成本低至万元，仅需16tops算力就能实现领航辅助驾驶（NOA），你相信吗？
5月24日，易航智能首次对外公布其全栈自研的前装量产NOA平台。
这一方案采用TITDA4平台，仅需要16TOPS算力，就能实现16项行车功能和10项泊车功能，包括自动超车、自动路网切换、记忆泊车等。
在价格上，易航NOA量产方案低至万元以内，相比其他已上市NOA方案，成本降低50%以上。同时，易航NOA还可以通过灵活的硬件配置方案覆盖到15万元以内车型。
可以说，这是目前国内最具性价比的NOA行泊一体量产方案。
基于大算力平台英伟达Orin，易航智能正在研发全场景自动驾驶FSD解决方案，预计将于今年年底实现量产，目前已经拿到威马汽车的前装量产定点合作。
NOA的量产上车，将自动驾驶带入全新阶段。
易航智能创始人兼CEO陈禹行认为，在自动驾驶长河中，NOA是量产新阶段，以场景为核心的自动驾驶路径中，FSD将成为行业拐点。此后，整个自动驾驶行业将进入稳定发展期。
从ADAS到NOA，再到FSD，以场景为核心的自动驾驶量产路径，正推动着自动驾驶技术不断向前发展，最终实现将无人驾驶带进现实的最高目标。
01、易航智能打造低成本、高性价比NOA方案
据乘联会数据统计，年我国乘用车累计销量为.4万辆，同比增长6.4%。
其中，9万以下的低端车售出.4万辆，同比大涨29.5%；20万以上的高端车售出.8万辆，同比增长10.0%，9万-19万元中端车累计销量为.2万辆，同比增幅-0.3%。
由此来看，中低端车型仍占据着国内汽车市场绝大部分市场份额，是市场量最大的一部分车型。
而相较于高端车型，中低端车型对于前装量产产品的价格成本更为敏感。
因此，在面向15万级别以内的车型，易航智能所打造的NOA——主打低成本、高性价比。
低成本：易航智能NOA综合成本约-元人民币，比其他方案成本降低50%以上。
高性价比：涵盖16项行车功能和10项泊车功能，已实现NOA功能里最完整的功能形态。
在低成本、高性价比的背后，则有着易航智能一套独特的打法：基于独特的软件算法和算力优化能力，仅需要16TOPS就可以实现非常全面的NOA功能。
硬件层面上，易航智能并未追求大算力平台，而是选用了德州仪器TDA4芯片，提供单芯片和双芯片两种方案，最高算力仅为16TOPS。
软件算法上：主要采用算法剪枝和知识蒸馏的方式进行算法优化。
一方面是通过自研的知识蒸馏构建一套大模型，通过让NOA在大模型中学习，充分继承大模型中的优秀基因，提升算法精度。
另一方，算法剪枝则是在保证大模型的精度条件，对模型进行压缩，压缩成小模型，从而提升模型运转效率。
算力优化方面，易航智能则采用了共享Backbone的方式。
在整个算法中，易航智行打通了小模型平台和高精度多任务训练之间的隔阂，使障碍物检测、图像分割、交通标志检测等深度学习任务都共享同样的Backbone，可极大降低算力消耗，实现高精度的多任务的感知结果。
一般来说，一个好的NOA产品，主要从三方面进行评判：
技术层面，不再是简单的汽车电子模块的叠加优化，而是整个自动驾驶域的重构。整车电子电气架构从原本的分散式向域控制器模式的转变，也促进了NOA功能的实现，反之，NOA功能也促进了域控制器向更集中化发展。
数据方面，需要持续的积累数据的能力和迭代升级的能力，NOA内含影子模式、数据回传等功能，需要其能够快速积累自动驾驶数据。
商业方面，则需要具备足够的商业竞争力，即面向前装量产的产品需要把控好成本，能覆盖更多价位、更广泛的车型，这样才能实现大规模的量产。
陈禹行认为：「除了围绕算法、算力方面的创新，能推出高性价比方案，则得益于易航智能在软硬件开发、海量数据积累和丰富的量产经验，这是一个综合实力的体现。」
而在这背后，也是易航智能数年来构建的全栈自主研发能力的体现。
02、坚持全栈自研，构建核心竞争优势
于自动驾驶而言，想要将技术做成Demo进行展示很容易，但想要真正的实现前装量产，大规模上车，则非易事。
全栈自研，则是易航智能让技术更快实现前装量产的必备条件。
为什么坚持全栈自研，陈禹行表示原因有三：
首先，在量产阶段，自动驾驶系统中的软硬件高度耦合，研发过程中会出现各种各样的技术问题，很难将其归结为软件问题还是硬件问题，只有全栈自研，才能去统一分析原因。
其次，全栈自研是实现更好驾乘体验的必要条件。自动驾驶系统中感知、规划、控制高度耦合，且这也决定着整个自动驾驶里的用户体验，如果想要实现1+1＞2的效果，就必须两者一起优化。
其三，全栈自研能够更好满足车企的定制化需求。因为车企对成本要求严格，只有拥有全栈自研的能力，才能根据客户的要求来提供定制化的解决方案。
陈禹行表示：「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。」
截至目前，易航智能已经构建了像感知、决策规划控制、软硬件开发，包括测试标定、量产等能力，几乎涉及到整个技术链条。
截止目前，易航智能已经量产上路的车大概有10万辆，积累约10亿公里的驾驶数据。
为了充分利用这些数据，易航智能还在苏州建立研发中心和专用自动驾驶摄像头工厂。
据了解，这间工厂主要包含如ISP的算法、摄像头的开发和摄像头的生产等业务。
于易航智能而言，在整个量产的NOA行泊一体产品上，最核心的竞争优势就是在于其所打造的领先的自动驾驶算法，以及由此带来的成本优势。
当然，这里所说的算法，并不是易航智能所展现出的功能上的算法，而是基于大量前装量产经验所产生的产品级量产算法。
目前，易航智能整个业务以场景为核心，构建了4大产品线，包含：
最基础的ADAS产品
高级ADAS产品
NOA产品
下一代全场景的自动驾驶FSD
截至目前，前3个产品已实现前装量产上车，今年搭载NOA功能的车型也将批量上市，合作的车企包括大通、威马、雷诺等。
陈禹行透露，今年已经拿到更多新的NOA量产项目，将会在今年晚些时候公布。
与此同时，陈禹行也表示，易航智能也正在研发面向下一代全场景的FSD，基于大算力双Orin芯片打造，预计将在今年年底量产上市，定点合作车企为威马。
在功能上，FSD解决方案打通全场景，包括城区、高速、快速出口，以及社区、地库等，实现全场景点对点自动驾驶功能。
易航智能以全栈自研的技术体系为基础，坚持走以场景为核心的自动驾驶路径，从ADAS，到NOA，再到FSD，最终朝着将无人驾驶带进现实的最终目标迈进。
03、NOA为量产新阶段，FSD将是行业拐点
原本的自动驾驶发展路径中，一般是从自动驾驶级别为切入点，包含两条路径：
一条是直接研究L4级以上自动驾驶路线
另一条则是从L1逐步向上迈进
但以此分类会出现一个问题，即能够实现自动驾驶的场景极为有限，如车企新车型要搭载L3/L4自动驾驶技术，但却只局限在高速公路上，或者在城区部分道路上，且最高时速不超过60公里。
在此背景下，终端用户就会对自动驾驶功能兴趣并不大，启用的时间也相对较短。
因此，围绕场景开发自动驾驶，逐渐成为主流趋势。
什么是「围绕场景开发自动驾驶」？
所谓的以「场景为核心」，就是先用自动驾驶解决行驶过程中存在的95%场景，剩余的5%场景则先由人接管，等技术升级迭代之后，慢慢解决这5%的难题。
举例来说：
在日常上下班通勤时，整个车程要2个小时，路上途径一个菜市场，环境非常复杂，现有技术很难完全把它解决掉，而途径菜市场的整个路程仅需5分钟。
那么以围绕场景做自动驾驶的思路，就是先把整段路程的1小时55分钟的事情先用自动驾驶解决掉，剩下菜市场的5分钟Cornercase则由人来监管，后续通过技术的提升迭代，逐渐解决这部分问题。
陈禹行表示：「围绕场景做自动驾驶系统，对终端用户更为友好，用户会更愿意使用自动驾驶系统。」
而以场景为核心的自动驾驶技术逐渐过渡至无人驾驶，将会经历三个阶段：
其一，从ADAS切入，功能相对简单，提供碎片化的辅助驾驶功能。
其二，NOA行泊一体的方案，是ADAS至FSD之间过渡阶段，也是自动驾驶量产的新阶段。
为什么说NOA是过渡方案？易航智能认为，NOA具备3大特征：
功能上，NOA开启人机共驾时代，实现点对点长时间的自动驾驶能力，这也是后续FSD的基础。
体验上，NOA系统打破辅助驾驶碎片化功能，创造了在典型场景下沉浸式的自动驾驶体验，可以把驾驶者从驾驶行为中解放出来，有利于推动自动驾驶大规模的普及。
技术上，NOA相比ADAS有了质的飞跃。NOA具备人机共驾能力，所以也具备了数据收集能力，可以实现真正意义上的自动驾驶，积累高价值的数据。
综上，NOA将自动驾驶带入了一个全新阶段。但这也仅仅是自动驾驶长河中的过渡阶段，而FSD才是整个行业真正的拐点。
其三，全场景自动驾驶FSD，在这一阶段，自动驾驶能够应对大部分的城市场景，比如从家到公司，用手机从车库召唤车辆到用户面前，上车之后自动驾驶到单位，并自动去停车位停车。
但自动驾驶仍存在一些长尾效应，部分复杂的场景，FSD依然不能应对。
陈禹行认为，在FSD之后，行业将会迎来一个稳定的发展期。在此期间，自动驾驶的发展会相对稳定，功能也比较确定，这时候大家主要的精力将会是慢慢解决剩余1%的长尾Cornercase。
在自动驾驶赛道长河中，NOA将自动驾驶带入全新阶段。
也有越来越多的玩家进入这一领域，甚至部分L4级企业也开始将技术降维应用，以期能够通过先进的算法优势打造体验更好的NOA解决方案。
业内常提，L4自动驾驶企业将降维打击L2+企业，但易航智能却认为，从入行之初至今所积累的量产经验和优势，以及全栈自研的技术体系，能够使其自动驾驶技术更快的实现前装量产。
大算力平台的应用、激光雷达的上车，硬件层面上，L2+与L4的界限逐渐模糊，软件算法层面，L2+公司逐渐向上，L4自动驾驶公司意欲向下应用。
在不远的将来，二者或必有一战，谁能最终走到最后，值得期待。