想要搞定这样的环境，首先得保证尽可能 “ 看清 ” 周边环境是个啥情况，其次还得高效地处理分析里面的信息，然后才能告诉车辆应该怎么操作。
所以呢，同样是功能叠加，城市 NOA 需要的是高精度感知硬件当 “ 眼睛 ” 、高算力芯片当 “ 大脑 ” 以及合理的软件算法当 “ 逻辑 ” 。三者一同发力，才能保证系统安全运行。
这么一看，如果说高速 NOA 是智能驾驶的高考，那城市 NOA 绝对就是奥赛水平了。
而奥赛的最后一道大题，无疑就是数据收集。
既然是奥赛，那肯定就得备考。目前想要实现自动驾驶，需要通过 AI 学习的方式。也就是让它了解人们的驾驶习惯，然后再上手操作。
其实就是先看书，再考试。NOA 背后也是这个道理。
但问题就在于，书上的知识从哪来。
大部分厂家的做法呢，是先把AI 放到模拟环境里练上一段时间，类似于考驾照的时候会先让学员在驾驶模拟器里开上一会，而后再上路测试。
甚至，还有公司用那个游戏来验证自动驾驶的算法就离谱。
这样做，也确实能在短时间内获得相当多的模拟数据，尽快搭建起自动驾驶系统的基础。
就比如美国的自动驾驶公司 Waymo ，截至目前就已经累积了接近 200 亿公里的模拟训练数据。
