２０２３年智能汽车行业城市ＮＯＡ深度研究报告
CONTENTS 目录
CONTENTS
目录从越级配置兼顾自动驾驶
03
投资建议
04
02
城市NOA 重新定义智能汽车
风险提示
05
特斯拉引领城市NOA
01
特斯拉率先定义高速NOA 和城市NOA ，引领国内新势力布局自动驾驶新方向。
•特斯拉率先推送高速NOA ：特斯拉于2016年10月率先推出高速NOA （Navigate on Autopilot ）功能，定义了高级自动驾驶的进阶方向。2020年末起，蔚来、小鹏、理想相继向客户推送高速NOA 。
•
城市NOA 重新定义智能汽车：特斯拉于2020年10月，首次向早期访问程序测试人员发布了其FSD BETA 测试版，支持在城市道路使用NOA ，标志着汽车智能水平的重新定义。2022年末，小鹏作为国内首家向广州用户推送了城市NGP 。2023年3月，理想计划现在起all in 自动驾驶，李想表示，“到2024年，有无城市NOA ，将会像买了20-30层高层，有电梯和没电梯的区别。”2023年1月全员信中理想表示，不依赖高精地图的城市NOA 将会在2023年末落地。
资料来源：各公司，，西部证券研发中心
1特斯拉率先推送城市NOA ，引领理想等新势力all in 自动驾驶
图：特斯拉及国内新势力NOA 进程
宣布EA 选装包推出标志性功能“Navigate on Autopilot”，它允许机器控制在受控高速公路上从入口匝道到出口匝道，无需驾驶员操纵即可改变车道，并且可以从一条高速公路换道到另一条高速公路，然后成功驶出。
2016年10月
2017年1月和2月
2020年10月
2021年1月
2021年11月
2022年HW2 车辆更新了软件版本8.0，其中包括在高速公路和城市道路上的Navigate on Autopilot 和自动转向、车道居中，最高时速限制为72公里/
小时。特斯拉首次向早期访问程序测试人员发布了其FSD BETA 测试版，支持在城市道路使用NOA 。F
SD 测试测试版FSD 软件的员工和客户人数接近1000。截至2022年7月，FSD 测试版已行驶3500 万英里。同年11月，FSD 测试版向所有购买该选项的北美车主开
放。特斯拉N O A 历程参与FSD BETA 的用户增加到60000。国内新势力N O A 历程
小鹏推送高速NGP （Navigation Guided Pilot ）
小鹏国内首家推送城市NDP 蔚来国内首家推送高速场景下的领航辅助NOP （Navigate on Pilot ）
蔚来基于NT2.0新平台推送NOP+
理想通过OTA 升级向用户推送了NOA 导航辅助
2023年+
不依赖高精地图的城市NOA 导航辅助驾驶将会在2023年底开始落地，同
时覆盖全部城市
计划在未来，FSD 选装包将支持城市
自动驾驶，计划开发
2023年上半年实现广州、上海、深圳覆盖，2023年下半年在中国率先推出全自动驾驶，在中国超过50个城
市能够放开自动驾驶不依赖HDMAP 的城市辅助驾驶将于特斯拉召回 2021
2023年Q4落地
资料来源：推特@WholeMarsBlog ，特斯拉4Q22财报PPT ，西部证券研发中心
1特斯拉率先推送城市NOA ，向40万用户推送城市NOA 测试
图：Tesla Full Self -Driving Beta 城市内自动左转弯
FSD BETA 测试版开放城市NOA 功能，FSD11.3版本融合城市和高速堆栈。
•FSD Beta 测试版支持Navigate on Autopilot 在城市内使用：特斯拉增强版辅助驾驶（EA ）和完全辅助驾驶（FSD ）选装包中，支持在在大多数高速公路上启用自动驾驶导航。其中完全辅助驾驶（FSD ）将在未来开通城市上的自动驾驶导航。特斯拉现在已经向美国和加拿大的几乎所有买了FSD （约40万）的客户发布了FSD Beta 测试版，FSD Beta 测试版新增了大量尚未完全调试的新功能，其主要吸引力在于在城市街道上自动驾驶（Navigate on Autopilot on City Streets ），可以让特斯拉在复杂的城市环境中自动导航。但由于责任在于驾驶员而不是特斯拉的系统，其仍被视为L2级辅助系统。
•FSD11.3版本将城市驾驶与高速公路驾驶堆栈合并，有望提升辅助驾驶能力。FSD11.3版本的单堆栈融合了城市和高速堆栈，单一堆栈是指对多个应用程序使用相同的技术，而不是为每个应用程序使用单独的技术堆栈，单堆栈将使特斯拉能够将其在城市驾驶中的学习内容应用到其自动驾驶高速公路导航功能中，当特斯拉训练并调整其FSD Beta 神经网络时，其自动驾驶能力有望变得更加顺畅。FSD11.3版本于2月20日之后向用户推送，根据马斯克推特，他已经成功使用FSD11.3版本穿越洛杉矶和旧金山。图：2022年末使用FSD BETA 的累计行驶里程超过0.9亿英里
资料来源：特斯拉2022年AI DAY 大会，华为，小鹏
1特斯拉引领不依赖高精地图的自动驾驶
图：城市NOA 技术路线两种路线及发展方向
重感知，轻地图
未来发展方向
依赖地图
技术路径高精地图可为自动驾驶系统提供道路先验证信息，而且可
以预知车道线、道路标识牌等交通要素的位置以直接将连续的视频流数据输入深度学习大模型当中，然后直接输出在3维空
间。只需要粗略的地图对车道进行增强。不依靠大算力芯片，如小鹏P5仅30TOPS 即可实现城市
NOA 功能所需算力
特斯拉自研FSD 芯片，单车搭载双芯片算力达144TOPS ，针对特斯拉算法研
发，计算效率较英伟达ORIN 更高、成本更低可以采用参数更少、训练难度更小的模型，因此对超算中
心的算力、标注系统的构建要求更低所需算法
14000GPU 组成的超算中心训练模型。大模型Transformer （Google 2017 年提出的）+BEV （俯瞰视角）引入了时序信息，Lane network 可解码车道关
系，并可生成3维仿真补充难以标注的道路信息
感知元件激光雷达为主，摄像头、毫米波雷达等为辅，通过对各种
障碍物和目标物的动态测序实现二维图片测距。纯视觉：依靠8颗摄像头，收集视频流，实现3维感知
城市道路很多、很长，变化度很高，高精地图需做到完全
的时效性，所需的成本将会非常高
维护所需边际成本
运行12小时的自动标注系统可以取代500万小时的人工标记操作，可以不断
降低人工标注成本，在技术成熟后维护的边际成本较小
决策、执行、训练更依赖人工标注和规则的编写，模型预测、执行并自我训
练的能力较差神经网络可以预测位置的四阶导数，根据其他物体的运动路径预判，利用互动搜索规划自身车辆的行驶路径；车辆利用AI 可以实现在50ms 内执行；模型
的预测精度随着训练集扩容不断提升华为极狐αS HI 、小鹏P5