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 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。