撰文 | 張祥威 編輯｜馬青竹

2021年至今，智駕投入積極的公司，如特斯拉、蔚小理、華為、小米汽車等，幾乎均曾遭遇過智駕事故。

如果以往只是少數案例，2025年隨著高速NOA趨向標配，隨著小米SU7（參數丨圖片）事故的巨大影響，智駕安全將向聚光燈下靠攏。

目前的高速NOA，方案構成大致如下：

芯片，算力自30TOPS到1000TOPS不等，主流選擇比如英偉達Orin X、地平線J6系列、高通8650等；傳感器，覆蓋毫米波雷達、激光雷達、攝像頭，供應商比如禾賽AT128等。

算法，早期基于規則，如今逐漸轉向基于AI，主打端到端和大模型。

明面上，大家都叫高速NOA，但各家體驗大有不同。那么，芯片、傳感器、導航定位、算法，誰在真正決定智駕安全的底線？假如事故場景復現，人們真的不能從死神鐮刀下逃走嗎？

智駕越是普及，一些事情越要厘清。

毫米波雷達、激光雷達，一個不能少？

一場智駕事故發生后，人們總是會拿著放大鏡，當起福爾摩斯，希望找到事故發生背后的蛛絲馬跡。

傳感器，通常最先被檢視。

以最近的一起高速NOA事故為例，毫米波雷達就被人拎出來，認為事故車“只搭載一顆”，屬于減配，而“其它家可是都搭載了3-5個毫米波雷達”。

毫米波雷達主要用于目標物的測距、測速，感知距離最遠能達到兩三百米，且很少受天氣、光照等影響。

雖然激進的車企如特斯拉，曾去掉過毫米波雷達，但之后又裝回了4D毫米波雷達。抵制毫米波雷達的馬斯克在社交平臺上說，“選擇高清毫米波雷達是可行的。”

一位本土智駕供應商人士告訴《出行百人會/AutocarMax》，“現在的高速NOA方案，主要有7V、11V等方案，前向毫米波雷達用來做目標融合，攝像頭和毫米波雷達融合后，目標的距離、速度會更準確。”

早在2021年，一家頭部造車新勢力曾發生過高速NOA事故。一位知情人士告訴我們，那場事故中，“毫米波雷達沒發現前方施工車輛，視覺也沒有識別成功，最終導致事故發生。”

毫米波雷達可以提升感知，不過，單純比較搭載數量，意義不大。

比如，上述質疑者提到的毫米波雷達規模，搭載1顆時，通常為前向毫米波雷達，而搭載3個、5個，則是在前向毫米波雷達的基礎上，增加了后保險杠兩側內部位置的角雷達等。增加的毫米波雷達，更多用于環視檢測，用于倒車泊車等場景，無助于增強前向感知。

具體到最近這一起事故，調查結論公布前，其實難以評價毫米波雷達規模和事故的直接關系。

因為，毫米波雷達在AEB和NOA中的作用有著較大差異。

AEB中的毫米波雷達主要承擔兜底作用，但往往只對動態障礙物敏感，還有速度范圍的限制。NOA中的毫米波雷達，則是視覺的重要補充感知手段，但其表現與主機廠的雷達信號處理能力直接相關。因此，很難判定毫米波雷達在這起事件中的作用。

激光雷達，又一個仍有爭議的傳感器部件。

相比毫米波雷達，激光雷達對目標物的檢測，探測精度更高，只是成本相對更高。主流的車載激光雷達，最遠探測距離能達到250米，目前成本更低的激光雷達，也能探測至200米。

翻看一些車輛的百公里制動數據，通常低于42米。百公里制動，是指車輛以100公里/小時的速度行駛時，從開始剎車到完全停止所需的距離。從100公里/小時到完全停止，這短短三四十米，一般需要3秒時間。

42米，3秒，看上去，只要能在這一范圍內采取制動，事故就能避免。激光雷達已經被業內當作“安全帶”，理想、華為都在積極支持。

一位智駕公司高管打比方，簡單來說，搭載激光雷達，相當于直接給車輛安裝了手槍，快，直接。而沒有搭載激光雷達的車，相當于拿著大刀長矛打仗。

攝像頭的權重也在不斷提升，單目、雙目、三目攝像頭，不斷涌現。攝像頭的像素，也來到前視800萬像素，環視、側視300萬像素水平。

攝像頭可以最遠看到300米的車輛，但是看三角牌警告牌，大概只能看到100米。本質上，攝像頭是一種數據采集器。看到不代表能識別，采集到數據后，需要再針對道路場景數據進行訓練。

大家可能會覺得，毫米波雷達、激光雷達、攝像頭，既然這么有用，負責任的車企，就應該把它們全部裝上。

且不說盲目增配，市場未必買單，也不談產能過剩帶來的價格戰下，車企需要硬摳每一分錢。單從技術角度，上面提到傳感器方案，不一定是引發事故的關鍵。

多位智駕行業人士告訴我們，今天市場上的高速NOA方案，無論是搭載單顆前向毫米波雷達，還是搭載毫米波雷達+激光雷達這樣的方案，或者單目、雙目、三目攝像頭，其實都沒有根本缺陷。

因為，決定智駕方案的核心，在于算法，以及是否對大量場景進行了充足訓練。

做好場景訓練，多維度兜底安全

對于基于視覺系的高速NOA而言，場景訓練是重中之重。

上述智駕公司高管告訴我們，“對于視覺方案來講，目標物是否貼了反光條，檢測效果差別很大。尤其是夜間條件下，如果不加反光條，攝像頭在距離30米時也未必能識別出來。”

即便同樣的水泥墩，白天能識別，晚上也不一定可以。需要把夜間的各種場景都訓練到，比如夜間的水泥墩正向擺放和側向擺放，甚至逆光場景的擺放等，都要挨個訓練，才能在遇到時成功識別。

同理，面對道路上的水馬，也需要對不同形狀、光照、天氣等進行訓練，否則就會出現漏識別。

上述人士表示，單從障礙物識別來講，有激光雷達一定是好的，在識別水泥墩上，它對反射沒那么敏感。有反光條和沒反光條，差距不大。而非激光雷達傳感器的特點是，識別不穩定，需要進行足夠多的訓練。

傳感器的能力是固定的，算法則是靈活的。

“雙目攝像頭是通過視覺差，對物體進行識別。普遍好于單目。但是，基于單目攝像頭可以實現占用空間技術，通過訓練依然可以做到視覺差。數據量足夠大的話，效果也不會差。而雙目攝像頭，靠視覺差，依然也有識別不到的場景。舉個例子，有些地方的燈光、水跡，仍然會被雙目攝像頭方案誤識別。”上述智駕公司高管表示。

最終，還是要看算法的能力。只有算法足夠好，才能減少事故。但，算法再好，也無法完全避免事故。數據的長尾效應，仍然會不時制造點麻煩。

下一個路口，說不定就會出現未被訓練過的場景，傾斜的水馬、逆光下的錐桶……這些場景也許一年半載無法遇到一次，誰也無法保證，智駕永遠不出意外。

智駕的特性，決定了其天然存在缺陷，只能多做安全兜底。

功能上，AEB可以成為一道保障。

AEB有兩種，一種是主流的AEB，基于白名單機制。不過，現狀是，即便是白名單里面的場景，也并非都能完全應對。

“報價的時候，主機廠會問AEB觸發率是多少，A說是50萬公里，B說是180萬公里，C說是5000萬公里。但其實，即便一些國際廠商的AEB，正常場景，在場地上都有可能無法成功激活。”上述智駕業內人士告訴我們。

還有一種方案，通過智駕來提升AEB的能力，也就是基于通用障礙物檢測。

去年的一場高速NOA事故中，AEB沒有生效。事后，車企方將AEB生效范圍，提高到了最高150公里/小時，并表示，可以識別側翻車和水馬。

不過，用余承東的話說，“再強大的主動安全，都不能百分之百地保證所有事故安全都不發生。你開得速度很快，突然鉆進來一個摩托、電瓶車，突然近距離穿進來，是神仙都剎不住。”

總之，AEB正向觸發做得比較好，誤觸發率一定高。對待AEB的態度，應該是能幫則幫，車主千萬不能盲目依賴。

另一道屏障，車企對待高速NOA，要慎之又慎。

對待公眾，將智駕功能宣傳清楚是一方面。另一方面，堅守安全的底線，不應成為兒戲。

上述智駕業內人士披露，“我們的方案是，要求系統運行的前提之一，車道線必須平行，如果車道線不平行，系統一定會提示車輛接管。原來我們做通用、福特的項目時，他們的要求是很保守的，單線必須退，同時必須把‘請求接管’的提示發出來。但現在，客戶為了盲目減少接管率，要求單線也得能通行。”

這意味著，“可能是兩條道合成一條道，事故風險就來了。”

結語

今天的智駕，仍然缺少自動駕駛法律的足夠監管。有主機廠智駕負責人士透露，智駕系統，更多接受的是C-NCAP等標準的約束。

“C-NCAP主要提供基本的AEB場景，而且不是強制認證，更多起到行業背書的作用。”

上述智駕從業者認為，最近的高速NOA事故，會給智駕潑一盆冷水，同時一定會加快自動駕駛L3法規的出臺。

立法，或許可以成為一道最強的屏障。

“實際上，車輛接管的場景應該被明確定義，在ODD范圍內，除非系統故障，需要接管，否則，出現各種場景車輛都應該應對，不應該讓人接管。”

在死神舉起鐮刀前，車企要做好兜底。鍋，不能總讓車主背。當然，那些智駕在開、人在睡的宣傳，也應該早些結束了。

—THE END—

出行百人會 | AutocarMax

追蹤汽?出行產業鏈進化，關注新產品、新科技、商業邏輯與商業人物，影響圈層中有影響力的人。