成本降低50% 易航智能NOA方案量产上市

版权声明：本文版权为网易汽车所有，转载请注明出处。

网易汽车5月25日报道 2022年，支持NOA行泊一体的智能驾驶方案开始规模化上车，这对车企和其背后供应商，对场景的理解和技术能力提出了更高挑战。

高阶智能驾驶向高算力、强算法、大数据的军备竞赛愈演愈烈，甚至出现唯算力论，但业内有一家企业却仅凭16TOPS就实现了NOA行泊一体的普惠方案，相较已经上市的方案成本降低了50%以上，这家名为易航智能的企业有何独特之处？

近期，我们与易航智能的创始人兼CEO陈禹行就NOA方案和自动驾驶的产业发展进行了一次沟通。

以场景为核心的自动驾驶更贴合用户

陈禹行表示，自动驾驶这类创新技术的普及，核心是创造价值。只有打开更多的场景，让更多的用户使用，才能创造价值，也更利于行业的发展。

陈禹行认为，以场景为核心的自动驾驶技术过渡到无人驾驶，需要从ADAS切入，历经NOA到最终的全场景自动驾驶FSD，拐点之后行业才会迎来稳定的发展期，慢慢解决最后1%的长尾问题。

他认为，目前让用户在典型场景下的绝大多数时间，例如上下班通勤，享受自动驾驶带来的便利，比在特定路段或苛刻条件下才能启用的完全自动驾驶能创造更大的使用价值。

因此，按照这个逻辑，易航智能创立之初就确定了以构建场景为核心的迭代升级模式，也就是从基础辅助驾驶融合泊车APA ，到高级辅助驾驶记忆泊车HAVP，到领航辅助驾驶 NOA、代客泊车AVP ，再到全场景自动驾驶FSD的技术演进路径。

陈禹行认为，在ADAS和FSD间会有一个非常重要的阶段，就是NOA行泊一体方案。

从功能上来讲，NOA开启了一个人机共驾的时代，这是迈向自动驾驶终局的新阶段，因为NOA可以实现点对点长时间的自动驾驶的能力，这也是后续FSD的基础。

从体验上来讲，NOA打破了辅助驾驶碎片化的功能，创造了在典型场景下沉浸式的自动驾驶体验。

从技术上来讲，NOA不同于传统的ADAS，NOA因为有人机共驾的能力，所以具备数据收集能力，可以积累高价值的数据，这与ADAS相比是质的飞跃。

陈禹行认为一个好的NOA方案应该具有3个特征，可以通过域控制器的形式重构整个自动驾驶域，要有持续的数据积累能力和迭代升级能力，要具备足够的商业竞争力。

基于以上三点，易航智能推出的NOA解决方案，做到了行泊一体。

特别是在性价比上，这套方案使用德州仪器（TI）最新的TDA4VM SoC平台研发，相较友商可降低成本50％以上，可覆盖15万元以内的车型。

而极致的性价比并没有让NOA行泊一体方案“减配”，易航智能将这种点对点的自动驾驶能力从高速公路场景拓展到了城市环线和城市快速路。

可以涵盖16项的行车功能和10项的泊车功能，实现包括自动超车、自动路网切换（匝道行车），同时具备1000米记忆泊车、融合泊车等最完整的NOA功能形态。

更关键的是，易航智能可以根据需求提供单/双TDA4等多种配置方案，其中单TDA4方案可以取代L2级ADAS功能，在成本持平的前提下实现更高阶的辅助驾驶功能。

安全上，易航智能的NOA方案具备C-NCAP和E-NCAP双五星认证。

陈禹行表示，通过5R11V+12USS丰富配置以及先进的融合感知算法，易航智能的NOA的并线策略、制动力度等的把控都很丝滑，绝少带来机器似的僵硬感和顿挫感。

实际上，自2016年拿到第一个自动驾驶量产项目后，易航智能的客户名单中包括理想、江铃雷诺、上汽大通、威马等主机厂。

其中江铃雷诺羿(换标为雷诺Mobilize Limo EV)已经出口欧洲，易航智能为这台车打造了满足欧洲车规级要求的自动驾驶系统，提供了ADAS专用摄像头、域控制器等硬件，并助力车辆在E-NCAP测试中拿到了五星评级。

16 TOPS算力如何实现NOA行泊一体？

众所周知，自动驾驶的量产需要在算力、功能、功耗之间找到平衡，用16 TOPS实现体验优秀的NOA功能挑战非常大。

陈禹行看来，NOA行泊一体方案从人机共驾、消费体验、技术跃迁等方面，成功开启了自动驾驶量产的新阶段。不过，一项创新技术要走向普惠，面对的拦路虎也绝不简单。如何用相对较小的算力驱动自动驾驶的大智慧，成为大规模量产必须面对的问题。

小算力实现大智慧，易航智能从算法优化和算力优化两方面入手，具体包括算法剪枝、知识蒸馏和共享Backbone等一系列技术。

由于易航智能一直秉持算法自研，对自动驾驶的核心算法有着深刻理解。因此，其可以通过自研的手术刀模型，对算法进行剪枝，提升模型的运转效率。

简化成一句话，就是把大模型压缩到小模型，并且保持精度。

此外，易航智能自研了一套完整的自动驾驶算法模型 （大模型）。在NOA行泊一体算法的训练中，可以通过采用知识蒸馏的手段，让NOA的模型直接向大模型学习，充分继承大模型的优秀基因， 提升了算法精度 。

算力优化上，易航智能共享了Backbone，通过打通了小模型平台和高精度多任务训练之间的隔阂，实现了障碍物检测、图像分割、交通标志检测等共享 Backbone ，极大降低了算力的消耗。

陈禹行表示，除了算法算力优化外，我们推出这样一个高性价比的方案得益于，易航智能在软硬件开发、海量数据积累、丰富的量产经验，我们现在是行业里边目前唯一一个能在TDA4这种中低算力的平台上实现NOA行泊一体方案的企业。

特备是数据端的能力，由于NOA人机共驾的数据非常有价值，因此易航智能的方案支持数据回传和OTA在线升级，这也是走向自动驾驶终局的重要阶段。

“我们已经有10万辆量产上路的车，积累了大概10亿公里的驾驶数据，国内覆盖了除了港澳台以外的其他省份。此外，我们还有一些车型已经在欧洲量产上市，覆盖了法国、德国、意大利、比利时、荷兰、西班牙主要的西欧国家，我们现在的数据端是非常领先的。”

为了充分利用这些高质量的数据,易航智能还在苏州建立了研发中心和专用的自动驾驶摄像头工厂，包括ISP的算法、摄像头的开发和生产都是自研。

毕竟，摄像头的精度是自动驾驶中极为重要的因素，如果摄像头精度不够，驾驶者在测量车距、检测车位等方面都会变得不准，为后续研发带来极大不确定性。

当然，陈禹行也强调，易航智能并不是排斥大算力平台，基于大算力平台的城市全场景自动驾驶FSD方案，就会全部切换到大算力的平台。

他表示，易航智能的FSD方案预计在今年年底量产。

通过与陈禹行的沟通不难发现，想成为一家优秀的自动驾驶企业，除了算法算力优化，背后比拼的更是企业综合实力，特别是全栈自研的能力。

陈禹行认为，自动驾驶Demo展示的是车辆最佳状态时的表现，而自动驾驶量产要保证各种工况下的稳定。只有把所有技术细节都做一遍，才能拥有系统工程经验，而自动驾驶本身就是一项系统工程。

这也是为什么易航智能坚持做全栈自研的原因。

陈禹行表示，全栈自研是实现自动驾驶量产的必要条件。因为自动驾驶系统软硬件高度耦合，研发过程中遇到的问题不能简单的归因于是软件还是硬件的问题，而是需要软硬件相互配合来促成功能的实现。全栈自研能够提升软硬件匹配的效率，加速实现量产。

其次，全栈自研可以实现更好的驾乘体验。感知和规划决定着自动驾驶的用户体验，要实现1+1>2的效果需要二者一起持续优化，而不是只侧重某一方面。

第三，全栈自研可以更好的服务客户需要。主机厂对成本控制有要求，拥有全栈自研能力才能根据客户需求提供定制化的解决方案。例如使用小算力平台，软硬件要深度匹配，才能充分激发算力，实现高级功能。

“我们一直坚持构建全栈自研能力，目前已涵盖视觉感知、规划控制、软硬件开发、测试量产等，我们可以说整个技术链条都趟过一遍，因此做起项目来更得心应手”。

“当前我们希望在成本、功能、功耗之间找到一个最佳的平衡，这样才能让更多的终端用户体验到自动驾驶的价值。从技术上来讲，从自动驾驶辅助到最终实现无人驾驶时间会很长，所以我们必须得习惯用现在的技术解决现在的问题”。陈禹行最后说到。