近日，汽车媒体懂车帝发布一系列对于辅助驾驶真实事故场景模拟的科普实验，该实验总共涉及15个科目，为国内外20多个品牌、包括特斯拉Model 3和Model X、小鹏G6、问界M9在内的近40款车型设置了车辆假人模型，并模拟真实车流，来验证这些车型的智驾实际表现。 具体来看，15个事故测试场景覆盖高速、城区道路，高速道路下的测试场景主要包含“高速惊现事故车”“施工路遇卡车”“消失的前车”等6个场景，城区道路则主要包含“开进大转盘”“转盘内汇入”“故障车躲避”等9个场景。 实验结果显示，在这15个场景中，上述车型平均通过率只有35.74%。高速夜间遇施工+卡车场景，仅47%的测试车辆能安全避让；儿童突然冲出过马路场景，58%的测试车辆能有效刹停。 国产物牌在这一场测试表现失利之时，特斯拉却在各大评价指标中脱颖而出。懂车帝发布的视频显示，特斯拉Model X和Model 3在6大高速场景测试中表现较为出色，均成功通过了5项场景测试。在城市9大场景模拟测试中，Model X通过了8项目，Model 3通过了5项。 测试结果出炉后，各方车企反应不一。其中，岚图汽车高管邵明峰在个人微博发文表示：懂车帝封闭高速测试如同一面镜子，映照出行业在极端场景下仍存技术共性瓶颈：高速避险、感知系统对非标障碍物识别等能力需进一步提高。 特斯拉CEO马斯克也在个人社交平台转发了懂车帝《懂车智炼场》辅助驾驶科普节目的高速公路场景的测试视频，并配文称：“由于法律禁止数据出境，特斯拉在没有本地训练数据的情况下，在中国取得了最高成绩。”与此同时，特斯拉副总裁陶琳在社交媒体发文说：“这次测试的结果我们和大家一样都是从媒体上看到的，我们不关注排名，因为任何测试、排名都是相对的、短暂的，但对安全的要求却没有上限。同时，也希望大家看到，这次测试的本意并不是排名，而是提醒大家专注路况，安全第一。” “单次的测试，并不具有普遍意义，因为每台车在测试的过程中面临的变量并不能做到完全一致。”一位在理想汽车智驾部门的高级工程师向21世纪经济报道记者表示。 对懂车帝测试手段、方法进行评论的，还有其他汽车公司。智界汽车、AITO汽车、鸿蒙智行分别在官方社交媒体账号发文称：已看到某平台所谓“测试”，不予置评。 值得一提的是，懂车帝的测试结果也同样引起了不少网友的讨论，甚至有网友质疑测试的结果。对此，懂车帝回应指出：大量账号通过截取某车型视频内容制作图片，相关内容与事实不符。 此外，懂车帝还指出在测试过程中，驾驶员并未人为干预方向盘打断车辆向左变道。相反，是车辆的AEB（自动紧急制动）功能触发后，导致车辆的NCA（Navigate on Autopilot，自动辅助导航驾驶）功能因AEB的持续介入而被抑制。NCA功能被抑制后，车辆无法执行绕行动作，并表示节目的推出是希望通过节目科普，告诉消费者辅助驾驶的安全边界，自己才是生命第一责任人。 在懂车帝发布测试结果前，7月23日，国新办举行“高质量完成‘十四五’规划”系列主题新闻发布会，对于智能驾驶相关问题，公安部交通管理局局长王强在发布会上回应称，目前我国市场上销售的汽车搭载的“智驾”系统都不具备“自动驾驶”功能。这些“智驾”系统都还暂时停留在辅助驾驶阶段，驾驶人才是最终的责任主体。 今年年初，曾经掀起了两轮价格战的比亚迪，开始打出智驾价格战这一张牌，同时推出天神之眼A、B、C三套智驾方案，覆盖低、中、高阶等各个价位段的车型。之后，零跑汽车等各家车企相继跟进，在智驾领域掀起新一轮的竞跑，比如零跑B10第一次将曾经成本高昂的激光雷达下放到12万元级别的车型上。 在政策利好与技术进步的双重驱动下，更多车企对L3级自动驾驶的落地布局提速。3月18日，广汽集团发布智能科技品牌“星灵智行”，宣布将于今年第四季度量产并上市销售全国首款L3自动驾驶乘用车。广汽集团总经理冯兴亚曾透露，2026年，使用场景更广的L3＋自动驾驶将量产。此外，广汽还将在2027年推出面向用户的L4自动驾驶，开启自动驾驶技术新时代。 L2和L3在法律风险上天差地别，L2级事故责任在驾驶员，但L3级则并非如此，L3级别将驾驶任务的“主要责任”从人转移到系统，这就意味着，制造商必须对系统在自动驾驶模式下的一切行为承担法律责任。更为重要的是，横亘在 L2+与 L3 之间的艰巨任务，不是简单地逐级而上，而是需要跨越一道巨大的安全鸿沟。 车企的这一轮竞赛在3月的一次智驾事故中受到了影响。在那之后，车企开始意识到智驾的升级需要十分注意到安全底线。以小米为例，在第二款车小米YU7上，小米对该车全系标配了激光雷达，同步也进行了智驾硬件的升级——全系标配英伟达700TOPS的Thor芯片，小米集团董事长兼小米汽车CEO雷军称，“提高车辆在暗光环境下，车辆对地形障碍物的识别。” 如今，懂车帝的测试也的确反映了智驾行业目前在技术上存在的共性瓶颈问题——无论是在高速还是城区避险上，汽车感知系统对非标障碍物识别等能力需进一步提高。 相较之下，如何解决纯视觉在夜间的感知识别问题，小鹏的做法是通过提高算力来增强智驾系统的安全性。但禾赛科技研发副总裁梁峰则认为，“这不如加激光雷达经济”。 他解释道，纯视觉想在夜间、逆光或更多的极端场景（corner case）中保证安全，需要非常多的数据进行训练，而且还不一定能取得好的效果。但只要装上激光雷达，这些场景不需要训练就能覆盖。“纯视觉像在逆水行舟，激光雷达则是在岸上跑。” 一位智驾行业的工程师告诉我们，为了增强车辆的近场感知能力，除加激光雷达之外，还需要引入对超视距动态信息的多维感知。 影响车辆的道路动态信息的因素有很多，包括封闭、施工、事故、活动、天气等。而在辅助驾驶系统中，获取道路动态信息的挑战不少： 一是周边动态场景的复杂性和不确定性。人类驾驶存在意图模糊性，如一辆车打左转灯却突然右转。Waymo的仿真数据显示，此类场景的预测错误率高达15%；同时，实时计算也面临压力：城市道路中每秒钟需处理数十个移动目标，如车辆、行人、自行车等，计算延迟超过100毫秒就可能导致决策失效。 二是环境感知的物理局限性。传感器性能有感知边界，比如激光雷达在雨雪天可能出现散射，毫米波雷达对静态物体分辨率低，摄像头受光照影响大，如逆光或夜间。除此之外，传感器也可能因视野被遮挡而无法提前发现被遮挡的故障车辆，导致系统响应延迟。 上述业内人士告诉我们，这需要对道路信息做多维的视觉融合感知，提前加强对道路信息做“先验信息”的补充，比如对车流量大的路段，提前将道路的拓扑结构调整的信息早一点上传到系统，“最早4小时、最慢当天上传到系统。” 无论是产物搭载激光雷达还是加强对超视距动态信息的感知，都只能提高辅助驾驶的安全下限、最大程度减少事故的发生，并不能完全规避风险。要做到绝对安全，需要驾驶人自身保持对道路信息的警惕和关注，这也是前段时间公安部交通管理局局长王强所强调的——“在使用辅助驾驶的过程中，驾驶员都应该清楚认知到辅助驾驶的技术边界。驾驶人始终是行车安全的第一责任人。”
