小米城区NOA已追平理想，再迭代两版，能追平华为？

小米SU7的城市NOA在推送半个月之后，关于这套智能驾驶辅助系统的评价寥寥无几。原因是，它只覆盖北京、上海以及广州等十个城市，还需要刷够1000km的安全智能驾驶里程才可以使用。而且，是从6月6日开始陆续推送，而不是有车就能进行OTA；系统更新之后，就是凭上面提到的1000km里程够了之后才可以开始使用。

总之，小米SU7的城区NOA功能想要用上，相对来说门槛比较高。

然后，就是关于这套智能驾驶的好用程度了。因为目前关于小米SU7城市NOA功能的相应的实际使用信息非常有限，但也能看出这套智能驾驶功能的城区NOA是否足够好用。先给个小结，小米SU7更新之后的城区NOA功能，完成度挺高的，从整体策略来看是偏向保守的一个策略，想尽可能的确保整套流程都由系统来完成，减少驾驶员的介入。

这套小米SU7的智能驾驶，到底什么水平？

决策偏保守，接管很正常

经过半个月的陆续推送之后，目前城区NOA所覆盖的十个城市中，依旧只有少量的车主可以使用到这套城区NOA功能，原因大概是小米SU7的Pro版和Max版本的交车量不够，又或者是1000km的智驾里程这个条件一部分人还没达成；或者，是有的车主还没有被“陆续”推送更新城区NOA功能。

参考已经有部分车主开始使用城区NOA功能之后，给到的反馈，是“感觉依旧有些保守”，“复杂的路况下，还是会提示接管，或者主动接管”。

给到具体的使用层面分析，举几个例子。首先，是在右转弯/左转弯路口，有人行横道，激光雷达+摄像头等感知硬件，完全做到了细致的行人、自行车以及电动车等物体的精确识别，然后软件策略的决策是，等所有行人/自行车等物体完全通过车头后，按照原定路线继续行驶，而不是采用绕行策略（也就是绕到非机动车等物体的后方通行驶过路口）。

这个工况下的决策，就显得有些保守，需要等待行人完全通过之后，才会继续行驶；然后，遇到突然抢行的非机动车出现在车头的侧方的时候，车辆会主动刹停，并且退出城区NOA功能。

也就是说，被动的触发了驾驶员接管。

之后，就是汇入车道这个工况。汇入、汇出车道，这其实是在城区道路驾驶时候的一个高频出现的场景，尤其是从匝道口汇入到主路、从主路汇出到匝道口这种工况下，小米SU7的策略主要是以让行为主。具体来说，如果相邻车道持续有车辆行驶经过的话，小米SU7会持续保持汇入的执行；没有出现特别激进的那种，一下就汇入相邻车道的操作（内侧版没有，OTA之后也没有）。

在这个工况下，其实有的车距空间，在驾驶员操作的前提下，是足够让车辆汇入车道的，但算法并没有执行汇入的指令。之后是关于汇出或者说是右侧超车的场景，在临侧车道有空间可以并出、超车的前提下，智能驾驶系统已经把车头转向并且驶入旁边车道的前提下，侧后方来车之后，仍然会刹停，等待安全后再次完成并线。

当然，我们只是通过有限的测试信息，来对这套小米城区NOA做出的判断。至少目前看下来，城区NOA智驾的策略是比较偏向于保守的。而且更多的时候，是需要“人机共驾”来解决驾驶难题的。

为什么，调校的偏保守？

得到OTA推送城区NOA的车型，都是两颗英伟达Orin-X芯片方案，算力508TOPS的级别，理论上来说，在应对信息收集+决策执行的挑战，并不难，而且对508TOPS的算力来说，还触及不到两颗芯片的性能上限。

虽然感知硬件和芯片硬件使用情况都已经是行业内主流的选择，但我们最终看到的城区NOA实际功能，还是保持着一套比较保守的执行策略。

原因是什么？

小米的这套智能驾驶方案，底层逻辑，是包括变焦BEV技术、超分辨率OCC占用网络以及道路大模型这三个板块来实现最终的决策+执行。变焦BEV和OCC占用网络，不用过多介绍，就是一个感知环境和信息收集的功能。

主要还是聊聊道路大模型这块。小米的道路大模型机制，是利用大数据和学习技术搭建的一个道路模型，能帮车辆理解道路的结构以及交通规则，还能预测道路上其他参与者的行为和可能性，而这个功能，主要是起到了城区NOA功能的决策和路径规划的作用。

相对来说，道路大模型这个功能，是具备一定的学习能力的，有点像特斯拉FSD那套系统中的CNN网络一个意思，不断的投喂人类驾驶员的驾驶视频来学习，提升智能驾驶的成熟度；但区别在于，FSD中数据处理主要是依靠传感器捕捉的，而小米的智能驾驶在数据处理层面，还是更依赖于高精地图。

但底层的学习逻辑是有些相似的，还是需要比较大量的数据来做支撑。那么，搞清楚底层逻辑之后，现在再回过头来看两个问题，为什么偏保守的调校以及使用城区NOA功能有一个比较高的门槛，就很好解答了。

先说使用门槛的问题，刷够1000km里程之后才可以使用。或许这个限制，是想要收集到更多高质量的智能驾驶学习素材，从而来帮助智能驾驶系统的成熟与好用。那么，关于偏向保守的调校风格，个人感觉和硬件没有任何关系，毕竟都到顶的配置了，核心还是算法的设定。保守的策略，或许是学习的时间还不够？

其实在部分工况下，也看到了系统的亮点，比如在路边临停车辆的绕行通过、路口刹车起步的姿态和响应速度等，而且第一个版本的城区NOA能拿出完成度较高的使用体验，本身就很难得。

客观角度来看，小米SU7的城市NOA系统在之后的几个版本更新过后，好用程度会有非常明显的提升。而版本更新速率，会取依靠素材收集以及大模型学习能力来决定。如果拿小米SU7现在的城区NOA功能来做最对比的话，比华为的ADS2.0系统来说，可能只达到了80%的水平，后者说实话迭代了多个版本之后现在的拟人程度很不错；但，相比于理想、蔚来这些产品的城区NOA功能的话，基本追平，再迭代几个版本之后，追平华为ADS2.0版本问题不大。