交通运输部数据显示，中国公路总里程目前超过535万公里。按结构看，其中仅有不到20万公里归属于高速公路场景，其余场景中，尤其是车主日常行驶最多的，正是城市场景。大部分车企的车主，预估有八成以上的行驶里程是在城市场景内，并以日常通勤为主。
因此，对已经积累了足够道路和行驶数据的车企而言，开放用户训练的权限顺理成章。
例如，理想汽车的自动驾驶训练里程已突破6亿公里，用户可以基于自己设置的固定通勤路线，在每次通勤过程中对NPN（神经先验网络，使用大模型构建城市路口等场景的信息模型，当信息被采集后，其他搭载城市NOA系统的车辆将可以利用这一云端信息与车端BEV感知，输出合理的预测）特征进行日常训练。1-3周后，相应路线即成为一条成熟的NOA通勤路线。
这给予了终端车辆和车主极大的自由度，也让自动驾驶真正成为日常使用可感知的存在。
值得一提的是，理想的城市NOA也成为了自动驾驶抛弃高精地图的代表案例，转而为大模型“吸粉”甚多。理想前自动驾驶首席科学家王轶轮在微博发文表示：“NPN特征由神经网络生成，经过了NN编码、加密后，它不具备人类可以看懂的道路信息，且与实车BEV融合还原出非常棒的感知结果。但NPN必须基于大规模车队才有意义，可以高频率地更新。”
“国内很多路口极复杂，我认为NPN加强会是无图化的必要过程。”他指出。这也给争夺城市NOA的车企提了个醒，随着现有路线落地越来越多，需要迭代解决的问题也会更多、更复杂。
背后供应链应势而变，智能化改写市场格局
6月16日，华为智能汽车解决方案BU的CEO余承东在2023未来汽车先行者大会上表示：“未来五年、十年，能活下来的主力车厂是少数，因为走向智能化时代，投资规模非常大，成为巨头才能支撑未来持续发展。”
智能驾驶正是典型的投入规模大、回报周期长的领域，要获得收益并不容易。其原因不仅仅在于需要时间积累，背后的整体供应链投入也不容忽视。仅仅一个硬件成本，就让很多玩家不得不抛弃高精地图路线，转向对感知的利用。而在感知侧的配置上，昂贵的激光雷达逐渐被替换为便宜的产品，甚至也一点点被抛弃。
在激光雷达从六七位数的天价售价降价到几千元的过程中，仍有很多车企考虑不使用这个硬件。就连全球车载激光雷达销量冠军禾赛科技，也不得不承认在现实问题面前，有些车企别无选择（禾赛科技本身是理想汽车的供应商）。