理想、蔚来两家的城区 NOA 进度比想象中快很多。 最近深度跑了几家的内测城区 NOA ，体验后对今年北京车展非常有信心。 今年加上供应商队伍，高阶智驾的话题和队伍绝对壮观。 今年车展应该围绕无图、可用范围、端到端大模型三个主题。 最近和很好的朋友聊天，也围绕无图化能力“辩论”，但说人话其实总结成两个问题，一个是对地图运营维护，一个是行车算法与数据。当然还有成本效率不在我们今天聊的范围内。 1｜到底什么是“无图”？ 这次体验下来明显感受是大家开启范围都高了不少，从之前城区的某段路可开，到快速扩散，而且我还走了很多没有高精地图的覆盖区，比如小路、山路、桥洞...系统居然都可开启。特别这次理想，非常确定，对无图的切换，很有惊喜。 最近市场对无图的争议非常多，实际是无图的准确定义是无高精地图，但还是必须有图。至于这层“图”，如何定义，各有说法。 是导航地图、还是比高精地图更低的数据地图，大家策略有很大不同。比如有的本身做智驾又有资质、也有的收购带资质的图商、也有选择和图商合作生产线采图制图，也有本身就是图商下场造车等。 比如理想相比上一个版本（我体验的是去年年底），明显感受到系统无图化的迭代明显框架做了切换，体验大有不同。如何可以看纯无图，比如可以看开启范围有多到，比如看前后有匝道口比较复杂的时候偶尔会选错匝道，有时候过一些路口、复杂匝道有些拧巴，还有看 SR 显示范围，实时环境信息的数量和准确度，这些都是参考的一部分。 实际上用户感受到的核心是体验，是开通范围是否够大。实际并不在意地图形式如何。比如目前些系统会在无图版本中也融合了一些已有的高精地图数据，让体验跟稳定。我觉得这些都不是坏事，用户只要odd开启范围够大、连续性好、稳定性高，那就是好用的 NOA 。 2｜端到端，定义还比较模糊。 端到端大部分还没有定义，基本上只要上了大模型神经网络就可以称为端到端了。 端到端为什么重要？因为过去如果靠人工规则解决 1000、甚至10000个场景没问题，但是城区一旦开城，应对的可能是数十万百万个场景，这时候纯缺用人工规则根本无法解决问题，目前自研车企也耗不起人海战术。 其次规则虽然好用，但场景复杂、里程变长系统就会有出现一些“愚蠢性错误”，天花板也不够高，所以大模型是目前各家自研车企的核心策略。 今年头部自研车企、供应商方案基本都会宣布自家的大模型+无图计划。 但端到端不是去读人的驾驶习惯，而是学习如何理解场景，学习规则来驾驶。比如大模型不是去学习不同人的驾驶习惯，而是知道开车的边界在哪、如何去理解场景让通过策略更类人。特别是如果抛开高精地图，在行车策略上有更高的要求。 解下来大部分系统切换无图后大部分会有明显回退，比如路口、左右转、两轮车行人的识别等，但这些都是必经之路。全国都可用也不是“跃进式”，但这也是下一次技术博弈、数据累积、用户体验差异之争...