誰也沒想到，開年剛剛掀起的“智駕平權”浪潮，這兩天卻因為一起交通事故，被狠狠地潑了一盆冷水。

3月29日晚，一輛小米SU7（參數丨圖片）標準版在德上高速公路池祁段遭遇嚴重事故，以97km/h的速度撞上了水泥護欄并發生爆燃，車上3人不幸遇難。最關鍵的是，在事故發生前，這輛小米SU7正處于NOA領航輔助狀態，以116km/h的車速持續行駛。一時間，智能駕駛的安全性問題再次被推上了風口浪尖。

根據小米汽車給出的行駛數據顯示，雖然在碰撞發生前，智駕系統發現了障礙并做出預警，同時進行了減速動作，但給駕駛人的反應時間只有短短的2秒鐘。問題來了，為什么小米SU7智駕系統直到最后一刻才發現危險？速度明明在AEB工作范圍內（8-135km/h），AEB為何沒有激活？

對此，小米汽車在最新的公告中給出了答復，該功能目前不響應錐桶、水馬、石頭、動物等障礙物。說白了，就是不識別。那肯定有人又要說了，宣傳吹上天，出事兒才承認識別不了。先別急，不識別還真不完全是小米的鍋。

識別局限是通病

想弄清AEB自動緊急剎車系統為什么不啟動，首先要知道它的工作原理。簡單來說，AEB的激活需要經過感知、決策、執行三個步驟。首先系統要通過雷達、攝像頭等感知硬件監測前方的道路環境信息，識別障礙物。如果存在障礙，系統將會基于車輛與障礙之間的距離，或碰撞所需時間來評估碰撞風險，如果判定系統設定的某個安全閾值時，便會觸發緊急制動。在這一整套運行流程中，感知無疑是最為重要的一環。恰恰就是這一環，有一個整個行業都無法避免的通病——傳感器感知局限。

AEB感知硬件上，最常見的是毫米波雷達和攝像頭的融合感知，只是這兩種傳感器都有比較明顯的性能局限。毫米波雷達可以精確測算車輛與障礙物的相對速度、距離和角度，探測距離也較遠，但是并不能看出障礙物具體是啥。攝像頭雖然可以直觀清晰地識別環境、行人、車輛或其他障礙，但也更容易受天氣、光照等因素影響。

而且在面對新澤西護欄、水泥墩、水馬、錐桶等形狀不規則的靜態物體，或前車掉落的物品零件、闖入高速的小動物，以及兒童、蹲著的人等低矮事物時，感知系統也普遍存在不能及時識別或識別不到的情況。這次小米SU7事故，就是吃了標準版純視覺感知性能局限+夜間光照不足+無法識別不規則障礙物的虧。

對此，車企簡單可以分兩種技術路線。一方面，是升級純視覺方案，比如小鵬MONA M03的AI鷹眼視覺感知系統，就采用了雙目攝像頭+毫米波雷達的組合。其中雙目攝像頭相比傳統單目攝像頭，不僅擁有更好的識別精度、環境適應性，還具備距離、深度的感知能力，結合毫米波雷達，可帶來更多安全冗余。再比如比亞迪的天神之眼C智駕系統，目前已經用上了三目攝像頭融合感知，進一步提升了對障礙物的識別能力。當然，特斯拉是一個例外，FSD仍然完全依賴視覺攝像頭進行感知。不過憑借先進的HW4.0硬件平臺和端到端神經網絡，FSD同樣具備可靠的感知性能和決策執行能力。

另一方面，就是以華為、理想、蔚來等為代表的激光雷達融合感知方案。激光雷達盡管成本較高，且不能避免雨雪沙塵等極端天氣的干擾，但更遠的探測距離、厘米級的測距精度可以有效彌補攝像頭和毫米波雷達的缺陷，構筑更完善的感知系統。

像華為最新的ADS 3.3的立體融合感知系統，就搭載了1個192線激光雷達、3個高精度固態激光雷達、3個分布式4D毫米波雷達矩陣、2個4D毫米波角雷達、12個超聲波雷達+11個高清攝像頭組成。激光雷達最遠探測距離可達200米，3顆激光雷達協同作用可覆蓋300度感知范圍，幾乎可以實現對周圍環境的360度無死角感知。加上數據積累、算法訓練，已經可以比較準確地識別水馬、錐桶等不異形障礙物。并且AEB的工作范圍，在ADS 3.3上也被提升到了時速150km/h。

不過，即便做到這個地步，目前也沒有人敢斷言可以保證100%的障礙識別準確率，畢竟現實的交通環境要比訓練場景復雜得多。此前3.15曝光的小鵬G6與逆行三輪車的嚴重碰撞事故，其實就已經暴露這一問題。事故車之所以沒觸發AEB，隨車手冊寫得非常明白，AEB無法對逆向車輛起作用。

寧可不剎，不能錯剎

那么假如已經過了感知這一關，AEB是不是就可以觸發啟動了呢？還真不一定。

很多人都會存在一個誤區，就是把觸發AEB當作車輛規避風險的必然結果。然而事實上，AEB的觸發需要考慮很多因素。首先就是前面提到的車速，小米SU7的AEB工作范圍是8-135km/h，華為升級到ADS 3.3后AEB是4-150km/h，理想的是5-120km/h。超過這些范圍，AEB是肯定不會觸發的。

不過這些135km/h、150km/h的速度都是極限工況，只能看作安全冗余，并不代表在這一范圍內AEB就一定沒問題。廠家在標定系統執行策略時，還要考慮當前的速度觸發AEB，是否會引發其他風險。在高速行駛中如果突然急剎車，不僅可能會導致后車追尾，在濕滑路面上甚至還可能造成自身出現失控風險。

與此同時，避免誤觸發也是AEB系統需要考量的重點。在去年，理想就發生過一起錯把廣告牌中的車輛識別成前車，突然急剎導致后車追尾的事故。再把時間線往前倒，特斯拉有過類似的情況。如果行人或車輛稍微離近一點，或者有一些其他細小的風吹草動，就要觸發AEB的話，反而會產生一些不安全的因素，還可能驚嚇到車內的乘員，影響駕乘體驗。因此，很多廠商都會采用較保守的AEB標定策略，就比如小鵬。

去年媒體小鵬華為AEB之爭，小鵬汽車在夜間、霧天等場景的AEB媒體實測中頻頻翻車，有一部分原因就在于標定偏保守，一切以防誤殺為前提。相反的，華為就表現出了更激進的標定策略，在各種場景下基本都能做到及時剎停。當然，這也是得益于華為在硬件和算法上的優勢，對于誤觸發的優化比較到位。

除此之外，AEB的觸發還有一個非常重要的原則，就是不能有人為干預。當系統判定車輛與障礙物之間的距離，超過了系統標定的安全閾值，且在發出警告后發現駕駛員仍未采取有效的避險措施時，那么AEB便會觸發來規避事故。但如果系統監測到駕駛員接管了車輛，并做出制動或轉向動作時，那么AEB就不會觸發介入，干擾人為操作。

回頭來看此次的小米SU7事故，在事故發生的前2秒，車輛的NOA智能輔助駕駛退出，進入人駕狀態，并做出了左右轉向和制動動作。這種情況，完全符合AEB不會觸發的條件之一。

歸根結底，如今的智能駕駛只是L2級的自動輔助駕駛，而不是自動駕駛。AEB也只是一種主動安全措施，而非絕對的救命稻草。作為車主，我們應該理性地看待和使用智能駕駛，駕駛員始終都是駕駛安全的第一責任人，不能盲目將自己的生命交給這些“遙遙領先”的科技。作為車企，或許也應該反思，我們是不是過于追求營銷而忽視了對消費者的教育。只有更加明確當前智能駕駛的能力邊界，避免那些絕對化的營銷話術，讓消費者對智能駕駛有更清晰的認知，才能避免更多悲劇的發生。