数据要素是数字时代的关键生产要素，更关乎着国家安全！随着数据跨境流动日益频繁，数据安全和隐私保护问题日益凸显。
01
国安部通报
昨日，国家安全部微信公众号发布《隐秘的测绘，秘密的泄露》一文引发热议。
《隐秘的测绘，秘密的泄露》指出：近年来，随着国家安全机关加大对非法测绘活动的打击力度，部分境外组织逐步转向与国内企业开展所谓项目合作逃避监管，非法采集我国原始测绘数据，威胁我国家安全。国家安全机关工作发现，某境外企业A公司通过与我国具有测绘资质的B公司合作，以开展汽车智能驾驶研究为掩护，在我国内非法开展地理信息测绘活动。
因为A公司以汽车智能驾驶研究为由，所以不少网友将事件关联相关新能源车企。英特尔旗下的自动驾驶企业Mobileye也陷入猜疑中。
而问题的严重性立马引来众多智能汽车企业声明，针对网传涉及Mobileye和极氪汽车的言论，10月16日晚间，吉利控股集团高级副总裁杨学良在微博回应，称此事“跟极氪无关，也不是极氪合作伙伴所为，谣言止于智者”。
10月17日凌晨，Mobileye中国官方微博发布声明表示，Mobileye 作为汽车行业的领先企业，始终致力于推动道路安全技术的进步。
“我们在数据安全与法律合规领域持续投入，在包括中国的相关国家和地区，我们在具备相关资质的合作方监督下全面依法经营。我们严格遵守所有相关法律法规，从而确保我们的运营符合最高的安全和合规标准。”
特斯拉方面也对此进行了回应。10月16日晚间，特斯拉对外事务副总裁陶琳发布微博表示，合规是企业经营的底线，“特斯拉始终相信：合规的智能化才是可持续发展的智能化。我们的目标是为消费者提供安全可靠的产品和优秀稳定的服务。”
根据特斯拉方面介绍，特斯拉已于2021年成立特斯拉上海数据中心，实现数据本地化存储。
在官方明确A、B企业究竟代指谁之前，我们更多可以将关注的重心放到智能汽车与非法测绘的关系及技术上，从而了解为何智能汽车在高精度雷达、GPS及光学镜头等设备的加持下能够威胁到我国安全。
02
智能驾驶对高精度地图的渴求成幌子
在国家安全部公布的案例中，“汽车智能驾驶研究”成为非法测绘我国城市地理信息的借口，而在智能驾驶领域，倒是真的存在这样的需求。
一直以来，高精度地图都是智能驾驶车企“软实力”比拼的重点，除传统的定位、导航功能外，高精度地图能够提供厘米级的定位精度，其不仅提供道路信息，还包含交通标志、信号灯、车道限高等丰富的环境数据，这些信息可以帮助自动驾驶车辆更好地识别和理解周围环境，从而提高其感知效率和决策能力。
对于L3及以上级别的自动驾驶汽车，高精度地图是必备的基础数据。它能够提供超视距的信息，并与其他传感器协同工作，确保车辆在各种极端气候条件下仍能保持高精度定位。
Tips：智能驾驶分级
智能驾驶分级通常被分为六个等级，从L0到L5。这些等级由国际汽车工程师学会（SAE）制定，并被广泛采用。L3级为有条件自动驾驶指在特定条件下，车辆可以自主完成驾驶任务，但驾驶员仍需在系统请求时接管控制，而“完全自动驾驶“为L5级，该等级车辆在其整个设计运行范围内可以完全自主执行所有动态驾驶任务，无需驾驶员干预。
由于高精度地图为自动驾驶车辆的决策与控制模块提供了明确的行为约束规则和地理围栏，使得车辆可以更安全地与其他交通参与者进行交互，这就意味着高精度地图同车辆智能驾驶系统的高度融合。
通过自己绘制高精度地图，智能汽车可以构建更加独立的自动驾驶系统，这有助于提升系统的整体性能和可靠性。因此智能汽车企业必然会要求对高精度地图有绝对的掌控权，进而让高精度地图成为其品牌旗下智能驾驶技术的“护城河”。
而智能汽车获得高精度地图的过程是一个复杂而精细的技术活动。首先，智能汽车需要配备激光雷达（Lidar）、高清相机、惯性测量单元（IMU）和全球导航卫星系统（GNSS）等在内的多种高精度传感器，这些传感器能够捕捉车辆周围环境的三维数据、图像信息、姿态和位置信息等。
其次，再在智能汽车中央控制系统的统筹下，确保不同传感器之间的数据在时间上是同步的，在通过“去噪与滤波”“坐标变换”“点云处理”等操作后，将处理后的点云数据和图像数据融合起来，结合GNSS/IMU提供的位置和姿态信息，生成包含道路几何结构、车道属性、交通标志等详细信息的高精度地图。
高精度地图需要定期更新和稳定运行，以适应不断变化的道路和交通状况，而在频繁的采集过程中，也就生成了目标城市的地理测绘数据。
但由于感知类数据的采集、存储、处理等可能记录周边位置的视觉图像，一旦数据被滥用或恶意使用，将会对国家安全带来巨大风险，各国政府通常会对地图数据的采集、处理、存储和使用制定严格的法律法规，增加了高精度地图应用的复杂性和不确定性。
而在智能驾驶技术不断迭代和车企各种权衡之下，“轻地图、重感知”路线成为当下智能驾驶的主流发展方向。
03
城市NOA赛道崛起
让智能汽车自己“看路”
“轻地图、重感知”的发展路线在特斯拉身上体现得格外明显，过去为规避数据安全等问题，也为了节约成本较大的地图授权费，特斯拉选择采取不依靠“高精地图”的纯视觉自动驾驶方案，把用作仿真训练的“短时路网”保存在国内的服务器上。
城市NOA全称为Navigate on Autopilot，其本身是一种先进的驾驶辅助系统，专为城市交通环境设计。该系统通过集成多种传感器（如超声波雷达、毫米波雷达、环境感知摄像头以及激光雷达等）和先进的算法，实时监测车辆周围的交通状况，并在安全的情况下为驾驶员提供自动导航辅助等功能，包括自动变道、超车、智能跟车、自动泊车等操作。
从感知路线类型可以分为纯视觉路线多传感器融合两种方式。纯视觉路线和多传感器融合路线，核心在于是否配置激光雷达，是否需要激光雷达的高精度点云信息。纯视觉路线以特斯拉为代表，仅通过摄像头的视觉感知，实现对环境的精准识别，目前国内也有部分主机厂开始尝试此方案;国内多数主机厂采用多传感器融合的技术路线，旗下车型均搭载激光雷达。
区别于特斯拉的视觉算法经验与能力，国内多数主机厂的视觉算法研发经验较少，为了弥补视觉本身的一些缺陷，NOA功能业务发展前期而选择具备鲁棒性高、信息互补以及系统冗余的多传感器方案，从而实现全场景的NOA功能。
随着国内感知算法技术的发展以及大疆的双目纯视觉方案落地，使纯视觉方案在国内量产落地的可行性提高。面对NOA功能所带来的高成本问题,纯视觉方案可明显减少这部分压力，小鹏MONA、蔚来乐道也陆续宣布采用纯视觉方案。
亿欧智库，国内智驾驾驶企业感知技术进展
从搭载车型来看，主要为各家中高端及旗舰车型，部分下放至全系。相比此前依赖高精地图的智驾方案，各大主机厂的城市 NOA 纷纷选择无图或者低精度地图路线，显著降低了地图授权成本。与此同时，通勤 NOA(记忆行车)方案也开始落地，通过同一路线的反复学习，提高AI代驾对高频驾驶场景的操控准确度。
事实上从2023年开始，以 BEV+Transformer 等感知层面的神经网络大模型为基础、借助纯感知和融合感知路线、通过“重感知+轻地图”彻底摆脱成本高鲜度低的高精地图成为实现城市NOA 的主流路线。
相较于 CNN(卷积神经网络)和RNN(循环神经网络)等小模型，Transformer 等大模型长序列处理能力更强、并行计算效率更高，可以通过注意力层的结构识别元素之间的多维信息，泛化性更强，从而减小车端硬件成本，成为目前城市智驾技术方案的首要选择。
需要注意的是大模型推动感知算法升级，而城市数据则成为大模型成长的关键。
城市NOA需要适应不同城市的道路状况、交通规则、交通流量以及复杂的城市地形，如红绿灯路口、行人横道、非机动车道等。因此，需要在更多城市进行测试和部署，以确保系统的稳定性和可靠性。
目前，各大车企都在积极扩展城市NOA的覆盖范围。小鹏计划在年底将城市NOA扩展至50座城市，理想则计划在年底实现110城的覆盖，而蔚来的目标是覆盖200座城市。这种竞争态势表明，车企之间在城市NOA的开城数量上展开了激烈的竞争。
当然，不同车企采取了不同的策略来推进城市NOA的落地。华为计划年底实现全国覆盖，小鹏选择扩展城市圈，而蔚来则优先打通县级市，这些策略反映了车企在市场布局上的差异化选择。
除城市数据外，城市NOA被视为L2级自动驾驶向L3级跨越的关键一步，能够实现车辆在城市道路中的自主行驶，包括跟车、变道、超车、转弯和过红绿灯等动作。随着技术的进步和市场的扩展，预计搭载NOA功能的汽车数量将迅速增长，2024年有望达到169万辆，2025年可能达到348万辆。
庞大的汽车数量能为个品牌城市NOA提供海量数据作为参考，从而构建属于自己品牌的核心竞争力。
需要注意的是严格来看，高精地图是直接将周边环境“画好”交给系统，而摄像头和激光雷达则是用笔在现场“素描”，无论哪种自动驾驶方案，都属于“测绘”行为，即便某智能汽车品牌所有车辆都采用纯视觉方案实现智能驾驶，可凭借规模庞大的车辆数量，也很容易完成大范围的地图构建、绘制出场景数据，其未来或将成为军事目标、关键敏感目标等地理坐标数据泄露新的风险点。
04
写在最后
数据要素的跑马圈地刚刚开始
城市 NOA 是车企下一轮竞争焦点，本质上是围绕数据的竞争。拥有足够多城市NOA，才能够卖出更多车，能卖出更多车，才有更好的城市 NOA，同时新的盈利模式也会诞生。
伴随城市NOA在 23-24年的落地和普及、L3 法规在年内的落地，行业由0到1已经实现，车企对于NOA的发力点已经从“上车”向“好用”转移，正在不断优化NOA功能的“长尾”问题，在此过程中数据闭环以及大模型等创新技术的应用的落地，会让参与企业的市场竞争出现“缩圈”现象，未来市场集中度将进一步提升，这意味着能够快速响应主机厂需求以及具有A|能力的企业将脱颖而出。
