近日，由懂車帝與央視新聞聯(lián)合推出的大型科普類節(jié)目《懂車智煉場》正式上線，該節(jié)目主要選取了一些市面的熱門車型進行實測。而實測所涵蓋的內容則分為高速事故場景、城市場景模擬測試等。

其中，高速事故場景共設置了6類場景，分別是高速驚現(xiàn)事故車、施工路遇卡車、高速臨時施工、消失的前車、高速路口遇野蠻加塞、莽撞橫穿的豬。

城市場景下共設置了9類場景，分別為開進大轉盤、轉盤內匯入、四小學生過馬路、故障車躲避、平常的調頭、斜刺電瓶和兒童過馬路、倒車難題、瘋狂電瓶、盲區(qū)藏輛左轉車。

很顯然，隨著這檔節(jié)目的播出，無疑為公眾提供了一扇了解當前智能駕駛技術真實水平的窗口。但令人感到意外的是，小米、小鵬、極氪、蔚來、理想等新勢力代表車型在多個測試項目中居然未能順利通關。由此可見，這并非偶然失敗，而是反映了不同車企在技術路線、落地策略與投入側重上的根本差異。那下面我們就結合懂車帝的測試結果，來看看各大新勢力車型自身智駕水平目前所面臨的問題與挑戰(zhàn)與。

小米：新銳入局者的必經陣痛

作為智能駕駛領域的新玩家，小米SU7（參數(shù)丨圖片）的測試表現(xiàn)折射出行業(yè)新軍面臨的客觀挑戰(zhàn)。從測試結果來看，小米SU7在「高速事故場景模擬」中，僅通過了施工路遇卡車這一項測試。而其它的像高速驚現(xiàn)事故車、高速臨時施工、消失的前車真高速版、高速入口遇野蠻加塞、莽撞橫穿的豬燈測試環(huán)節(jié)，小米SU7則均未能通過。

看到這，想必大家都會感到疑惑，那就是小米SU7的問題到底出在哪呢？我覺得，主要有以下這幾方面的原因。

1、數(shù)據(jù)積累與算法成熟度短板

智能駕駛的核心競爭力是建立在海量真實道路數(shù)據(jù)與算法持續(xù)迭代之上。而小米入局時間短，其數(shù)據(jù)積累量級與頭部玩家存在代差，導致系統(tǒng)在應對復雜、罕見場景（Corner Cases）時表現(xiàn)不穩(wěn)定。

2、工程驗證周期壓縮

為搶占市場窗口期，小米SU7從發(fā)布到交付節(jié)奏極快，其智駕系統(tǒng)的工程驗證與優(yōu)化時間被高度壓縮。測試中的表現(xiàn)，部分反映了其軟件版本尚未達到最優(yōu)狀態(tài)。

3、用戶基數(shù)初建，影子模式數(shù)據(jù)有限

依賴大規(guī)模用戶車隊運行的“影子模式”是優(yōu)化智駕的關鍵途徑。小米初期用戶規(guī)模有限，數(shù)據(jù)回傳規(guī)模尚不足以支撐算法的快速成熟。

小鵬：技術先鋒的復雜場景攻堅難題

雖然小鵬G6在此次的「高速事故場景模擬」中取得了3項通過的不錯成績，但小鵬P7+在高速智駕測試環(huán)節(jié)的全面潰敗，又讓人不得不為這家技術先鋒的智駕邏輯給捏了一把汗。

那么，以智駕技術見長的小鵬，又是如何在高速智駕測試環(huán)節(jié)中暴露自身短板和問題的呢？經過分析，我認為原因主要也有以下三點：

1、純視覺感知的物理局限性

在特定極端場景（如強烈逆光、極端惡劣天氣、特殊材質或形狀的低矮障礙物），依賴攝像頭為主的感知方案存在理論上的物理探測極限，而這就有可能會影響到AEB等安全系統(tǒng)的及時觸發(fā)。

2、激光雷達融合策略待優(yōu)化

雖然小鵬的部分車型配備激光雷達，但如何最大化發(fā)揮多傳感器融合的優(yōu)勢，尤其是在快速動態(tài)場景下的決策與規(guī)劃，仍有優(yōu)化空間。

3、XNGP的“長尾問題”挑戰(zhàn)

小鵬主推的全場景智能輔助駕駛（XNGP）覆蓋范圍廣，但大家應該都知道，咱們中國的道路環(huán)境復雜度極高（如節(jié)目中的城中村、無保護路口復雜車流、特殊障礙物等）。因此，想要徹底解決這些“長尾問題”，也仍需要持續(xù)的算法突破和海量針對性數(shù)據(jù)訓練才行。

蔚來：全棧自研的“理想”與現(xiàn)實落差

此次參與懂車帝智駕測試的蔚來ES6車型，在節(jié)目中的表現(xiàn)也并不好。其中，「高速事故場景模擬」蔚來ES6僅完成了消失的前車真高速版這一項測試，而其它幾項則均未能通過。那么，目前蔚來自研智駕的問題又到底出在哪呢？原因也有以下三點：

1、“全棧自研”的規(guī)模化落地效率

蔚來在智駕領域的全棧自研其實投入非常大，且在覆蓋海量場景、處理海量數(shù)據(jù)時，其開發(fā)迭代的效率是否能跟上市場快速變化的期望，這是一大考驗。另外，在測試中某些場景的處理不佳，可能也反映了其算法覆蓋的廣度或深度尚有不足。

2、純視覺路線（NT2.0平臺）的固有挑戰(zhàn)

與多傳感器融合方案相比，純視覺在環(huán)境適應性上（如低光照、眩光、惡劣天氣）存在天然劣勢，而這便對算法提出了更高的要求。

3、功能釋放的平衡

蔚來追求“一步到位”的全場景能力，可能導致在部分基礎場景的體驗打磨和穩(wěn)定性上需要更多時間優(yōu)化。

理想：實用主義策略下的能力邊界

和蔚來同屬于“難兄難弟”的是，理想L6在此次測試中的表現(xiàn)也堪稱是差強人意。其中，「高速事故場景模擬」環(huán)節(jié)理想L6僅通過了施工路遇卡車這一項測試，其余項目則全部挑戰(zhàn)失敗。

而在「城市事故場景模擬」測試環(huán)節(jié)，9項測試理想L6更是僅通過了3項，由此可見，這車在智駕水平方面還有很大的提升空間。同樣，我們也為理想L6此番測試結果梳理出了以下這三點原因：

1、高精地圖依賴與“無圖化”進程

理想智駕方案對高精地圖的依賴度較高。在高精地圖鮮度不足或未覆蓋區(qū)域（如節(jié)目中的某些測試路段），系統(tǒng)性能就有可能出現(xiàn)顯著下降。所以，其“無圖化”進程相對謹慎。

2、“高速NOA優(yōu)先”的戰(zhàn)略聚焦

早在很久前，理想汽車就明確地將高速/快速路場景作為智駕功能落地優(yōu)先級，并投入了大量資源重點保障該場景下的體驗領先和穩(wěn)定性。那這便導致了其車輛在城市復雜道路（尤其是無圖區(qū)域）的覆蓋深度和能力相對滯后。

3、用戶定位與功能取舍

作為一家圍繞家庭用戶核心需求（舒適、安全、可靠）打造車型的汽車品牌，理想在激進功能的推送上更為保守，因此這可能也影響了其在極限測試中的表現(xiàn)。

極氪：傳統(tǒng)巨頭轉型的軟件能力爬坡

相信大家有看過測試原視頻的就應該知道，無論是極氪還是領克，它們旗下車型在智駕能力上的弊端，可真是顯露得非常無疑。

就拿極氪001和極氪7X來說，在「高速事故場景模擬」中居然沒有通過一個測試環(huán)節(jié)，而到了「城市事故場景模擬」測試環(huán)節(jié)，這兩款車更是成了倒數(shù)三四名的墊底存在。

如此看來，極氪在智駕水平這塊，恐怕還真得好好琢磨琢磨和多下點苦功夫才行。那為啥硬件堆得這么多的極氪，卻落得了個這樣的測試成績呢？我覺得原因有三：

1、Mobileye方案的限制

極氪部分車型采用的Mobileye方案雖成熟度高，但相對“黑盒化”，這就會讓主機廠在功能定制、快速響應中國特有場景需求以及OTA迭代速度上可能受到一定約束。

2、軟件自研體系成熟度

相比在機械制造領域的深厚積淀，吉利集團在智能駕駛全棧自研的起步相對較晚，其軟件研發(fā)體系、數(shù)據(jù)閉環(huán)能力和算法團隊的成熟都還需要時間積累。

3、數(shù)據(jù)驅動文化轉型

建立高效的數(shù)據(jù)采集、標注、訓練、仿真驗證、OTA部署的閉環(huán)，需要企業(yè)文化和組織架構的深度轉型，這對傳統(tǒng)巨頭而言是系統(tǒng)性挑戰(zhàn)。

總的來說，看完這次《懂車智煉場》的測試結果，我覺得其實很好地揭示了中國智能駕駛技術發(fā)展處于攻堅期的幾個現(xiàn)實。

一是技術路線差異顯著，就比如說：純視覺（蔚來）vs 多傳感器融合（小鵬、理想、極氪）、高精地圖依賴（理想早期）vs 無圖化（小鵬主攻）、全棧自研（蔚來、小鵬）vs 供應商合作（極氪部分車型）等不同路線其實都各有利弊，而這一旦放在實際的測試中就表現(xiàn)了各異的結果。

二是落地策略分化明顯，通過測試我們會發(fā)現(xiàn)，在智能駕駛領域，有選擇“高舉高打”全場景覆蓋（小鵬、蔚來），有選擇“穩(wěn)扎穩(wěn)打”場景聚焦（理想），也有作為新玩家全力追趕（小米），所以，策略的差異就將直接導致短期內在不同測試項目上的表現(xiàn)差異。

三是數(shù)據(jù)與時間仍是核心壁壘，想要解決海量“長尾問題”，需要天文數(shù)字級的真實道路數(shù)據(jù)驅動和足夠長的算法訓練迭代時間。以特斯拉為首的頭部玩家所積累的優(yōu)勢非一日之功，這也警示著國內以“蔚小理”等為首的新勢力玩家仍需加速追趕。

最后我想說：智駕的競賽是一場馬拉松而非百米沖刺。未來哪家車企能夠在數(shù)據(jù)閉環(huán)、算法進化、工程落地和用戶體驗上實現(xiàn)更優(yōu)平衡，才能真正在智能化的終局中贏得用戶。目前來看，以華為作為主導的鴻蒙智行已經頗具“王侯像”，所以接下來的一切，就交給時間去檢驗吧。

當然，在現(xiàn)階段的這種條件和法律法規(guī)之下，輔助駕駛始終都還有它的安全邊界，因此，我們自己才是生命的第一責任人，也希望大家都能理性地看待智能輔助駕駛，汽車的這一方向盤，也最好還是牢牢地握緊在自己手中。你覺得我說的對嗎？歡迎在評論區(qū)里留言交流討論。（文/優(yōu)視汽車 大卓 ）

注：配圖來自網(wǎng)絡，權利歸原作者所有，如有侵權請聯(lián)系刪除，一并感謝！本文僅代表作者個人觀點，不代表優(yōu)視汽車的立場。