读读小说网2023开年，理想，小鹏先后发布内部信公布今年的企业计划。其中，与高阶辅助驾驶相关的高精地图，城市辅助驾驶等功能被重点提及。

　　2022年是高阶智能驾驶突飞猛进的一年。高工智能汽车统计的数据显示，2022 年 1-11 月，中国市场（不含进出口）乘用车新车L2 级 ADAS搭载量为 503.6 万辆，同比增长 63.9%，渗透率达到 28.8%。

　　随着高阶智能驾驶推进。与之相关的大算力芯片、高精地图、激光雷达等产业也迎来迅猛发展，供应商们也在积极构建自己的核心竞争力。

　　在智能驾驶产业发展中，2025年是一个被业内重点提及的年份。它被业内寄予了几个不同的转折点：2025年是L4级自动驾驶迎来真正意义上的商业化落地转折点；L2级别的高阶辅助驾驶也会在这一年进入定型期，并迎来大规模发展。

　　2023-2025是智能汽车产业定调的几年，抓住这几年的关键窗口期，就有机会进入下一轮的角逐。

　　基于市场规律，我们提出了2023年智能汽车市场的如下几点思考，包括但不限于激光雷达，大算力芯片，城市辅助驾驶，高精地图等多个领域。

　　2022年，业内提到最多的就是“弱高精地图”。在此背景下，毫末智行智行者、MAXIEYE等企业都纷纷推出了“重感知，轻地图”的技术路线。

　　尽管业内“苦高精地图久矣”。然而，目前除了特斯拉，没有企业能够完全摆脱高精地图实现高阶智能驾驶。

　　小鹏汽车在2023开年的内部信中向行业丢出一枚“重磅炸弹”，提出2023年完全摒弃高精地图落地城市辅助驾驶。

　　按照何小鹏的规划，小鹏的XNGP将在今年落地，覆盖中国50-100个地方。不同城市对高精地图的审核不同，要在短时间完成如此高效的覆盖，唯一的办法就是绕开高精地图，直接“进城”。

　　前者可以理解为，高精度地图作为全场景、全气候下的超视距感知传感器，配合其他传感器，实现辅助驾驶的目的。其意义在于降低系统对算法和硬件的依赖。这是目前国内车企采取的主流技术路线。

　　而后者则是完全脱离高精度。通过传感器硬件和系统算法实现辅助驾驶。这需要传感器硬件，系统软件算法承担更多责任。

　　从企业端来看，丢弃高精地图也有迹可循。除了众所周知的高精地图的鲜度与成本问题，审核也是高精地图发展受到桎梏的一个重要因素。只有具备甲级测绘资质的企业才能进行高精地图的绘制工作。

　　前不久公布的2022年复审换证的公示显示，累计只有19家单位获得了甲级测绘资质，2021年之前这个数字在31家左右。

　　此前，没有高精地图的车企希望通过曲线救国的方式来获得高精地图加持。比如小鹏汽车收购智途科技，上汽收购武汉中海庭。

　　然而，滴滴事件引发了上层对数据安全问题的担忧，加之目前国际形势的不确定性。这些企业都在复核中被刷了下来（据说企业还有继续提交资料审核的机会，但通过的可能性不大）。

　　此前，为了应对高精地图高成本和更新慢问题，车企提出了众包思路，大致意思是通过在C端用户车上安装数据采集设备来搜集数据绘制地图。

　　但在自然资源部2022年8月下发的《促进智能网联汽车发展维护测绘地理信息安全的通知》中，明确规定了众包手段亦属于属于测绘活动，应该受到测绘相关法规制度的约束和管理。换言之，企业无论自己测绘还是通过C端用户搜集数据都绕不开资质的问题。

　　政策不确定性和高精地图自身发展的问题，迫使企业必须做好两手准备。一方面积极应对高精地图数据合规的问题，另一方面也在储备“去高精地图”技术方案。坦白说，技术难度非常大，不妨再等等小鹏官方的消息，看看有什么妙招。

　　《圆周智行》认为，这会是一个非常积极的信号，今年开始，“去”高精地图又将会成为一个被重点提及的话题。

　　城市NOA在2022年被企业频繁提及，但遗憾的是，该功能宣传者多，上车者少。去年真正量产上车交付到用户手上的仅有极狐阿尔法S HI版，小鹏P5等寥寥几款车型。

　　理想和小鹏在内部信中的表态显示，2023年，城市辅助驾驶依然是业内的重头戏。

　　此外，根据车企计划，具备城市领航功能的阿维塔11，集度ROBO-1等车型也会在今年迎来交付。

　　即便如此，我们依然有一个基本的判断，城市辅助驾驶只会在少部分先头部队车型上试水，难以大规模铺开，而且时间点也基本都会拖到年末。理由有如下几点：

　　技术难度问题。城市辅助驾驶和高速辅助驾驶是不同的算法系统，需要大量的数据积累。根据小鹏汽车自动驾驶副总裁吴新宙的说法，在系统算法上，前者相较于后者，大概需要增加 4 倍的感知模型数量、6 倍的代码量，88 倍的规划控制代码量。

　　很多企业连高速导航辅助都没有实现，再不要说更难度系数更大的城市辅助驾驶。即便已经开发出城市NOA系统的企业到正在量产上车还有很多工作要做。

　　高精地图审核问题。尽管小鹏已经率先打响了“去高精地图”第一枪，但目前业内大部分企业都需要依赖高精地图来完成城市辅助驾驶，就必须牵扯到审核效率问题。

　　成本问题，目前城市领航辅助落地的车型价格大部分在30万以上，成本不下来，规模就难铺开。

　　数据最直接，特斯拉是全球智能汽车产业风向标。根据特斯拉2022年财报，其在全球积累向40万用户推送了“全自动驾驶”，同年4季度通过该软件获利3.24亿。而特斯拉累计历史累计销量已经突破360万，占比大概九分之一，自动驾驶单车一个季度获利大概810块，平均每个月270元。远远没有到市场爆发期。

　　此前技术积累不够深的企业没必要贸然激进上新功能，可以等头部企业完成市场教育之后再推出相关功能，但技术的完善和数据的积累又要求企业必须早些进场，这其实是一个矛盾的问题。

　　智能驾驶主要包含激光雷达和视觉两大方案。提到视觉方案，大部分人能想到的就是特斯拉。

　　从成本层面思考，视觉方案才更有利于智能驾驶功能普及。随着该功能逐步落地，视觉方案会在今年取得不小的突破。

　　今年，极氪001基于Mobileye的Super Vision（视觉路线）打造的高速智能驾驶方案将推向市场。

　　这里有必要理清的一个概念是，主视觉和纯视觉方案都属于视觉方案，很多人理解的视觉是仅有相机作为唯一传感器的方案，但实际上市面上的大部分视觉方案都是需要毫米波雷达累辅助参与，只不过没有激光雷达而已。

　　根据地平线年公布的数据，其已经与国内20+车企，70+车型合作。猜测大部分会是视觉方案的高速智能驾驶方案。

　　2022年，东风日产旗下的启辰品牌与地平线达成合作，启辰将基于后者的芯片级视觉算法打造高阶辅助驾驶，高概率是高速辅助驾驶。

　　丰田汽车决定从2023年开始，在旗下品牌的多款车型陆续采用Mobileye+采埃孚的方案来实现高阶智能驾驶功能，该方案就属于主视觉技术方案。

　　2022年，大疆和五菱已经将基于视觉的低成本智能辅助驾驶方案带上车，证明了视觉方案更大的潜力。今年，会有更多基于视觉方案的高阶智能驾驶功能落地。

　　2022年被认为是激光雷达元年，但在数量上车的表现并不可观。今年业内估计激光雷达出货量在50万台左右。

　　目前不少企业已经完成了激光雷达的选型与导入，即便没有量产的也基本已经确定了合作方案，在量产的路上。

　　2023年，激光雷达领域需要重点关注的是保量产和打磨产品成熟度。尤其是后者。这是激光雷达不断放量最后必然要经历的事情。

　　因为激光雷达属于新兴产业，此前没有成熟的SOP流程体系，所以量产并不是一个轻松的活，小规模试量产和大规模批量量产又是另一个维度的事情。

　　另一方面，已经上车的激光雷达需要快速进行产品质量的“自我纠正”，从不少主机厂反馈看，目前大部分已经上车的激光雷达产品并没有最开始设想的那么“完美”。目前业内已经出现了因为产品质量问题换供的情况出现。

　　关于产品稳定性，目前业内有两个大的思路，一种是图达通这种，先绑定一家企业，双方深度参与，打磨出一套成熟的产品体系，然后在行业快速复制，这也是汽车领域供应商和主机厂导入新技术时的常规思路。

　　另一种是禾赛与速腾聚创这种：广撒网，多覆盖，与多家企业合作，广泛收集信息，再反馈到产品身上，总结出一套行业标准出来。

　　两种思路各有利弊，难分好坏，关键还是看谁能率先建立一套标准化的激光雷达生产流程体系。

　　业内一直有一个误解，认为激光雷达主要看性能。但是从主机厂的反馈看，成本和产品稳定性才是他们关注的重点。

　　目前市面上订单拿到手软的速腾与禾赛产品账面数据都不是最好的，但在成本方面都具备明显优势。

　　行业标准还在不断完善的前提下，答案显然是肯定的，但难度肯定比已经量产上车的激光雷达企业大得多。

　　另外，2022年，由于头部激光雷达企业先发进场，补盲激光雷达领域牵起了一波讨论热潮。有人认为补盲激光雷达会在今年迎来大规模爆发，但我认为，在高成本的大条件限制下，补盲激光雷达会在小部分企业迎来试水落地，不会出现大规模落地的情况。

　　2022年，英伟达，高通先后发布了2000TOPS算力芯片。后者最快在2024年量产上车。

　　一个不容忽视的大趋势是，随着智能汽车行泊一体，舱驾一体不断发展，大算力芯片已经成为行业共识，今年会有愈演愈烈之势。

　　去年不少人批评车企芯片算力预埋，认为算力超过300TOP都属于性能过剩。今年，车企预埋算力的情况会进一步加剧。

　　一方面是芯片算力之争加剧。供应商在这方面的表现更加敏感，此前英伟达发布了1000TOPS的Atlan，随后又发布了2000TOPS的Thor替代此前产品，革了自己的命；根据计划，地平线芯片。

　　另一方面，智能驾驶功能需求越来越多，需要更高的算力来支撑。技术的更替速度越来越快，提前预埋才能满足智能驾驶系统充足的上限。

　　这几年，行业正处于发展期和定型期。不管主机厂还是供应商，“内卷”将会非常严重，这一阶段的胜者才有资格进入下一阶段的角逐。