中国新闻周刊音讯，3月29日晚间，一辆小米SU7以116公里/小时的速率在高速路上行驶，路遇谈路施工，车辆需要改谈行驶，但因变谈不足时最终以97公里/小时的速率与水泥护栏发生碰撞，车辆随后发生失火，驾驶员和另外两名乘客难堪遭难。

碰撞发生前数秒，车辆处于NOA（提拔导航驾驶）情景。直到事故发生前两秒，NOA发出风险请示“请选藏前线有遮盖”，发出延缓央求，并开动延缓。下一秒，驾驶员选用，随后碰撞发生。这当场激发公众关系现阶段提拔驾驶系统感知才略、选用机制等一系列问题的追问。

安徽铜陵小米SU7事故现场、事故后的车辆残毁。（视频截图）

伸开剩余92%

系统报警到碰撞的4秒里，驾驶员仅有1.5秒灵验操作时分。在97公里时速下完成“识别—判断—转向—制动”的操作链，这条款东谈主类在0.8秒内作念出两次精确转向。更值得反想的是，涉事车辆此前17分钟合手续发出“轻度分神报警”。这种温水煮青蛙式的安全示意，让驾驶员在潜意志里造成“系统可靠”的依赖。

新动力汽车的竞争本应是安全底线之上的科技翻新，但如今狼狈的是，“既要信服系统，又要随时选用”，成为现时智驾发展中的最大悖论。

自动驾驶天然尚未到来，然则东谈主们还是越来越多依赖趋近于自动驾驶的提拔驾驶功能，这些功能被车企以L2+级提拔驾驶的阵势下放。在L2+级提拔驾驶仍有局限的情况下，东谈主们却还是民俗于依赖系统，由此激发一系列事故。

“东谈主们开动把驾驶座当沙发，这是比算法随意更危急的认识陷坑。”中国破费者协会投诉部主任王芳指出。

因此有必要重估现时智能驾驶系统的鸿沟，并在这一历程中厘清驾驶员、车企和监管者的职守。对行业来说，每次对安全问题的就事论事，可能都会透支总计这个词行业的异日。而对驾驶员而言，必须充分强健到智能驾驶工夫的局限性，不可将人命实足交给算法。

纯视觉路子的争议

小米SU7车祸激发的第一个争议即是纯视觉路子是否可靠。

事故车型为小米SU7秩序版，该版块NOA选拔纯视觉路子，莫得装配激光雷达。而更高端的Pro版、Max版和Ultra版则选拔“视觉+激光雷达”的路子。

特斯拉一直被视为“纯视觉”路子的代表，2024年以来，国内车企也开动更为积极地尝试纯视觉路子，如小鹏甚而被合计全面转向纯视觉路子。

2024年4月3日，中国28座城市的小米汽车录用中心同步开启首批小米SU7汽车录用。影相/本刊记者 殷立勤

智能驾驶可以被分为感知、决策和试验三部分。在感知要领，主流作念法曾是使用激光雷达、录像头等多种传感器，以减轻车辆感知要领压力。特斯拉则毁灭激光雷达，只使用录像头网罗的视觉数据。这是一个马斯克用第一性原梦想考的案例，既然东谈主开车时只网罗视觉信息，机器开车时也应如斯。

关于纯视觉路子究竟是否存在短板的问题，清华大学苏州汽车料到院智能网联中心工夫总监孙辉告诉《中国新闻周刊》，纯视觉路子的短板主要在于三个方面：深度感知局限，高动态场景（反光、逆光）符合性弱，以及夜晚、雨雾场景性能衰减明白。“在算力允许的情况下，从获取信息完备的角度看，‘视觉+激光雷达’一定优于纯视觉。两种决议的差距主要体当今对潦草正、罕见遮盖物的判断上，纯视觉主要依赖模子的泛化才略，因此存在一定的漏检风险，尤其是在光泽不足或过曝时，更可能失去感知才略。”

不外，比较于纯视觉路子是否可靠的疑问，一个更紧要的问题可能是具体的纯视觉路子是否可靠。有业内东谈主士告诉《中国新闻周刊》：“不可简便对比两条路子的优劣。当作‘纯视觉’路子代表，特斯拉FSD才略就比较强。”

然则国内关系车企在硬件与模子熟练层面比较特斯拉均有差距。

比如关于“纯视觉”路子的一个质疑在于其夜间发达。“目下多数特斯拉仍在使用3.0版块硬件，配备8个200万像素录像头，144 TOPS算力，这一版块硬件的录像头夜间成像可能存在问题。然则新款Model Y使用4.0版块硬件，配备8个500万像素索尼录像头，720 TOPS算力。索尼录像头在光照强度仅有1勒克斯傍边，也就是莫得蟾光的夜间也能明晰成像，而在光照强度为8万—10万勒克斯的夏天正午，也不会过度曝光，是以这款录像头对照度的符合范围远超东谈主眼。”有耐久怜惜智能驾驶规模的学者告诉《中国新闻周刊》，“比较之下，国内关系车企可能配备数目更多的录像头，基本包括前后两只800万像素录像头，然则录像头对照度的符合范围可能不足特斯拉使用的索尼录像头，可能导致夜间成像质料存疑。”

而在前述业内东谈主士看来，国内车企在车载录像头、芯片等硬件方面的配置尚可，然则熟练算力与数据的缺失才是关节。

在孙辉看来，纯视觉路子主要从硬件与软件两方面普及发达，软件方面的普及主要依赖数据，大模子熟练需要海量数据，尤其是Corner case（边际场景）数据，这些数据的数目和质料决定了智驾系统的发达。

前述学者进一步解释称，国内车企熟练算力宽敞不足，何况一些车企用户数据闭环刚刚建成，甚而还莫得建成，而只是依靠数据网罗能网罗的数据量有限。特斯拉V12版块FSD使用1000万段，每段1分钟时长的用户数据。如若1分钟对应的行驶距离是1公里，这意味其使用1000万公里用户驾驶数据，如斯数据量难以通过数据网罗的形貌完成，从网罗到标注的资本为七八十亿元，因此莫得车企大略依靠数据网罗的形貌积聚实足的数据。

有国内第三方智驾决议供应商告诉记者，在数据方面，特斯拉比较国内厂商如实具备很大上风，因其具有先发上风。据他预估，如若一家车企累计销量杰出百万辆，便会具备“相对可以”的模子熟练数据基础。

“由于算力与数据的不足，国内车企‘纯视觉’路子比较特斯拉FSD宽敞存在差距，但值得选藏的是，‘激光雷达+视觉’路子的功能性、安全性都优于纯视觉路子。”前述业内东谈主士直言，国内车企莫得激光雷达的提拔驾驶系统“差许多”。

在他看来，国内车企从客岁开动密集发布“纯视觉”路子，更多如故出于降本接洽。“目下激光雷达的价钱还在3000元—7000元之间，从车企采购零部件资本的角度来看，每增多1000元都非常竭力。尽管有激光雷达厂商宣称售价已在千元以下，然则前提是一次性宽敞采购。”他合计，本年被视为智驾平权元年，这意味着智能驾驶成为“标配”，因此车企开首在较廉价位车型毁灭激光雷达。

智驾局限安在？

哪怕是销亡款车型，不同配置的提拔驾驶系统也不尽疏通，然则车企在先容一款车型的提拔驾驶才略时，无间仅先容其高配版才略有的才略，而一些低配版块甚而可能不搭载提拔驾驶系统。

车企的宣寄语术如实容易让破费者丧失警惕。然则另一方面，哪怕是一款车具备提拔驾驶功能，东谈主们也无间容易冷漠其局限性。比如小米SU7三款车型中，比较于Pro版、Max版，天然秩序版不配备激光雷达，车载算力更低，然则相似具备高速NOA功能。

东谈主们还是民俗于在高速场景使用提拔驾驶功能，然则比年数次高速车祸激发东谈主们关于提拔驾驶的料到。

“高速NOA与城市NOA杀青的难度可谓一丈差九尺。然则从风险角度来讲，东谈主类驾驶员在熟悉城商场景后，再到高速场景驾驶，然则提拔驾驶功能却优先在高速场景推出。企业潜意志合计高速NOA容易达成，不外是将车谈保合手、定速巡航等功能组合。”前述业内东谈主士透露。

即使是在现时较为安适的高速场景，提拔驾驶依然有明白短板。孙辉透露，在高速NOA中，比较常见的短板有施工、事故等突发场景搪塞欠安、异形车识别后果不睬想、迫切避险战略较保守，也就是倾向于刹车，易导致被追尾事故。

其中，施工厂景如实是高速NOA的紧要局限，比年许多激发外界关于提拔驾驶料到的事故都发生在高速公路维修路段。

“车企还莫得防范对待谈路维修工况，比如AEB关于锥桶、水马等无法平素反馈，根源在于关于这么的场景熟练不足。高速公路维修路段是一个典型的Corner case（边际场景），车企莫得针对这种场景网罗到实足多的数据，甚而莫得对这些数据进行处理。”前述学者合计。

他透露，开首，高速公路维修路段到来前，会在一都LED表示屏上请示，然则惟恐莫得提拔驾驶系统会识别请示翰墨。其次，在维修路段，会树立谈路指引标识牌，系统能否识别这么的标识牌也存在疑问。再次，维修谈路无间会安排渐进式限速，比如斯次发惹事故的维修路段，限速40公里/小时。然则这些限速标识牌无间并不法度，驾驶员看到限速从120公里/小时慢慢下跌到80公里/小时、60公里/小时、40公里/小时的时候能准确清爽，然则提拔驾驶系统可能难以连贯地清爽这些渐近式限速标识牌。“目下智驾系统在使用Transformer模子时，尽管算法还是改造，但由于车载算力有限，一般也只会关联前后4帧，约40毫秒的信息，这意味系统的‘顾虑’有限，而由于系统默许在高速公路行驶，并不会识别这些限速标识。因此与其盯住事故发生前的终末三秒，不如多去问问，为什么此前车辆并未延缓。”

恰是因为像高速公路施工这么的边际场景仍然存在，实在的自动驾驶才难以到来。汽车自动驾驶工夫被辞别为L0至L5六个级别，L3级是分界线，L3级及以上为自动驾驶。尽管国内车企不休推出L2+、L2.9等宗旨，然则仍然称不上自动驾驶。

“不要说还剩下1%的边际场景，哪怕只剩下0.01%的边际场景，依然不可离开驾驶员。”前述业内东谈主士感叹，莫得东谈主能回话还剩下若干待措置的边际场景。

实在杀青自动驾驶就需要措置边际场景的问题，不外这并非易事。关于驾驶而言，东谈主工智能与东谈主类容易犯的诞妄不同。东谈主类最容易犯的诞妄是疲倦驾驶、分神驾驶，系统既不会疲倦，也不会分神，而是取决于熟练。然则由于车载算力的截止，大模子、推理模子目下还难以运用于车端，车端更多运用深度学习模子，其不具备大模子、推理模子的泛化、推理才略，因此更容易在边际场景出现问题，也就是所谓的“黑天鹅问题”，如若在天鹅这一标签下录入1万张白日鹅相片，深度学习模子不会将一只黑天鹅相片识别为天鹅，从而出现误判。

特斯拉开首但愿通过“罢休出遗迹”的形貌措置这一问题，特斯拉FSD V12版块还是掩盖30亿公里的行驶里程数据，V13版块的下一个预备是掩盖约100亿公里的行驶里程数据，然则这昭着莫得穷尽总计驾驶场景。

前述学者告诉记者，目下，像梦想等车企也在尝试将视觉言语模子与现存的深度学习模子相鸠合，赋予系斡旋定推理才略，从而措置“黑天鹅问题”，但这仍取决于车端算力的突破。深度学习模子的参数级别约为10亿级，而所谓大模子的参数级别至少在百亿级。本年车载算力应该会突破1000 TOPS，接近1500 TOPS，也就是使用两颗英伟达Thor芯片，而来岁可能会突破2000 TOPS，这意味着比较好的推理模子可以“上车”。“跟着车载算力的普及，以及智能驾驶模子的越过，边际场景的问题有可能被更好地措置。”

在边际场景问题措置前，智驾的局限便长久存在。

把驾驶员“喊归来”不丢东谈主

尽管智能驾驶在现阶段仍然停留在提拔驾驶阶段，尚未实在杀青自动驾驶，然则跟着车企不休将L3级的才略下放到L2+级，其仍然条款驾驶员选藏力保合手围聚与为驾驶员提供实足便利之间的悖论还是出现。

在启动提拔驾驶功能的情况下，驾驶员选藏力无间难以围聚，从而带来事故隐患。

2024年4月，好意思国国度公路交通安全经管局（NHTSA）针对特斯拉的Autopilot系统发布了一份看望申诉。他们分析了2018年1月至2023年8月时间发生的956起车祸——这些事故在发生时或发生前，都启用了Autopilot。其中，有135起车祸可以通过车辆数据日记和EDR（事件数据记载器）细目驾驶员在碰撞前的反应。在82%的事故中，驾驶员莫得刹车或在碰撞前不到1秒才刹车；在78%的事故中，驾驶员莫得转向或在碰撞前不到1秒才转向。这足以标明驾驶员们有多信任提拔驾驶系统。

中国破费者协会投诉部主任王芳也指出，近期73%的自动驾驶关系投诉触及“过度信任系统导致的分神驾驶”。

尽管车企也在使用工夫技巧保证驾驶员选藏力实足围聚，但这一方面被合计有悖于东谈主性，另一方面，车企为展现更好的提拔驾驶才略，也在追求所谓的“零选用”。

孙辉告诉记者，从工夫层面来说，DMS（驾驶员监测系统）可以很好地对驾驶员情景进行及时监测，取得微色调信息，如疲倦、选藏力分布等，但由于车内秘籍保护等接洽存在接受意愿不高的景象。提高驾驶员使用提拔驾驶系统门槛可能会被清爽成车企工夫不自信，同期收缩了客户权限，容易导致负面的商场反应，罪犯规情况下预期车企不会优先选拔。

在L2+级提拔驾驶的语境下，提拔驾驶系统究竟应该在何时、何地交给驾驶员选用，目下并无明确监管条款。

“关于L2+级提拔驾驶而言，目下最紧要的是把东谈主‘喊归来’，也就是选用，在驾驶员仍要负责的情况下，莫得必要条款系统措置一切问题。比如：如若系统在高速公路上识别到维修路段的一个特征，是不是就可以平直把驾驶员‘喊归来’？如若监管不在这方面提议明确条款，车企便会倾向于无尽‘秀技’。因为车企无间在潜意志中合计，提拔驾驶系统把驾驶员‘喊归来’比较‘丢东谈主’，一朝提拔驾驶系统经常退出，还会被合计选用率（MPI）过高，从而被合计提拔驾驶系统性能较差。因此车企为了镌汰选用率，提拔驾驶系统无间有‘不行也行’的倾向，最为典型的可能就是特斯拉，FSD就是不肯意退出。”前述业内东谈主士直言。

他透露：“如若提拔驾驶系统在某些场景莫得经过充分测试，在际遇这些场景时就该毅力退出，甚而在关系场景根柢不应该下发提拔驾驶功能。在这少许上华为作念得比较好，比如其在客岁也一直莫得下发环岛、掉头等工况的NOA功能。关于汽车产业而言，一起恶性事故足以糟塌一个品牌，因此车企开首要确立起把驾驶员‘喊归来’并不‘丢东谈主’的意志。”

这次小米SU7事故发生后，驾驶员在选用后两秒便发生碰撞，由此激发选用时分的料到，然则关于L2+级提拔驾驶而言，目下这一秩序并不存在。

汽车安全规模常用TTC（碰撞时分，诡计车辆与前线遮盖物发生碰撞所需的时分）来评估合理的选用时机。系统发出选用预警时，TTC越长，就意味着驾驶员有更充足的反当令分。

同济大学汽车学院解说朱西产的团队通过模拟器测试发现，从系统请示到事故发生的平均时分仅1.7秒，而东谈主类驾驶员平均需要2.3秒才能完成从识别请示到灵验选用的操作。而当系统处于3级自动驾驶情景时，驾驶员选藏力分布率高达82%。

当今有针对L3级自动驾驶的TTC海外秩序，条款智驾系统从发出预警到驾驶员告捷选用应有10秒的TTC时分，但关于L2+提拔驾驶莫得强制性条款。

“目下车辆硬件就难以餍足L3级的TTC时分条款，如若车辆以120公里/小时的速率行驶，10秒对应距离杰出300米，目下鲜有车辆搭载的激光雷达探伤距离能达到300米。”前述业内东谈主士坦言，TTC能作念到5秒便还是可以，这也应该成为监管的硬性条款。

孙辉也建议，莫得完好的选用算法，目下的问题在于搪塞系统失效时“最小风险战略”的缺失，目下L2+仅作念报警请示，然后便退出。可参考高阶自动驾驶中“最小风险战略”的作念法，完善救急处理机制。当际遇无法处理的复杂情况或系统出现严重故障时，大略速即选拔左迁运行模式，如将车辆安全地辅导至路边泊车，或在确保安全的前提下，以较低的速率行驶到安全位置。

前述业内东谈主士透露，目下提拔驾驶系统的选用无间是“无提醒选用”，而每一次“无提醒选用”都会导致安全隐患，因为“无提醒选用”确立在驾驶员选藏力时刻围聚的假定之上，然则这种假定难以成立，因此开首应该确立起预留充足时分的情况下有提醒选用的法度。

而监管之是以是空缺，在很猛进程上亦然因为现时不同车企、不同车型L2+级提拔驾驶才略鸿沟并不明晰。即使是杀青难度较低的高速NOA，不同车型的性能发达互异仍然较大。在本年这一智驾平权元年，奇瑞小蚂蚁搭载的猎鹰智驾系统也宣称具备高速NOA功能，而其售价还是低至5万元。

“近期，咱们也在参与中国汽车工业料到院的智驾长测，将售价从5万元到30万元以上的不同车型辞别为六档，所选车型均宣称具备高速NOA功能，通过打分测试其性能互异。”前述学者透露，但愿借此慢慢冲突NOA枯竭国度秩序，车企“宣称”具备NOA功能就具备NOA功能的情况。测试是制定下一步监管划定的基础，一些廉价位车型如若在提拔驾驶系统性能上发达较差，就理当通过更多、更合理的选用来保险安全。

原标题：三名女大学生葬身车祸，谁的错？

剪辑：杨雁琳 责编：吴忠兰 审核：阮鹏程开云体育

发布于：重庆市