上週，我們在上海市中心體驗了智己最新的城市NOA，表現如何？ 這是我們真正可以使用的智慧型駕駛解決方案嗎？
點選***
Urban NOA是純自研的嗎？智己NOA（包括高速NOA和城市NOA）由智己與MomentA聯合開發，後者作為國內自動駕駛公司的先行者，在L4領域積累了大量經驗。
除了與智基的合作之外，目前登勢N7中使用的騰勢PILOT也是騰勢和MOMENTA共同開發的，但是如果我們要說騰勢PILOT和智繼NOA有什麼區別，我們就要等待機會了，以後再體驗一下。
城市NOA的優勢是什麼？最大的優勢是擬人化，即智慧型駕駛的駕駛風格更接近正常人的駕駛風格，可以提高智慧型駕駛的舒適性，讓大家更願意使用城市NOA。
比如一些車企的智慧型駕駛規定就非常機械化，比如加速、剎車等簡單的動作，會讓司機和乘客非常突兀，非常不舒服。
Urban NOA對這個問題進行了很大的優化，首先在體驗中可以明顯感受到，車輛對起步、轉向、減速的控制非常柔和，合併也非常果斷。
再比如，我們在日常生活中開車的時候，總會遇到類似前方車輛佔據馬路停車的情況，所以我們會選擇走避路，而不是傻傻地在後面等。
城市NOA也對這個問題進行了很大的優化，從**可以看出，首先，在最左邊的車道直行時，城市NOA選擇右轉借路，避開了排隊前方的車輛。
在經過公交車站時，面對線路右側的公交車站，城市NOA也選擇左轉避讓，也在一定程度上放慢了速度，目的應該是避開盲區可能出現的“鬼探”。
雖然這是理所當然的事情，但在實踐中仍然很難解決，因為它需要足夠聰明和快速的即興創作才能知道“何時何地該做什麼”。
Urban NOA 在軟體層面具有此功能。 基於資料驅動的路線和BEV+Transformer架構，城市NOA可以借助海量駕駛資料訓練感知和調控模型，使其逐漸具備接近人類思維的能力。
此外，市NOA還提到了乙個模型的概念，通過與智己智慧型駕駛工程師的交流，知道它意味著實現端到端的感知端，即用乙個模型完成從多模感知資料輸入到融合感知結果輸出的環節。
在端到端之前，模組化演算法的結構在行業中還是普遍使用的，這種結構的容錯率比較低，容易出現“一步錯，一步錯，錯得越多，錯誤越大”的局面。
實現端到端後，只能使用乙個模型來提高演算法的精度，使智慧型駕駛的感知和調控更加準確，進而提公升智慧型駕駛的駕駛體驗。
城市NOA的缺點是什麼？目前最大的缺點是高畫質地圖。 與小鵬XNGP和華為ADS 2不同0、目前智慧還無法實現“無地圖”智慧型駕駛，必須依靠高精度地圖。
也就是說，城市NOA的體驗雖然不錯，但僅限於有高畫質地圖覆蓋的區域，這對那些沒有高畫質地圖覆蓋的智基車主來說是不公平的。
此外，Zhiji 還表示會加速迭代到無圖形，但我個人認為這應該謹慎對待，因為沒有圖形的迭代還是非常困難的。
例如，沒有地圖，就好像你在手機上導航，來到乙個你以前從未去過的城市，雖然導航路線圖看起來很簡單，但實際場景卻非常複雜，讓你很難確定。
這就要求智慧型駕駛解決方案本身能夠實現“資料閉環”，即有足夠多的海量資料進行訓練，而且資料量不是簡單的越多越好，還要具備高效的資料自動標註、訓練和驗證能力，否則就沒有金山可花。
比如某領先的智慧型駕駛公司，雖然自稱是無地圖智慧型駕駛，到2023年底將在國內開通100個城市，但喊出口號後一直沒有動靜，不知道目前100個城市夠不夠，這100個城市的實際開通率能達到多少。
以智己和Momenta的規模，我認為要實現資料閉環還需要很長時間，而在國內外所有車企中，只有特斯拉有這樣的規模和能力。
不過，通過與智慧型駕駛工程師的交流了解到，在實現無地圖智慧型駕駛之前，智己也會考慮使用標準精度地圖作為過渡。
雖然這張地圖的資訊量不如高精度地圖豐富，但可以做得更大，成本也相對較低。
而且，業界使用標準精密地圖的智慧型駕駛解決方案並不少見，比如長城汽車孵化的陌陌智行，但遺憾的是，搭載陌陌城NOH的魏牌摩卡DHT-PHEV雷射雷達版自2022年成都車展亮相以來，一直沒有量產。
總結。總的來說，我還是非常看好智己的城市NOA，一方面是因為它的實際效能真的很成熟，是那種真正可以用的智慧型駕駛解決方案。
另一方面，也正是因為智基不會拋棄老車主，哪怕是第一批L7車主，未來也能通過OTA體驗最新的智慧型駕駛。
那麼最後，你對知己的這套城市NOA感興趣嗎？ 如果您購買了 Zhiji，您會選擇訂購 City NOA 嗎？