蔚来汽车：全域领航辅助NOP+已面向Banyan·榕智能系统用户全量推送

蔚来汽车自2017年起在NT1.0平台上针对智能驾驶发力，2020年10月推出了全国首个高速领航功能，NT2.0平台于2022年发布，全系标配1016 TOPS智能驾驶算力和包括激光雷达在内的33个高性能感知硬件，为消费者带来更安全、便捷的出行体验。

2024年5月23日，在第七届智能驾驶与人机共驾论坛上，蔚来汽车高级总监、资深算法专家、自动驾驶研发规划与控制团队负责人秦海龙介绍，辅助驾驶存在NOA、NOP等多种命名，蔚来的一代方案名为NOP，二代进阶为NOP PLUS，即NOP+，其核心在于“全域”和“全量”。

“全域意味着打破传统ODD概念的局限，实现了从高速到城区再到低速的全面覆盖，构建了一体化的智能驾驶架构。全量则表明，自今年4月30日起，蔚来通过Banyan·榕智能系统，将高阶智驾功能作为全系标配，全面释放给用户。”

秦海龙｜蔚来汽车高级总监、资深算法专家、自动驾驶研发规划与控制团队负责人

以下为演讲内容整理:

蔚来当前自动驾驶情况介绍

辅助驾驶存在NOA、NOP等多种命名，蔚来的一代方案名为NOP，二代进阶为NOP PLUS，即NOP+，其核心在于“全域”和“全量”。全域意味着打破传统ODD概念的局限，实现了从高速到城区再到低速的全面覆盖，构建了一体化的智能驾驶架构。全量则表明，自今年4月30日起，蔚来通过Banyan·榕智能系统，将高阶智驾功能作为全系标配，全面释放给用户。

蔚来始终秉持着创始人李斌先生于2017年提出的愿景:解放时间，减少事故，并在今年提出新的愿景:解放精力、减少事故。在技术演进方面，自2017年起便在一代平台上全面更新智能驾驶技术，并于2020年10月推出了全国首个高速领航功能。至今，一代平台仍在持续更新中。

蔚来的商业模式以软件驱动为核心，为用户提供持续更新的智能驾驶和座舱软件服务。今年上半年，针对一代平台正式推出了订阅付费模式，用户可根据需要选择按月支付智能驾驶软件费用或选择买断方式，这一模式在国内已开始广泛推广。

图源:演讲嘉宾素材

自2017年起，蔚来致力于智能驾驶的研发与迭代。智能驾驶作为通用智能的典型应用，其发展与模型演进密切相关，数据和算力始终是其核心。特斯拉之所以能保持行业领先地位，得益于其强大的数据驱动能力。蔚来也在这方面进行了大量投入，截至目前，从NT1到NT2平台，已累计超过9.5亿公里的智能驾驶里程数据，且每日仍在快速增长。

蔚来NT2.0平台于2022年发布，全系标配智能驾驶算力与数据功能。在智能驾驶发展的关键节点上，2022年9月实现了高速场景的交付，并基于高速城区一体化架构，今年4月30日启动了全域、全量交付。

全域领航下一步发展计划及技术路线

关于全域的概念，近年来行业在ODD的释放上展现了多样化思路。特斯拉率先在全球范围内推广ADAS，采用纯视觉技术并逐步实现无图驾驶。而在国内，众多新势力在2017、2018年通过利用高精度地图在高速场景取得领先，超越了特斯拉的表现。蔚来沿袭这一方案，并扩展至城区驾驶。

对于城区驾驶，用户关心的不仅是开放了多少城市，更重要的是实际可用的驾驶里程。随着软件版本的迭代，释放的里程如何验证成为关键。蔚来坚持软件的安全性与其功能释放的紧密绑定，通过持续迭代和确保安全，实现了广泛的验证范围，在功能开发和验证上同样投入精力。

另外，蔚来聚焦于用户体验和驾驶安全，提出了明确的迭代目标。这涉及车云一体的技术架构，以及面对用户的软件释放。从技术角度看，我们关注算法的持续迭代以及迭代后的有效释放，确保技术不断进步并为用户带来实际价值。

在蔚来智能驾驶的演进中，有几个核心要素需特别强调:场景、功能及有无地图的统一性。摒弃了传统ODD的划分，采用统一架构来设计自动驾驶功能，实现了城区与高速场景下功能的无缝衔接。地图在自动驾驶中扮演着重要角色，通过解决地图信息与现实信息的冲突和一致性问题，实现了有图无图的统一，为自动驾驶提供了更丰富的信息增量。

群体智能是蔚来实现大规模验证和释放的关键。通过云端和车端的大算力平台，蔚来实现了基于用户真实场景的验证，并建立了场景库以控制风险。这包括软件本身的迭代和云端的持续运营两个主要手段。

在通用能力方面，蔚来关注静态环境下的驾驶连续性、中长时距下的驾驶可达性以及近时距内的驾驶类人性。为实现这一目标，打破了传统ODD的分割，将不同场景抽象为静态环境、动态环境及导航信息的表达。驾驶单元通过数据驱动，持续优化驾驶目标和驾驶空间，确保驾驶的连续性和安全性。

图源:演讲嘉宾素材

在软件迭代能力上，具备丰富的数据和学习能力。正向数据和负样本的结合提供了模仿加强化学习的迭代范式，持续增强系统的泛化能力。这一迭代过程不仅关注网络架构的更新，更强调整体系统的优化和提升。

在智能驾驶领域，蔚来特别关注动静态信息、导航信息的融合，通过骨干网络实现多模行为。这一过程中，模仿学习是基础，而强化学习则通过整体反馈优化负样本学习。人类驾驶行为作为正向模仿的标签，指导系统学习如何优质驾驶；同时，收集正负向数据确保学习的全面性。

图源:演讲嘉宾素材

蔚来的目标是通过学习达到覆盖出行场景、实现类人驾驶、确保短时距下的安全表现。为此，蔚来即将在Q4推出两大特色功能:点到点智能驾驶和离车自主换电。点到点智能驾驶旨在解决用户日常通勤中的“最后一公里”问题，通过连续无切换的驾驶体验，展现一体化架构的优势。而离车自主换电则是蔚来独有的技术，实现无人化自动换电体验。

此外，蔚来云端智驾里程的覆盖也在持续更新，用户可以通过蔚来智能驾驶地图页面实时查看。这背后是车端软件能力的提升和群体智能验证的释放逻辑，共同推动着蔚来智能驾驶技术的不断进步！