智能驾驶攻城战，长城汽车有啥攻坚利器？

　　在电动汽车渗透率持续上升的趋势下，以大模型、大数据为主导的智能化成为了车企提升竞争力的关键，智能驾驶将引领汽车产业新一轮变革。这个行业共识在今年的成都车展上得到了更加充分的体现，为了能在一众新品中脱颖而出，不少车企纷纷聚焦智能化，将“自动驾驶”“智能操作”等概念作为宣传卖点，希望以此来破解当下同质化竞争的困局。

　　其中，长城汽车旗下魏牌在成都车展上展示了AI自动驾驶实力，并宣告在自动驾驶大模型DriveGPT 雪湖·海若加持下，魏牌正加速进入自动驾驶 3.0 时代，即将推出配备2颗激光雷达、具备城市NOH功能的版本。这意味着长城汽车即将在城市智能驾驶辅助领域发力，以期获得在智能化赛道的主导权。

　　最早采用“重感知”技术路线，比肩特斯拉超越新势力

　　实际上自去年底以来，越来越多搭载城市级智能驾驶系统的车型陆续亮相，现阶段主要有四家企业对外宣布自己已具备高阶城市辅助驾驶能力，分别是：特斯拉、长城、小鹏、华为。而这几家的智能驾驶解决方案十分有代表性，基本涵盖了目前智能驾驶行业的几种路径。

　　其一是走纯视觉路线的特斯拉，主要以摄像头模拟人的双眼识别目标。这种舍弃雷达和高精度地图的纯视觉感知方案虽可明显节约造车成本，降低智能驾驶进入消费市场的门槛，但却存在难以回避的问题，例如，缺乏相关雷达会导致无法兼容更多场景，无法适应复杂路况：单纯依赖摄像头可能会出现场景识别错误的情况，并且摄像头在暗光环境下可能被“致盲”。特斯拉也曾因此引发过多起交通事故，导致业界对该路线存在广泛争议。

　　区别于特斯拉纯视觉的技术路线，长城、华为、小鹏等中国车企，不约而同地选择了更适合中国复杂路况的融合感知方案。不过，在融合感知这条路线上，各大车企也走出了不同的路径，例如，早期华为的ADS及小鹏的NGP都更加依赖高精地图。

　　但是过度依赖高精地图存在一系列问题。其一是覆盖范围有限，很难实现国内所有城市的布局和更大范围的覆盖；其二是地图鲜度无法保证，受制于复杂的绘制过程，高精地图无法及时同步临时的道路变化，比如临时的修路、改道等情况。目前华为和小鹏均已经认识到这些问题，新上车的高阶智驾系统已经转向重感知技术路线。

　　在这方面，长城汽车已经走得更远了。

　　不同于特斯拉的纯视觉路线和新势力过度依赖高精地图的方案，长城汽车最早提出了“重感知”技术路线，通过四位一体高效协同的超强感知模组（激光雷达+毫米波雷达+超声波雷达+多摄像头）获取场景信息，实现视觉体系与感知体系双重保障。并凭借多样的感知手段，能够对暗光环境或者小型物体进行准确识别。可以说，长城汽车的城市NOH既集合上述两种路线的优势，又弥补了它们的缺陷，能够适应更多的城市道路场景。

　　长城打出软硬件“组合拳”，打造城市辅助驾驶最优解

　　凭借高性能的硬件配置、强大的算力以及自动驾驶数据智能体系加持，长城汽车城市NOH打造出城市辅助驾驶最优解。

　　在硬件配置上，目前搭载城市NOH系统、正在进行泛化路测的魏牌摩卡DHT-PHEV激光雷达版，配备了2颗125线激光雷达、5颗毫米波雷达、12颗超声波雷达、4颗百万级像素环视摄像头、4颗百万级像素侧视摄像头、4颗800万像素感知摄像头，共31个高性能感知组件。无论是感知模组的质量，还是数量，均明显领先于当下的主流辅助驾驶车型。

　　在算力上，长城汽车全栈自研了IDC3.0智能驾驶计算平台，它的域控制器主芯片单板物理算力达到惊人的360TOPS，未来通过板间级联方式，可持续升级为1440TOPS。要知道特斯拉Model 3自研的FSD芯片，其总算力也仅有144TOPS。

　　不仅如此，算法更是城市NOH能够领先同行的杀手锏。长城汽车基于海量的数据，搭建了中国首个自动驾驶数据智能体系MANA，围绕感知智能、认知智能、标注、仿真、计算等五大能力，赋予城市NOH持续进化的能力，让车辆能像人一样感知、思考和决策。截至2023年8月，MANA系统已完成超过84万小时的仿真学习时长，虚拟驾龄相当于人类司机11万年，这不仅为城市NOH的落地应用提供了强大的数据支撑，也让城市NOH智能辅助驾驶系统不断成长，变得更快、更稳、更安全。

　　当前，电动化上半场尚未结束，下半场智能化的哨声却已响起，在这场博弈中，谁能扼住智能化的咽喉，谁就能赢得发展的先机。为此，基于公司战略及业务发展，长城汽车正式宣布成立智能化前沿组织——TCAL(Technology Center Al Lab，简称 Al Lab)，负责构建长城汽车全链路AI技术体系，打造行业领先的AI能力。相信未来在Al Lab技术赋能下，长城汽车的“重感知”能力、算力及自动驾驶数据智能体系也将不断快速进化，牢牢地站稳智能驾驶赛道第一梯队。