站稳辅助驾驶第一梯队，“特小长”如何引领智能驾驶新格局？-600学习网

600学习网终身会员188，所有资源无秘无压缩-购买会员

文学智力的相对姓

作者陈宣斌

汽车制造业的新力量模式又发生了变化。谁将引领智能驾驶技术的创新？

此前，威莱汽车宣布，2021 10月份的交付量显示，共交付3667辆新车，同比下降27%，环比下降65%。销量的急剧下降使威来汽车在业内排名第五。目前，智能驾驶市场主要集中在特斯拉和小鹏汽车。

但事实上，除了上述两种，汽车行业还有另一种竞争力量，它也在加速创新的崛起。10月29日，长城汽车发布2021第三季度财务报告，报告显示，今年前三季度，长城汽车实现营业收入907.97亿元，同比增长46.11%，净利润49.45亿元，增长91.13%。它还实现了88.4万辆新车的销售，同比增长29.9%。同期，长城汽车乘用车市场累计销量为1448.5万辆，同比增长12%。

随着”新能源”和”智能化”两大新趋势，长城汽车加快了新战略规划的步伐，其市场价值已飙升至6000多亿美元，成为汽车行业的强大竞争对手和领导者。现在，其技术品牌Niwuzhixing将在全球范围内推出自己的HIPilot(HIPilot上的智能导航)导航，以帮助长城汽车继续以创新的技术能力突破包围。

目前，特斯拉NOA和小鹏NGP在中国拥有全套自主研发的辅助驾驶技术，与长城汽车携手加入智能线NOH，必将改变整个智能驾驶领域的格局。

“超小长”稳居量产辅助驾驶第一梯队，智能驾驶已迈出第一步

在智兴发布NOH之前，整个自主研发的辅助驱动技术的重点主要集中在特斯拉和小鹏。

2019年，特斯拉发布了NOA功能，成为世界上第一家具有辅助驾驶功能的汽车制造商。今年1月，小鹏汽车发布了NGP自动导航辅助驾驶(公测版)，成为继特斯拉之后全球第二家拥有全栈自主研发和量产能力的制造商。

目前，Nano Smart将很快欢迎NOH在全球推出，预计到2022年底将推出34款长城汽车，约占上市车型总数的80%。据估计，未来三年载客汽车总数将超过100万辆。

这意味着，继小鹏汽车之后，尼莫志行将成为中国第二家有能力开发全套辅助驾驶技术的公司，而在尼莫志兴NOH的帮助下，长城汽车也将成为世界上第三家有能力研发全套辅助驱动技术的汽车制造商。

到目前为止，整个大规模生产辅助驾驶领域已经形成了”超小型和长型”的组合。特斯拉.小鹏汽车和长城汽车凭借自主研发的全套辅助驾驶技术，稳定了行业第一梯队，成为未来引领智能驾驶技术发展的关键。

你为什么这么说？首先，我们需要澄清两个逻辑。

1. “超小长”组合的形成将进一步打开行业格局。有了有利的市场，更多的制造商将致力于全套自主开发的辅助驱动技术，辅助驱动能力的大规模生产也将迎来大规模实施。

2. 智能驾驶技术并非一蹴而就。着眼于目前大规模生产辅助驾驶的”超小型和长型”产能，可以看出这是一条正在逐步攀升的产业道路。只有当你在辅助驾驶方面做得很好时，你才能迈出下一步，突破更高水平的智能驾驶，而不是专注于L4或L5水平。

目前，在”超小长”的指导下，辅助驾驶技术正迎来全面实施的加速期

特斯拉不必说，在未来三年内，NOH智行还将搭载100万辆长城汽车。由此可见，在两大量产辅助驱动制造商面前，架构创新已被提上日程，技术的迭代和大规模应用不断协调，加速了智能驾驶向更高水平的攀登。

第三，基因融合。

目前，站在量产辅助驾驶第一梯队的三个”超小长”都是”汽车玩家”，他们是汽车制造和科技创新基因的双重融合。随着智能驾驶技术的进一步发展，这一基因将进一步转化为”超小超长”的优势，这也受到更多制造商的重视。

无论是里程质变还是架构创新，制造商不仅需要深入了解汽车行业，还需要具备创新尖端技术的能力。同时，它们需要通过生态系统的扩展促进技术创新和应用。尼莫·志兴在长城汽车公司孵化。现在，他们正在共同努力，一方面掌握传统汽车的产业优势，另一方面掌握人工智能驾驶的技术优势，释放1+1>2的产业价值。

不难发现，在未来，”汽车玩家”在智能驾驶技术道路上的优势将继续扩大。尖端技术的创新可以快速实现汽车行业的应用和数据反馈，不断迭代和升级算法，成为新的驱动力。

技术进步始终是核心，智能驾驶加速创新也需要”攀登阶梯”

围绕智能驾驶技术的发展路径，技术进步一直是推动应用落地的核心，无论是从一开始就用望远镜观察L4/L5级别，还是从辅助驾驶到智能驾驶，都是如此。

回顾过去，这正是因为技术需要”进步”，而不是”飞跃”。这要求技术制造商一步一步向前迈进。只有做好这一步，迈出下一步，才能取得明显的工业成就。

通过剖析智能驾驶技术的领域，我们还可以看到一条明显的提升路径：

首先，我们将通过基于云的大模型的自动诊断和分析，帮助车辆端任务域模型取得更快的进展。

其次，采用无监督聚类方法挖掘更相似的困难场景，解决人工智能模型的数据偏差问题。通过使用模型并行和任务流并行，大大提高了人工智能模型的迭代速度，加快了技术进步的速度。

最后，采用CSS云并行仿真自动生成测试用例，大大加快了人工智能算法的验证速度。

由此可见，从数据挖掘到加速迭代再到算法验证，智能驾驶正逐步克服技术难题，推动智能驾驶应用的实施。NOH的引入是贯穿数据.算法和应用程序的另一个关键尝试，它在推动行业和真实场景中智能银行的发展方面发挥了重要作用。

然后，当我们充分认识到技术进步的逻辑时，我们会发现，在智能驾驶的技术道路上，这样一种先穿透辅助驾驶技术，然后推动着陆商业化的循序渐进的想法更符合现实的发展，也能清晰地触及未来。