智能驾驶落地方案，也因此在智驾算力方面保持了一致性。

但是在大洋彼岸的中国市场，情况却起了变化。具体来说，以城市导航辅助驾驶（各家简称不同，以下简称为「城市 NOA」）的有无为界限，中国的智能驾驶产业在产品构建和商业落地方面，走向了明显的分化——这个分化的时间点，集中出现在 2022 年 9 月。

率先出招的是小鹏汽车。

9 月下旬，小鹏汽车正式发布了小鹏 G9，并强调自己正在迈向下一个等级的智能辅助驾驶的下半场。在产品层面，经过风波并调整后的小鹏 G9，在智驾层面推出了支持 XNGP 的 Max 版本和支持 XPilot 的 Pro 版本（小鹏 G9 也有 Plus 版，但智驾配置与 Pro 版相同）。

从功能上来看，G9 的 Max 版本最高可以支持城市 NGP 功能，而 Pro 版本最高只能支持高速 NGP——从硬件配置层面的算力角度来看，Max 版本采用了双 Orin-X 芯片，感知硬件包含两颗激光雷达；而 Pro 版本则选用了一颗 Orin-X 芯片，无激光雷达。

紧接着，理想汽车在新车型 L8 系列发布时，也推出了 L8 Pro 和 L8 Max 两个版本。

这两个版本的关键区别在于：Max 版本采用了 AD Max 方案，在算力层面搭载了两颗 Orin-X 芯片，并且在感知硬件上配备了一颗激光雷达，最高能够支持城市 NOA；Pro 版本采用了 AD Pro 方案，在算力层面搭载了算力为 128 TOPS 的单颗地平线征程 5 芯片，不含激光雷达，最高能够支持高速 NOA。

自此，在量产车型上，以小鹏汽车和理想汽车的做法为代表，中国的智驾市场开始以城市 NOA 为区分点，分为 Max 版本和 Pro 版本。

其中，Max 版本代表了车企在智能驾驶方面的最高水平和前沿技术探索方向，其代表性的功能就是城市 NOA，也因此采用了相对较高的技术算力标准；而 Pro 版本的推出，则更接近于一种在当前技术和成本条件下的市场行为，目的是将现有智能驾驶技术在高速 NOA 上的表现作为一种成熟的产品提供给用户，因此在算力上各有其选择。

当然，在理想和小鹏之外，也有玩家采取的是不同的做法。

比如说基于自身商业和品牌发展的考量，蔚来旗下的所有二代平台车型都统一采用了搭载 4 颗 Orin-X 的算力方案，其中的两颗 Orin-X 用于智能驾驶算力的实现，第三颗用于群体智能，另外一颗用于备份冗余。

尽管路径不同，总体上来说，蔚来在智能驾驶方面所采用的算力标准（也就是双 Orin-X ），与理想和小鹏并没有本质上的区别。

当然，在「蔚小理」这样的新势力之外，在中国智能驾驶产业的落地过程中，还有一个一枝独秀的玩家：华为。

基于自身在软硬件一体化方面的优势，华为在算力方面采用的是自家的 MDC 系列，其中 HI 模式采用的是 MDC 810（拥有 400 TOPS 的稠密算力）+ 三颗激光雷达的方案，而今年推出的 ADS 2.0 则改用了 MDC 610（拥有 200 TOPS 的稠密算力）+ 单颗激光雷达的方案。

同时，华为虽然并非车企本身，却对车企的选择有重大影响——其中，在 HI 模式下，与华为进行密切合作的阿维塔也智驾方案上采取了全系标配的策略。

不过，从 2023 年的情况来看，无论是理想汽车后续的 L7 系列、L9 Pro 和小鹏汽车相继推出的 P7i、G6、2024 款 G9 等车型，还是华为在鸿蒙智行合作框架下推出的智界 S7 系列，都在智驾方案上的选择上采取了 Max 版和 Pro 版。

就这样，一方面是以 Max 版为标志，智驾的发展在现有的城市 NOA 技术基础上继续探索；一方面是 Pro 版为标志，智驾市场在现有的高速 NOA 技术表现中向下普及，整个智驾市场开始出现明显的分化。

高速 NOA 走向普及，算力变得碎片化

当前智驾市场出现分化的一个大背景是：高速 NOA 正在走向成熟，并开始普及。

实际上，高速 NOA（Navigate on Autopilot）这个功能最早是由特斯拉在 2018 年 10 月 26 日推出。后来在国内市场，蔚来、小鹏、理想等选择自研的新势力车企相继在 2020 年和 2021 年间推出了各自的高速 NOA（各家名称不一致）功能，但当时这些车企推出的高速 NOA 功能，都是基于 Moblieye EyeQ4（蔚来）、英伟达 Xavier（小鹏）或地平线征程 3（理想）等算力相对比较低的芯片来进行功能实现。

后来，到了 2021 年 8 月，特斯拉在 AI Day 上宣布了全新的软件和算法架构，由此构建出了一个 BEV+Transfomer 的算法范式，它的其中一个特点是感知效率更高。此后的两年间，包括小鹏、理想和蔚来在内，都对自己的算法架构进行了一次重写，并且在重写过程中采用了类似于特斯拉所采用的 Transformer 和 BEV 的技术路径。

所以，无论是小鹏在 2022 年 10 月发布的 XNGP，还是理想在 2023 年 4 月份发布的 AD Max 3.0，它们所适用的搭载双 Orin-X 芯片的 Max 车型本质上都是为了实现城市 NOA。

但客观上，由于它们采用了更加高效的 BEV+Transfomer 算法架构，而且算力高达 508 TOPS，且同时要向下兼容高速 NOA 功能，所以在城市 NOA 级别感知、规划等技术能力的加持之下，高速 NOA 的实际表现得到了很大程度的提升。

换句话说，车企们对于城市 NOA 的探索，无形中对各自 Max 版本车型的高速 NOA 表现进行了一次降维的赋能——举例来说，小鹏 G6 Max 版本和理想 L8 Max 版本都是如此。

不过，在新势力车企的 Max 版本车型之外，2023 年，高速 NOA 领域开始逐渐走向普及，并且在普及落地的过程中呈现出复杂的局面。

简单来说，在高速 NOA 功能的不断完善中，智能驾驶在用户购车决策中的比重不断提升，而高速 NOA 也逐渐成为高速行车场景下的刚需，所以，即使是一些相对传统的车企，也开始在自家的重要车型中部署实现门槛较低的高速 NOA 功能——由此，整个汽车市场开始实现高速 NOA 的过程中各显神通，方案参差不齐，也让这个领域的算力选择越来越碎片化。

我们通过一些车型案例具体来看：

• 小鹏 G6/G9/P7i 等车型的 Pro 版本，采用了算力为 254 TOPS 的单 Orin-X 芯片，依旧能够运行与其 Max 版本采用类似的 BEV+Tranformer 架构，所以 Pro 版本的高速 NGP 表现也能够得到提升。目前这一功能已经随着 Xmart OS 4.4.0 推送给用户。

• 新款小鹏 P5，采用了算力为 30 TOPS 的英伟达 Xavier 芯片，不支持 BEV+Tranformer 算法架构，但依旧能够通过以往的算法方案支持高速 NGP。

• 理想 L 系列车型的 Pro 版本，采用了算力为 128 TOPS 的地平线征程 5 芯片，根据官方说法，它也能够运行与 Max 版本类似的 BEV+Transformer 架构。不过，目前这个功能还没有正式推送。

• 智界 S7 Pro 搭载了算力为 200 TOPS 的华为 MDC610，根据官方说法，S7 Pro 支持华为 ADS 2.0 进阶版，支持高速 NCA 功能。

• 2023 年 11 月上市的深蓝 SL03i 和深蓝 S7i 基于两颗地平线征程 3 芯片，算力为 10 TOPS，推出了能够覆盖高速 NOA 功能的深蓝高阶辅助驾驶 Deepal AD。

• 新款岚图 Free 支持百度 Apollo Highway Driving Pro 领航辅助智驾，它所搭载的是两颗来自德州仪器的 TDA4 芯片，算力为 16 TOPS。

• 腾势 N7 在 9 月份发布了可以选装的高快智驾包，它是基于英伟达最新推出的 Orin-N 计算平台，最大算力为 84 TOPS，支持高速和快速路按导航辅助驾驶功能。

总体可见，在 2023 年，在智能驾驶快速落地的过程中，高速 NOA 功能已经在 30 万以下的多个价位区间快速落地，甚至下探到 20 万元以下；而高速 NOA 的算力落地区间的上下范围都非常大，低至 10 TOPS，高至 254 TOPS。

不过，如果从技术方案的维度来看，同样是高速 NOA，各家的方案也呈现出明显的不同。其中的一个重大关键区分点是：是否基于 BEV+Transfomer 来实现，在算力方面也呈现了巨大的差异性。

具体来说，类似于小鹏这样的新势力品牌，因为已经在城市 NOA 方面做了技术探索和突破，所以更倾向于将其在 Max 版本上已经积累成熟的算法方案，下放到 Pro 版本上。理想也是与之类似，但由于理想 L 系列的 Pro 版本和 Max 版本采用的是来自不同厂商（Max 版是英伟达，Pro 版是地平线）的算力平台，所以方案的下放更加复杂一些。

而在新势力之外，不少在智能驾驶能力方面有所欠缺的车企，在落地高速 NOA 时，基于方案落地能力、成本等方面的考量，更加倾向于通过各自选择的供应商方案来实现，因此在算力的选择上呈现出更大的差异化，从而也让整个市场中高速 NOA 的算力实现方案更加碎片化。

但是恰恰是这种碎片化，也决定了各家在实现高速 NOA 的过程中，容易出现良莠不齐的情况。也就是说，同样是宣称能够实现高速 NOA，基于 BEV+Transformer 算法框架也能实现，不基于这个算法框架也能实现——因为底层算力的不同，实现方式也不同，再加上各家在工程落地能力方面的差异，用户的各自体验效果也会完全不一样。

可以想见的是，2024 年往后，这种由算力分化所带来的能力分化、并最终导致的体验分化，会让高速 NOA 功能向更低价位段下探的过程中，呈现出更加明显的趋势，尤其是在 20 万以下的车型价位段。

城市 NOA 进入平台期，工程化成为难点

对于智能驾驶的发展来说，高速 NOA 的普及落地，其实是整个行业在长期探索之后寻找用户价值的一个阶段性成果。但实际上，从技术的维度来看，智能驾驶的发展远远算不上成熟，即使是已经在部分车型上部署的城市 NOA，也依旧很难大范围走向普通消费者。

不过，就技术发展而言，城市 NOA 的发展现阶段已经进入到了一个相对稳定的平台期。

毕竟，在过去几年间，在特斯拉的引领作用下，整个智能驾驶行业在城市 NOA 落地的算法层面已经形成了一个 BEV + Transformer + 通用障碍物识别的大框架。在这个大框架下，各家也都是各出奇招。具体来看：

• 小鹏采用双 Orin-X 芯片 + 激光雷达的硬件方案，在 BEV+Transfomrer 的基础上，其最新发布的 XNet 2.0 将加入占用网络。值得一提的是，小鹏还在 XNet 2.0 加入了基于大模型的时空理解能力，可以让感知架构理解文字信息、具备时间观念，也能够理解不同城市特点的交通元素。

• 理想的 AD Max 所采用的的硬件方案与小鹏类似，在算法上采用 BEV + Transfomer + 占用网络的方案，同时理想在智驾方案中加入了 NPN 先验网络 + TIN 交通信号灯网络。

• 蔚来的智驾方案充分借用了 4 颗 Orin-X 的算力优势，将其中一颗用于群体智能，这对于它在城市智驾的里程开通速度，是一个有效的加成。

• 华为的 ADS 2.0 采用了 MDC610 + 激光雷达的硬件方案，在 BEV + Transformer 的基础上，华为又在 ADS 2.0 方案中加入了 GOD（通用障碍物检测，其实与占用网络类似）网络和 RCR（道路拓扑推理网络）。

• 极越的城市 NOA 方案依旧是基于两颗 Orin-X 芯片，但它是采用纯视觉路径，而没有选用激光雷达，在软件架构上则是采用了 BEV +Transformer + OCC 占用网络的框架。

总体可见，在目前基于自研的城市 NOA 落地方案中，包括蔚来、小鹏、理想、华为、极氪、小米在内，BEV + Transformer + 占用网络是一个被广泛采用的智能驾驶算法方案，也因此各家在芯片算力上的选择也基本趋同（选择软硬件自研的华为是一个例外）。

但在算力基础和算法框架之外，基于实际路面道路的工程化过程，才是智能驾驶在走向用户的过程中真正的难点，其中包括大量的数据收集、模拟仿真、道路测试等，这些都是非常耗费人力物力的事情，也需要前后数年的时间来实现落地。

所以，在实际落地过程中，各家又各出奇招，来提升自家方案的实际落地效果，比如说引入大模型，提升激光雷达的融合感知能力，在大的算法框架中接入各种专用网络等……有意思的是，华为在智能驾驶的落地过程中，尤其重视人因研究，甚至专门请来了一些国宾级的司机来做智能驾驶的数据收集和测试工作。

从这个角度来看，眼下行业里在落地城市 NOA 采用的软硬件大框架，确实已经进入一个相对的稳定状态。

当然也有一些例外。比如说，采用华为 HI 模式的阿维塔 11/12 车型在华为 ADS 2.0 阶段依旧采用的是 MDC 810 + 三激光雷达的策略。

再比如，同样是基于 Momenta 的供应商技术方案，腾势 N7 和智己 LS7 的高阶智能驾驶辅助包，采用的是单 Orin-X 芯片 + 两颗激光雷达的组织，能够支持城市 NOA；而智己旗下的 LS6 则采用了单颗 Orin-X 芯片+ 单激光雷达的方案，也能够支持城市 NOA。这里面在很大程度上是出于成本的考量。

实际上，一位行业人士在与 42 号车库沟通时表示，有一些智能驾驶供应商为了获取订单，往往在宣传过程中拿出一些看起来算力要求很低、感知硬件少的城市 NOA 技术方案，以便吸引对成本敏感的车企的注意——但其中，这些方案究竟有多好的落地效果，确实还不好说。

但总体来说，在现有的行业背景下，算法方面的创新不再是重心，各家更侧重于在工程落地层面推进城市 NOA 的发展，也因此把大量的工程师资源投入到道路测试等方面工程化落地中去，这是需要投入大量人力物力精力的繁琐工作，也因此增加了工程师的成本。

甚至在一些算法工程师看来，智能驾驶因此不再性感了。

但是，回过头来看，在智能驾驶的技术演进道路上，行业里还有激进的玩家在继续探索。

比如说，目前特斯拉在 FSD V12 版本中推出了端到端的智驾方案，这个方案已经超脱了现有的智驾技术框架；不仅如此，在 8 月份，马斯克还对这一方案进行了测试直播，其中仅仅出现了一次接管。目前，特斯拉还未举办类似于 AI Day 这样的技术分享活动来介绍这一端到端方案的技术原理。

在端到端之外，特斯拉 AI 团队正在构建下一代的自动驾驶模型，其方法是基于单一的基础视频网络。从特斯拉宣布招聘信息来看，这一模型会用到生成式模型、基础模型（Foundation Models）等。

本质上，特斯拉的这一动作，实际上是采用大模型的思维去做智能驾驶。尽管还无法确认特斯拉什么时候能够做出来，但毫无疑问，从理念上来说，这是对 BEV + Transformer + 占用网络这一技术范式的全面革新，甚至也是对特斯拉在 8 月曾经公开直播的端到端智能驾驶方案的一次革命。

没错，在马斯克对自动驾驶实现的迫切意愿下，特斯拉已经在一年时间里两次做出了颠覆自己的选择。

不过，对于这些前沿技术方案的探索，多位行业人士表示，除非特斯拉能够通过它的端到端方案实现能够对当前的 BEV+Transformer 方案进行降维打击的用户体验效果，否则国内的智驾产业很难再在当前价格战如此惨烈的情况下去投入更高的成本去快速跟进——即使是华为、小鹏这样的头部智驾选手，也并不例外。

这意味着，在接下来的数年里，国内玩家会在技术路径的选择上与激进的特斯拉暂时分道扬镳。

L3 测试来了，但能够多卖车才是关键

有意思的是，在 2023 年即将结束之际，智能驾驶在算力方面又出现一些新变量。

今年广州车展期间，地平线宣布它的下一代智驾计算平台征程 6 旗舰版本的算力高达 560 TOPS，这个版本主要面向城市导航辅助驾驶而设计，并且针对 Transformer 模型进行了专门优化。不过，这款芯片在明年第四季度才开始量产上车，所以实际上这也是一款面向 2025 年甚至往后数年的智能驾驶市场的产品。

通过这颗芯片，地平线也明显地透露出了在城市 NOA 领域与英伟达 Orin-X 系列分庭抗礼的决心和信心——但这种分庭抗礼背后的一个隐藏认知前提是，在地平线看来，整个智驾市场未来数年的发展，依旧会处于 BEV + Transformer + 通用障碍物识别的大技术框架下。

甚至于，最早计划在 2025 年落地的英伟达 Thor，也为 Transformer 做了优化。

不仅如此，一个更加明显的例证是：蔚来在 NIO Day 上最新发布的 5nm 制程工艺自研智能驾驶芯片神玑 NX9031，也都针对 BEV 和 Transformer 等算法做了专门的优化。这颗芯片的具体算力还未揭晓，但它将在 2025 年通过蔚来 ET9 车型的交付到达用户手中。

所以，2025 年是一个算力变革的一个节点，但未必是算法框架随之大调整的节点。

对此，多位从事智能驾驶行业的资深人士告诉 42 号车库，智能驾驶的发展在未来数年时间里很难离开现有基于 Transformer 算法构建出来的一套技术体系；目前来看，这个体系刚刚搭建出来，还远远谈不上完善，要做的事情还有很多。

有意思的是，就在广州车展开幕当天，主管部门发布了开展智能网联汽车准入和上路通行试点工作的通知，其中表示支持 L3 和 L4 功能的智能网联汽车产品在限定区域内通行试点。在这个政策发布之后的一个多月时间里，包括奔驰、智己、宝马、极狐、阿维塔、深蓝在内的车企都已经获得了 L3 级自动驾驶测试牌照。

政策层面对于 L3 测试的放行，也确实预示着智能驾驶的发展确实到了某个被认为可以落地的节点——但在普通用户端，L3 还是一个遥远的词汇，车企在介绍智能驾驶功能时，也在反复强调用户是第一责任人，要保持随时接管。

不过，智能驾驶毕竟只是整个汽车行业发展的一环，它也依旧需要通过量产车型和市场的选择来实现落地，而汽车市场的厮杀，已经越来越激烈。

所以，以此为前提，在智能驾驶的现有众多技术成果中，高速 NOA 已经被选中，成为各大车企开始在智能驾驶角度上部署并吸引用户的一个卖点，而且价位段从 30 万级别不断下探——甚至一位新势力车企的产品总监告诉我们：到 2025 年，在 15 万价格段，一辆没有高速 NOA 功能的车型，恐怕将很难卖得出去。

从这个角度来看，高速 NOA 也算是智能驾驶在多年的资本和社会资源投入之后，终于能够拿出来反馈给市场和用户的一个交代。

这个交代并不完美，但也足以让整个市场对于智能驾驶的下一步发展建立信心，并且给予耐心。

回过头来看，在城市 NOA 的泥泞战场中，在这项功能真正变成能够吸引用户买车的卖点之前，各家也都是在基于同一个技术大框架，在算力、体验和成本的多重选项中，挣扎着做一道技术和商业的平衡题。

所以，2023 年只是这条智能驾驶的泥泞之路的起点，2024 年和 2025 年都也还只是过程——在到达一个能够产生质变的智驾临界点之前，各家首先要面对的，其实是来自汽车市场的一场异常残酷的厮杀。

但毫无疑问的是，智驾已经成为这场厮杀中的必备武器，有了它，未必能胜利；但没有它，恐怕只会离失败越来越近。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～