2026年3月初，一段视频在汽车圈悄然流传。画面里，一台车身超过五米二的紫色大车，在没有高精地图指引的城中村里自如穿行——窄巷、岔口、临时围挡，它都像识途老马般一一化解，全程100公里零接管。这正是魏牌与地平线联合发布的路测视频，主角是刚刚亮相的V9X。
视频的流畅表现令人振奋，但问题也随之浮出水面：在更复杂多变的真实城市路况中，V9X的无图城市NOA能否始终保持稳定？技术发布会上展示的从容，真能转化为车主日常出行的可靠伙伴吗？
本文将从实测视频分析、技术难点解读、竞品对比三个维度，追踪V9X无图城市NOA的进展与挑战，探讨智能驾驶的真实能力。
那段被广泛讨论的测试视频，包含几个极具代表性的城市场景。
第一个片段是交通流量大、行人混杂的无信号灯路口。车辆需要在不依赖高精地图的情况下，自主判断对向车流间隙，选择左转时机。视频显示，V9X在处理这个场景时展现出相对清晰的决策逻辑：它会先在路口稍作停留，等待合适的窗口，然后以平稳的加速度完成转向。值得注意的是，当有行人从路边突然闯入时，系统能及时减速避让。这反映出感知与预测模块的成熟度，但也暗示了对极端场景的应对可能存在边界。
第二个片段展现了高峰时段多车道拥堵下的连续变道。V9X需要在密集车流中主动寻找空隙，完成超车操作。从视频看，系统对周围车距的判断相当精准，变道策略既有果断性也保持了足够的平顺度。它不会像一些早期系统那样频繁“犹豫”，也不会过于激进地插入。这种表现体现了较强的协同驾驶能力，但需要关注系统在激进与保守策略间如何找到最佳平衡点。
第三个测试场景设置在施工路段导致的路面收窄区域。当通道宽度被临时占道压缩时，V9X展示了局部路径重规划能力——它能够识别非标准障碍物，然后减速、调整轨迹，缓慢通过狭窄通道。低速控制精度表现良好，车身的横向摆动被控制在较小范围内。这个片段凸显了无图环境下实时建模的实用性，同时也提示了一个关键问题：系统对“长尾场景”——那些罕见但复杂的特殊路况——的覆盖仍需加强。
要理解V9X这些实测表现背后的意义，需要先理清无图NOA面临的技术难题。
第一个难点在于感知系统的全栈重构。传统的高精地图方案就像开卷考试，车辆提前知道了道路的详细信息；而无图方案则是闭卷考试，完全依赖实时感知。V9X通过多传感器融合来实现这一目标——车顶的激光雷达与摄像头、毫米波雷达协同工作，共同构建车辆周围的三维环境模型。关键挑战在于动态物体跟踪的精度，以及恶劣天气条件下的感知鲁棒性。激光雷达在雨雾中的表现会打折扣，摄像头在强光或逆光时也可能失效，这要求系统必须具备强大的冗余和纠错机制。
第二个难点是决策规划的场景泛化。没有地图的先验信息，系统必须应对城市路网的无限多样性：临时交通标志、未在数据库里记录的道路、突然改变的车道线。V9X宣称其算法能够基于实时感知数据生成安全高效的行驶轨迹，但这意味着算法必须具备极强的适应性和学习能力。更具体地说，系统需要像人类驾驶员一样，能够根据现场情况“推理”出正确的驾驶策略，而非仅仅执行预设规则。长尾场景的覆盖、驾驶策略的拟人化与合规性，这些都是无图方案必须直面的挑战。
第三个难点关系到系统安全与冗余保障。当无图NOA系统失效或遇到无法处理的情况时，必须有可靠的降级策略和清晰的人工接管提示。地平线提供的芯片算力与软件架构如何支撑高并发的实时处理需求，是保证系统稳定性的基础。功能安全认证、大规模部署前的测试验证闭环，这些环节的完善程度将直接决定无图NOA能否从“演示状态”走向“量产可用”。
在V9X瞄准的40-50万元区间，已有两位重量级选手：问界M9和理想L9。它们代表着不同的技术路线和产品哲学。
技术路线差异是首要对比维度。问界M9搭载华为乾崑智驾ADS系统，虽然在最新版本中宣称摆脱了对高精地图的依赖，但其技术积累和迭代路径仍带有强烈的华为生态协同色彩。系统与鸿蒙车机深度联动，强调全场景覆盖能力。理想L9采用的则是重感知轻地图方案，城市NOA功能已经向AD Max用户推送，其算法架构侧重于家庭使用场景的舒适性优化。相比之下，V9X选择了全栈自研的无图路线，官方将其命名为VLA全场景NOA，突出在城市通勤中的自主通过性。
从实测表现来看，各家都有亮点。在通行效率方面，V9X的优势在于无图区域的通过能力，它理论上可以在任何有道路的地方启用NOA功能，而不受地图覆盖范围的限制。问界M9在华为技术加持下，在已覆盖区域的流畅度和系统成熟度上表现稳定。理想L9则通过海量用户数据不断优化，在应对常见城市场景时展现出老司机般的自然感。
应对能力对比上，复杂交互场景的处理策略差异明显。面对加塞车辆，V9X在测试视频中表现出较为果断的避让逻辑；问界M9系统则更注重平滑过渡，避免急刹带来的不适感；理想L9的方案偏向于模拟人类驾驶员的“让行礼仪”。这些差异背后，反映的是不同车企对“好智驾”的不同理解。
用户体验维度包括人机交互、接管频率、系统提示的直观性等。目前公开信息显示，V9X在智驾激活时会亮起车尾的蓝色指示灯，与周围车辆“打招呼”。这种设计考虑到了车辆与其他交通参与者的沟通，但实际效果还有待验证。问界M9的AR-HUD能将智驾状态直接投射到前挡风玻璃，实现“眼不离路”的交互。理想L9则通过语音和屏幕信息的结合，降低用户的理解成本。
总体而言，V9X在技术前瞻性上确实占据了有利位置——无图方案代表了行业公认的未来方向。但问界M9和理想L9在场景数据积累与系统成熟度上仍有明显优势。无图NOA的普及不仅是一个技术问题，还涉及成本控制、可靠性验证、用户教育等多重因素的协同。
对于V9X而言，实测视频只是第一步，真正考验在于后续的大规模落地。
第一个挑战来自测试验证体系。如何构建覆盖全国多样路况的测试网络？中国的道路环境复杂程度远超想象，从一线城市的高架环路到三四线城市的无名小巷，从东北的冰雪路面到南方的潮湿雨季，系统都需要稳定运行。OTA升级与数据闭环的迭代效率将决定无图NOA的进化速度——系统能否从每一辆行驶在路上的V9X中学习，快速优化算法？
第二个挑战关乎用户信任与法律法规适配。当车辆不依赖高精地图时，责任界定变得更为复杂。如果发生事故，是系统算法的问题，还是传感器感知的偏差？保险配套方案需要更新，公众对无图智驾的接受度也需要时间培养。政策层面，相关部门对无图自动驾驶的开放节奏与标准制定，将直接影响这项技术的商业化进程。
从市场趋势看，无图NOA无疑是智能驾驶的必然方向。高精地图的采集和维护成本高昂，更新延迟问题难以根除，而无图方案凭借其灵活性和扩展性，更适合大规模普及。但技术成熟需要经历从“可用”到“好用”的渐进过程——现在的系统可能能在80%的场景中表现良好，但剩下20%的长尾场景才是决定用户体验的关键。
V9X的实测进展为整个行业提供了重要参考。它用一段100公里零接管的视频，证明了无图方案的技术可行性。但这只是开始。真正的成功，取决于技术、生态与市场的协同推进。当第一批车主在2026年第二季度末提车，并在各自城市的真实路网中激活NOA时，那份技术发布会上展示的从容，能否转化为日常出行的信赖感？
这或许是智能驾驶竞争进入深水区的标志：参数和噱头逐渐退场，真实体验和可靠交付成为新的衡量标准。V9X用无图方案发起挑战，但最终答案，还要交给时间和道路来检验。
全部评论 （0）