小米SU7事故：自动驾驶你应该知道的那些事

近期，小米SU7在安徽铜陵发生的严重交通事故引发了广泛关注。这起事故不仅造成了人员的不幸遇难，也让自动驾驶技术再次成为公众审视的焦点。作为一款搭载智能辅助驾驶功能的汽车，小米SU7的事故引发了诸多关于自动驾驶技术安全性的讨论。本文将从技术角度出发，探讨此次事故中涉及的自动驾驶相关问题。

 

首先让我们回顾一下事情的经过：3月29日晚9时许，武汉某高校三名同学驾驶一辆小米SU7汽车，从武汉出发前往安徽池州，准备参加相关考试。晚上10时许，车辆行驶至安徽铜陵德上高速公路时由一位姓罗的同学驾驶，其余两位同学分别坐在副驾驶和后排。晚上10时27分，根据车辆记录，车辆以116km/h的速度启用了NOA智能辅助驾驶功能。10时44分，车辆行驶至枞阳至祁门路段（事发路段因施工用路障封闭自车道、改至逆向车道）时，与高速公路中央护栏发生严重碰撞并起火。此次事故导致驾驶车辆和坐在副驾驶位置的两位同学不幸当场遇难，后排乘坐的同学被紧急送往医院后，经抢救无效不幸离世。

 

NOA是什么？

 

NOA（导航辅助驾驶）是一种高阶辅助驾驶功能，允许车辆在导航系统的指引下，自动驶入或驶出高速公路匝道，实现自动变道超车、车道保持等功能。NOA通常依赖于高精度地图和传感器数据。

 

小米汽车的智驾系统与高精地图的关系？

 

- 轻地图方案：小米汽车的智驾系统采用轻地图方案，这种方案相比传统的高精地图，降低了精度和要素，但提升了数据的鲜度，能够按天级更新。这种方案在大部分场景下可以满足智驾系统的需求，但在施工路段等复杂环境下可能会遇到挑战。

 

- 实时感知与规划：小米的智驾系统在复杂场景下主要依赖车端的实时感知和规划能力，而不是完全依赖高精地图。这种设计使得系统在面对动态变化的环境时具有一定的适应性。

 

为什么NOA会在施工路段表现不佳？

 

NOA系统在施工路段表现不佳，主要是因为施工区域的道路环境复杂且动态变化频繁。施工路段通常存在车道封闭、道路改道、障碍物增多等情况，这些都会增加系统识别和预测的难度。此外，施工区域的临时性交通标志和标线可能不够清晰或标准化，导致系统难以准确理解路况。在夜间或低光照条件下，这些问题会被进一步放大，因为摄像头的识别能力会受到限制，而激光雷达等传感器可以弥补这一不足。

 

 

 

根据小米披露，事故可分为三个阶段：事故前，车辆处于NOA智驾开启状态，车速维持在116码，但驾驶员手脱离了方向盘，系统对此进行了提醒；事故发生时，智能驾驶在事故发生前2-4S左右发出预警，同时减速，驾驶员接管，开始转向减速、避让，但未能实现刹停或换道，车辆以97km/h时速撞上水泥护栏；事故后，车辆立刻触发了Ecall呼叫了120。

 

为何小米SU7直到障碍物已在跟前了才发出警告，而不是更早发现危险或进行AEB、变道躲避，这或许和事故车的智驾能力有关。

 

在小米在官方回应中明确，事发车辆是一台SU7的标准版，搭载的是一颗英伟达OrinN智驾芯片，算力只有84TOPS，相比之下小米SU7Pro、Max版采用了双OrinX芯片，算力可达508TOPS；同时标准版未配备激光雷达，仅采用纯视觉方案。

 

 

 

激光雷达是什么？

 

激光雷达（LiDAR）是一种通过发射激光束并测量反射光返回时间来生成高精度三维环境地图的传感器。它能够实时感知车辆周围物体的位置、速度和形状，尤其在复杂环境和低光照条件下表现出色。

 

纯视觉方案为何会有局限性？

 

纯视觉方法主要依赖摄像头来感知周围环境。它通过摄像头捕捉图像，然后利用计算机视觉算法对图像进行分析，识别道路、车辆、行人等障碍物。这种方案的优势在于成本较低，但其局限性在于对光线条件要求较高，在夜间或复杂天气条件下，摄像头的识别能力会受到限制，可能导致系统无法及时准确地识别危险。

 

此次事故中，小米SU7标准版未配备激光雷达，仅采用纯视觉方案。激光雷达通过发射激光束并接收反射光来测量距离，能够提供高精度的三维环境信息，对于障碍物的检测和识别具有显著优势。相比之下，纯视觉方案主要依赖摄像头，虽然成本较低，但在复杂环境和夜间等低光照条件下，其识别效果可能会受到限制。夜间驾驶时，光线不足会影响摄像头对障碍物的检测精度，可能导致系统无法及时准确地识别前方的危险，从而增加了事故风险。

 

算力是什么？

 

算力是指芯片每秒能够处理的运算次数，通常以TOPS（万亿次运算每秒）为单位。算力越高，芯片处理复杂数据的能力越强，能够更快地完成感知、决策和控制任务。

 

算力不足会造成什么后果？

 

小米SU7标准版搭载的是一颗英伟达OrinN智驾芯片，算力为84TOPS，而相比之下，SU7Pro、Max版采用了双OrinX芯片，算力可达508TOPS。算力的差异直接影响了智能驾驶系统在数据处理和快速判断方面的能力。在需要快速响应的紧急情况下，较低的算力可能导致系统无法及时处理大量数据，从而影响决策的准确性和及时性。

 

算力不足会限制视觉方案的处理速度和精度。视觉方案需要实时处理大量图像数据，如果芯片算力不足，可能导致数据处理延迟，影响系统对障碍物的识别和决策的及时性。算力不足可能导致系统无法快速准确地处理复杂的交通场景，从而影响自动驾驶的安全性。

 

AEB等主动安全功能是否触发？

 

对于AEB的疑点，有汽车行业专家指出，AEB介入条件要看车企的算法模型。当车速为120km/h需刹停时，系统需计算合理的制动介入时机，但由于维修路段障碍物无法分类，OCC占用网络（智驾算法架构）可能不敢做紧急处置。但如果驾驶员调整方向盘，系统在驾驶员介入后，可能会优先响应驾驶员的操作选择，退出紧急制动状态。

 

AEB是什么？

 

AEB（自动紧急制动）是一种主动安全技术，能够在检测到潜在碰撞风险时自动激活制动系统，以避免碰撞或减轻碰撞的影响。AEB通常依赖于雷达、摄像头等传感器，结合算法模型进行障碍物检测和决策。

 

AEB（自动紧急制动）系统是自动驾驶汽车的重要安全功能之一。然而，在此次事故中，小米SU7的AEB功能未能及时介入，引发了公众对其有效性的质疑。AEB系统的介入条件取决于车企的算法模型。当车辆以高速行驶时，系统需要精确计算合理的制动介入时机，以避免碰撞或减轻碰撞后果。然而，如果算法模型对复杂场景的判断不够准确，或者对特定障碍物（如锥桶、水马等）无法有效识别，AEB系统可能无法及时启动，导致事故的发生。

 

FCW是什么？

 

FCW（前方碰撞预警）是一种主动安全技术，通过雷达或摄像头实时监测前方车辆，当检测到潜在碰撞风险时，向驾驶员发出警告，提醒其采取措施避免或减轻碰撞。

 

AEB和FCW是如何工作的？

 

小米汽车的AEB和FCW系统通过雷达和摄像头实时监测车辆前方的交通状况。当系统检测到潜在碰撞风险时，FCW会向驾驶员发出警告，提醒其采取措施。如果驾驶员未能及时反应，AEB会自动激活制动系统，以避免或减轻碰撞。在施工路段等复杂环境下，AEB和FCW系统可能因障碍物的非标准形状或动态变化而难以准确判断风险，从而影响其有效性。

 

不同版本小米SU7达到了自动驾驶的哪个级别？

 

小米SU7标准版与高阶版本之间存在明显的配置差异。标准版未配备激光雷达，且智驾芯片算力较低，这使得其在智能驾驶能力上与高阶版本存在较大差距。这种配置差异可能导致消费者对车辆智能驾驶功能的期望与实际性能之间产生落差。

 

自动驾驶技术根据其自动化程度被分为六个级别，从L0到L5：  

 

- L0：无自动化，完全由驾驶员控制。  

 

- L1：驾驶辅助，如自适应巡航控制（ACC）。  

 

- L2：部分自动化，车辆可同时控制转向和速度，但驾驶员需保持注意力。  

 

- L3：有条件自动化，车辆在特定条件下可完全自主驾驶，但驾驶员需随时接管。  

 

- L4：高度自动化，车辆在特定区域或场景下可完全自主驾驶。  

 

- L5：完全自动化，车辆可在任何条件下完全自主驾驶。

 

小米SU7标准版通常处于L2级别，提供部分自动化功能，如自适应巡航和车道保持。而高阶版本（如Pro和Max）可能接近L3级别，能够在特定条件下实现有条件自动化。

 

行业反思：宣传与实际是否存在差异？

 

此次事故也引发了行业对于智能驾驶技术宣传与实际性能之间差距的反思。当前，许多车企在宣传中将智驾功能向“自动驾驶”靠拢，强调其先进性和便捷性，但实际的智驾技术仍处于L2级别，存在诸多局限性。消费者可能因宣传的误导而对智驾功能抱有过高的期望，忽视了驾驶过程中自身的责任和风险。

 

对于小米而言，这起事故是一次严峻的考验。在追求技术创新和市场竞争力的同时，如何确保车辆的安全性是其必须面对的核心问题。小米需要在技术层面进行深入的反思和改进，加强传感器、算法、算力等方面的研发和优化，提高智驾系统的可靠性和安全性。

 

小米SU7事故为我们敲响了自动驾驶技术安全的警钟。在自动驾驶技术快速发展的今天，安全始终是最重要的底线。只有在技术、宣传和监管等多方面共同努力，才能推动自动驾驶技术的健康发展，为消费者提供更加安全、可靠的出行体验。小米在这场危机中能否化危为机，通过技术升级和安全管理的加强赢得消费者的信任，将决定其在汽车市场的未来走向。