小米汽车自动驾驶

一、技术能力：硬件配置与算法架构的差异化布局

1. 硬件方案分层
   
   • 标准版 SU7：采用纯视觉方案，配备 11 个摄像头（含双目前视）、1 个毫米波雷达，算力平台为单 Orin 芯片（84TOPS）。该配置成本较低，但受限于视觉感知的局限性，无法识别锥桶等非标准障碍物。
   • Pro/Max 版 SU7：增加 1 颗激光雷达、2 个毫米波雷达，算力提升至双 Orin 芯片（508TOPS）。激光雷达的加入显著提升了复杂场景下的感知能力，例如在主动安全测试中，Pro/Max 版可识别 50cm×40cm 的纸箱，而标准版无法识别。
   • SU7 Ultra：搭载 Xiaomi HAD 端到端全场景智驾系统，支持从停车位到目标停车场的无缝衔接，需完成 1000 公里安全智驾里程后解锁。
   
   
2. 算法架构
   
   • 底层技术：采用 BEV（鸟瞰图）+Transformer + 占用网络的融合感知方案，结合道路大模型实现无图导航。例如，在施工路段可实时生成引导线，理论上支持城市道路绕行。
   • 端到端大模型：通过原始驾驶视频数据训练，输出类人驾驶轨迹。小米宣称该技术可实现 5cm 精度泊车，但测试中发现对向车入侵、两轮车抢行等场景仍存在不足。
   
   

二、事故争议：技术边界与用户认知的双重挑战

1. 事故核心问题
   
   • 3 月 29 日高速事故：小米 SU7 标准版在 NOA 状态下未识别施工障碍物，系统仅提前 2 秒预警，导致驾驶员无法及时接管。事后调查显示，纯视觉方案对临时路障的识别存在缺陷，且导航未整合实时施工信息。
   • AEB 功能限制：标准版 SU7 的 AEB 仅响应车辆、行人、两轮车，对锥桶等障碍物无反应。专家指出，毫米波雷达或激光雷达的缺失是主要原因。
   
   
2. 行业警示
   
   • 应急管理部明确指出，市售车辆均属 L2 级辅助驾驶，驾驶员需全程监控。小米事故暴露了车企过度宣传 “高阶智驾” 可能误导用户。
   • 同济大学教授朱西产质疑 “两秒预警” 合理性，认为至少需 10 秒才能唤回分心驾驶员，凸显人机协同机制的不足。
   
   

三、用户体验：功能覆盖与稳定性的权衡

1. 功能表现
   
   • 高速 NOA：支持自动变道、超车、上下匝道，但用户反馈存在 “车速弹跳”“莫名换道” 等问题。
   • 城市 NOA：2024 年 10 月全量推送全国版，可应对路口通行、小路绕行等场景，但实测显示对两轮车抢行、行人横穿等场景处理保守。
   • 自动泊车：部分用户遭遇系统 BUG 导致撞墙，小米虽承担维修费用，但一体化车身维修影响残值。
   
   
2. 安全机制
   
   • 驾驶安全保护：新车 300 公里内限速 140km/h，禁用弹射模式等；用户需通过安全测试才能解锁全部功能。
   • 冗余设计：标准版缺乏激光雷达，依赖视觉算法的 “感知冗余”，但在极端场景下可能失效。
   
   

四、未来规划：技术迭代与生态协同

1. 技术路线图
   
   • 短期（2025）：优化端到端大模型，提升复杂场景处理能力；扩展城市 NOA 覆盖城市至 200 个。
   • 中长期：推进 L3 级自动驾驶量产，探索车路协同（V2X）技术，计划 2026 年实现特定区域全无人驾驶。
   
   
2. 生态布局
   
   • 数据积累：通过 200 台测试车、1000 万公里路测数据训练算法，并与慧博云通、光庭信息合作进行仿真测试与数据标注。
   • 成本控制：标准版 SU7 通过纯视觉方案降低智驾成本，Pro/Max 版则以激光雷达提升体验，形成差异化定价。
   
   

总结：技术突围与安全再平衡

1. 硬件升级：推动激光雷达下放至中配车型，提升感知冗余。
2. 算法优化：加强端到端大模型的泛化能力，减少 “幻觉” 决策。
3. 用户教育：明确 L2 级辅助驾驶的边界，避免过度依赖。
4. 法规协同：参与自动驾驶立法，推动 L3 级标准落地。