汽車智能化時代，智能駕駛永遠是一個繞不開的話題。我國城市道路路口多、車流亂、擁堵多，交通網絡錯綜復雜，在這樣的城市道路上實際落地輔助駕駛，一直是汽車智能化這條未來科技賽道上最大一個坎。但不久前長城汽車已成功邁過這道坎，其搭載了旗下毫末智行完全自主研發的“城市智能輔助駕駛系統”（城市NOH）的魏牌摩卡DHT-PHEV激光雷達版在成都車展上大放異彩，長城汽車也成為中國首個量產落地應用城市智能輔助駕駛系統的企業，在日益激烈的智能駕駛科技競爭中占得先機。

長城汽車城市NOH有何不同？

當前智能輔助駕駛技術路線大致可分為三大流派，以高清攝像頭和機械波雷達為核心的“純視覺”少數派，以 “多傳感器+高精地圖”為核心的大眾派，還有長城汽車的城市NOH的“重感知、輕地圖”技術路線自成一派。

其中，“純視覺”的感知系統主要依賴于高清攝像頭和毫米波雷達，其中攝像頭的視覺信號權重更大，這套方案的弊端在于，高清攝像頭極易受到光線環境影響，對于一些靜止物體的識別很容易出現偏差。而“多傳感器+高精地圖”方案對高精地圖的依賴性很強，但高精地圖目前還面臨著嚴格的監管和限制，而且其制作成本很高，地圖“鮮度”難以保證，一旦地圖更新不及時，就容易出現車輛莫名減速等“突發狀況”，很影響用戶對智能輔助駕駛的使用體驗。而城市NOH“重感知、輕地圖”技術路線，采用多種軟硬件融合方案，受環境影響小，不過度依賴高精地圖，量產后短時間內即可覆蓋大量城市，因此能夠做到后來居上，搶先實現大規模量產應用。

此外，毫末城市NOH的“重感知”技術路線，是基于中國復雜的城市通行場景，讓車輛依靠自身視覺、毫米波、激光等傳感器融合感知，完成高階智能輔助駕駛，并在底層算法中融合視覺和激光雷達數據，進而實現空間、時間、傳感器三位一體的深層次感知，使認知決策更像人類，反應更準確、更高效，整個系統更安全、更穩定、更可靠。

長城汽車城市NOH有多厲害？

城市 NOH 是毫末智行打造的中國重感知的城市輔助駕駛產品，也擁有全面的場景覆蓋、領先的產品力等多項優勢，助力用戶輕松駕馭各種城市復雜路況。

在場景覆蓋層面，城市 NOH 將包括城市開放道路、城市快速道路、停車場、高速公路在內的所有資源做了一個完整的打通，并可根據導航提供的行駛路線，在城市環境中自如應對包括紅綠燈控車、路口轉向、路口博弈、環島通行、導航變道、切入避讓、借道繞障、擁堵變道、非機混行在內的眾多城市交通場景。比如針對常見的借道繞障場景，城市NOH具備智能識別異形車輛、施工路障、道路錐桶的能力，可根據障礙物類別、位置、速度、阻塞空間等環境要素快速做出響應，自動減速、果斷變道，實現智能躲避障礙物，讓用戶一路從容前行，有效避免剮蹭碰撞事故發生。

在產品力層面，目前城市NOH智能輔助駕駛系統對核心城市的場景覆蓋率已超過90%，也就是說，除了一些小路、胡同等部分行車難度較高場景，在多數城市道路都能夠開啟領航輔助駕駛功能。另據毫末智行實測數據，搭載城市 NOH 的乘用車路口通過率超過70%、變道成功率超過90%、交通流處理能力高達4級，路口通過率等方面的表現領先特斯拉在中國的表現，強勁的產品力表現必將為用戶帶來一流的體驗。

長城汽車城市NOH為啥能這么牛？

城市NOH之所以能夠實現如此復雜的城市輔助駕駛并有出色表現，首先要得益于其豐富的感知元器件。據了解，搭載這套城市NOH智能駕駛系統的魏牌摩卡DHT-PHEV激光雷達版，配備有2顆125線激光雷達、5顆毫米波雷達、12顆超聲波雷達、4顆百萬級像素環視攝像頭、4顆百萬級像素側視攝像頭以及4顆800萬像素感知攝像頭，共計31個感知組件，形成了“激光雷達+毫米波雷達+超聲波雷達+攝像頭”的四位一體感知體系，硬件水平已經達到了行業領先水平。這些感知元器件各司其職，好比有多雙“眼睛”和“耳朵”同時工作，讓車像老司機一樣可以眼觀六路耳聽八方，能夠更加從容地應對雨雪霧強光下的突發狀況。

但大家都知道，感知元器件只是智能駕駛系統的基礎，對海量視覺數據的準確高效處理更為關鍵。對此，長城汽車基于Snapdragon Ride平臺，打造了可量產的高性能自動駕駛計算平臺——IDC 3.0，它是由5nm高通驍龍8540和7nm高通驍龍9000芯片組成的運算中樞，單板算力達到360TOPS，可疊加4板達到1440Tops，是目前全球算力最高的可量產自動駕駛計算平臺，可以支撐大量的感知推理計算，以及車端感知數據的篩選、清洗、脫敏和回流。。

不僅如此，長城汽車毫末智行開創的中國首個數據智能體系 MANA 更是城市NOH研發及落地的最強護航利器。它是智能輔助駕駛功能的超強大腦，具備持續進化的感知智能、認知智能、標注、仿真、計算等五大能力，能夠讓城市NOH的決策更貼近人類大腦。比如對攝像頭和激光雷達等核心感知硬件所產生的數據，MANA能進行多模態時空融合，更準確刻畫現實世界，大幅提升車輛的感知能力；并可通過對覆蓋全國的海量人類駕駛數據進行深度理解，學習常識和動作擬人化，使得系統決策更像人類實際駕駛行為，目前MNNA已完成超過30萬小時的學習時長，虛擬駕齡相當于人類司機4萬年。同時，MANA構建了閉環自動標注系統，運用無監督自動標注算法，通過使用大規模量產車無標注數據的自監督學習方法打造模型效果，可以更好適應自動駕駛各種感知任務需求。

面對汽車智能化趨勢，長城汽車城市NOH以獨有的“重感知、全場景、大算力”技術路徑，打造更智能的全場景出行體驗，為用戶提供更智能的出行新方式。相信長城汽車未來在其森林式生態體系加持下，將探索不止，持續創新，讓毫末城市NOH繼續保持中國量產自動駕駛第一的領先態勢，為中國汽車智能化發展提供強大的驅動力。