魏牌蓝山的无图NOA，刹停极限150km/h，比理想好用？

魏牌全新蓝山发布了新的两个配置，智驾MAX和智驾Ultra版，售价29.98万、32.68万。也算是做了自己的无图NOA，包括城区和高速公路，今年内能落地推送就不算晚，至少它是目前的前五名实现城区无图NOA（全国都能开）功能的，华为、理想以及小鹏等在它之前完成了无图NOA的落地。

早在今年4月中旬，长城汽车就已经做过这套功能的宣传和无图NOA智能驾驶这套功能的直播，整体来说，功能完整性非常不错，可以对城区道路以及复杂路口做出准确的判断并且能高效的执行。

那么，在有了智能驾驶这套功能之后，表现如何？

分网架构，效果也不错？

从底层逻辑的智驾网络的模式上来看，长城汽车的SEE大模型，其实和现在开始流行的大网架构的模式有些不一样。现在已经做出大网架构的端到端智能驾驶的，就只有华为的ADS 3（参数丨图片）.0和小鹏汽车的XOS 5.2.0智能驾驶系统。

SEE大模型，说到底其实是更类似理想AD那套模式，分网架构的逻辑；和华为以及小鹏汽车的端到端智能驾驶还有一点区别存在，这两位是大网架构的端到端智能驾驶功能，也就是把所有感知、规控等模块，都放在了一个大的架构内来做，而不是像之前的分网模式，做两个大的模块来做，然后信息之间还得优交互转换，所以在感知数据上拿到的都是“二手”感知数据。

那么，拿到一手和二手的感知数据，有什么区别呢？

其实很简单的一个道理，在模块与模块之间，是需要有数据传输的，那么数据传输可能会降低一些数据的真实性，也就是说感知数据在传输过程中可能会有一部分的精度不够准确（存在微小的误差值）。

数据的精准性与完整性是一方面，另一方面，如果没有了数据传输的这个过程，整个系统的感知到决策到执行这套流程跑下来，会有提速效果，这是大网架构的第二个好处。举个例子说明，就是同样面对复杂路口需要高算力和多模块协同的时候，大网架构下做的决策和执行速度更快，能更快的在复杂路况下通过（其他工况下同理）。

理论上，分网和大网架构，都能实现端到端的功能；差别上其实是比较细微的，例如会体现在反应时间，感知数据的精准性决定了系统做决策的能力等。

然后，看配置。

魏牌蓝山智驾版的智能驾驶感知硬件的配置，包括了一颗英伟达Orin-X芯片，算力254TOPS，还有11颗摄像头、12个超声波雷达、3个毫米波雷达以及一颗禾赛AT128的激光雷达（128线主流产品）。

硬件的看点，其实集中到芯片以及算力上就够了。没有出现我们以往在其他产品上看到的双英伟达Orin-X芯片组成508TOPS的高算力，而是只有254TOPS的算力。

一个问题，会不会处理不好复杂场景？

高算力可以提供更流畅的智能驾驶服务，减少延迟和降低误判，来增强这套功能的驾驶体验。理论上来说，254TOPS的算力做智能驾驶，就算复杂工况下也是够用的，508TOPS的算力极少能满额用到，多出来的无非更多的时候是充当冗余算力的。所以这一点，不用太过担心。

魏牌的无图NOA，什么效果？

那么这套用着分网架构，一颗英伟达Orin-X芯片的智驾系统，好用程度如何，应该是各位比较关心的点。说几个值得看的和该关注的点，第一件事，是这台魏牌蓝山的AEB刹停的极限提升到了150km/h；第二件事，这套无图NOA的智能驾驶系统，就算只有254TOPS算力，能不能在环岛工况下，不降级？

先来看第一点，AEB的上限提升能带来啥。

150km/h的AEB工作上限，在行业内也是相对较高的级别了，比理想的AEB系统高了15km/h。而这个速度的上限提升，往往直接与安全性直接挂钩，例如在高速行驶过程中，如果前方突然出现障碍物，AEB系统的这一极限速度可以为驾驶员提供额外的安全保障，尤其是在驾驶员反应不及时的情况下。

这其实，拼的是硬件和算法逻辑。比如，在高速行驶时，尤其是120km/h或更高的速度行驶的话，对前方障碍物的准确识别变得会更加困难。比拼的是毫米波雷达和前视摄像头等传感器的性能在高速下是否更加精确和快速，只要达成这两项硬性需求，才能确保及时检测到障碍物。然后，刹停的时机，就要靠算法来做出判断和决策，最后再操作刹停。

总之AEB性能的上限提升，带来的是安全性上的提升，这一点往往越高越好。当然，在高速下，AEB系统的稳定性和可靠性面临更大的考验。

接下来，看看智驾体验如何。

由于采用了不依赖高精地图的无图NOA，所以，我们可以在路径上绝大多数时候，无论车是在行驶还是停止、无论是否踩下刹车，都可以实现进入智驾辅助功能，宽容度其实还是挺高的。

但，这套系统在策略上还是有点保守。比如，在遇到有车辆加塞时，还是会选择保持一定的车距让对方并进来，整体风格偏保守；在遇到慢车时，虽然不会像问界那样快速选择变道，但在跟随了一段距离后，才选择变道；还有，在左转、右转弯的时候，礼让行人也是选择行人全部通过后行驶，而非绕行的操作。关于城区路段的一个小的不足，在占道绕行后，提速的时间还是稍慢一些。

魏牌蓝山的这套智能驾驶系统，除了在和并线车辆之间的博弈为了求稳，而显得稍保守一点、对红绿灯转变时的决策偶尔出现犹豫，像其他工况下在路径选择、超车绕行、无保护左右转、上下匝道等方面的，表现都还不错。

然后，有人会质疑254TOPS的算力，在普通的这些工况下应对起来没啥问题，那么在环岛呢？这个无图NOA智能驾驶普遍会遇到困难的工况下，可不可以轻松应对？

其实这个工况下，环岛不同于其他任何场景，它是围着环岛绕圈，也是特别吃算力的一个场景；考验的是智能驾驶系统对于场景的理解能力，而理解能力，又和算力+大模型（训练）有关。所以，不能说254TOPS算力做不好这个工况下的驾驶流畅度，只要是大模型做的够好，完全可以在相对低的算力下做好环岛工况（以及其他复杂路、窄路等）。

目前来看，魏牌蓝山的这套智能驾驶系统，依旧是以保守为主的策略，对一套刚落地的无图NOA功能来说，能做到现在这样已经算不错了。等后续优化，会在细节上做出明显改变。