所有智驾的AEB，都可能遭遇“失灵”？

谁也没想到，开年刚刚掀起的“智驾平权”浪潮，这两天却因为一起交通事故，被狠狠地泼了一盆冷水。

3月29日晚，一辆小米SU7标准版在德上高速公路池祁段遭遇严重事故，以97km/h的速度撞上了水泥护栏并发生爆燃，车上3人不幸遇难。最关键的是，在事故发生前，这辆小米SU7正处于NOA领航辅助状态，以116km/h的车速持续行驶。一时间，智能驾驶的安全性问题再次被推上了风口浪尖。

根据小米汽车给出的行驶数据显示，虽然在碰撞发生前，智驾系统发现了障碍并做出预警，同时进行了减速动作，但给驾驶人的反应时间只有短短的2秒钟。问题来了，为什么小米SU7智驾系统直到最后一刻才发现危险？速度明明在AEB工作范围内（8-135km/h），AEB为何没有激活？

对此，小米汽车在最新的公告中给出了答复，该功能目前不响应锥桶、水马、石头、动物等障碍物。说白了，就是不识别。那肯定有人又要说了，宣传吹上天，出事儿才承认识别不了。先别急，不识别还真不完全是小米的锅。

识别局限是通病

想弄清AEB自动紧急刹车系统为什么不启动，首先要知道它的工作原理。简单来说，AEB的激活需要经过感知、决策、执行三个步骤。首先系统要通过雷达、摄像头等感知硬件监测前方的道路环境信息，识别障碍物。如果存在障碍，系统将会基于车辆与障碍之间的距离，或碰撞所需时间来评估碰撞风险，如果判定系统设定的某个安全阈值时，便会触发紧急制动。在这一整套运行流程中，感知无疑是最为重要的一环。恰恰就是这一环，有一个整个行业都无法避免的通病——传感器感知局限。

AEB感知硬件上，最常见的是毫米波雷达和摄像头的融合感知，只是这两种传感器都有比较明显的性能局限。毫米波雷达可以精确测算车辆与障碍物的相对速度、距离和角度，探测距离也较远，但是并不能看出障碍物具体是啥。摄像头虽然可以直观清晰地识别环境、行人、车辆或其他障碍，但也更容易受天气、光照等因素影响。

而且在面对新泽西护栏、水泥墩、水马、锥桶等形状不规则的静态物体，或前车掉落的物品零件、闯入高速的小动物，以及儿童、蹲着的人等低矮事物时，感知系统也普遍存在不能及时识别或识别不到的情况。这次小米SU7事故，就是吃了标准版纯视觉感知性能局限+夜间光照不足+无法识别不规则障碍物的亏。

对此，车企简单可以分两种技术路线。一方面，是升级纯视觉方案，比如小鹏MONA M03的AI鹰眼视觉感知系统，就采用了双目摄像头+毫米波雷达的组合。其中双目摄像头相比传统单目摄像头，不仅拥有更好的识别精度、环境适应性，还具备距离、深度的感知能力，结合毫米波雷达，可带来更多安全冗余。再比如比亚迪的天神之眼C智驾系统，目前已经用上了三目摄像头融合感知，进一步提升了对障碍物的识别能力。当然，特斯拉是一个例外，FSD仍然完全依赖视觉摄像头进行感知。不过凭借先进的HW4.0硬件平台和端到端神经网络，FSD同样具备可靠的感知性能和决策执行能力。

另一方面，就是以华为、理想、蔚来等为代表的激光雷达融合感知方案。激光雷达尽管成本较高，且不能避免雨雪沙尘等极端天气的干扰，但更远的探测距离、厘米级的测距精度可以有效弥补摄像头和毫米波雷达的缺陷，构筑更完善的感知系统。

像华为最新的ADS 3.3的立体融合感知系统，就搭载了1个192线激光雷达、3个高精度固态激光雷达、3个分布式4D毫米波雷达矩阵、2个4D毫米波角雷达、12个超声波雷达+11个高清摄像头组成。激光雷达最远探测距离可达200米，3颗激光雷达协同作用可覆盖300度感知范围，几乎可以实现对周围环境的360度无死角感知。加上数据积累、算法训练，已经可以比较准确地识别水马、锥桶等不异形障碍物。并且AEB的工作范围，在ADS 3.3上也被提升到了时速150km/h。

不过，即便做到这个地步，目前也没有人敢断言可以保证100%的障碍识别准确率，毕竟现实的交通环境要比训练场景复杂得多。此前3.15曝光的小鹏G6与逆行三轮车的严重碰撞事故，其实就已经暴露这一问题。事故车之所以没触发AEB，随车手册写得非常明白，AEB无法对逆向车辆起作用。

宁可不刹，不能错刹

那么假如已经过了感知这一关，AEB是不是就可以触发启动了呢？还真不一定。

很多人都会存在一个误区，就是把触发AEB当作车辆规避风险的必然结果。然而事实上，AEB的触发需要考虑很多因素。首先就是前面提到的车速，小米SU7的AEB工作范围是8-135km/h，华为升级到ADS 3.3后AEB是4-150km/h，理想的是5-120km/h。超过这些范围，AEB是肯定不会触发的。

不过这些135km/h、150km/h的速度都是极限工况，只能看作安全冗余，并不代表在这一范围内AEB就一定没问题。厂家在标定系统执行策略时，还要考虑当前的速度触发AEB，是否会引发其他风险。在高速行驶中如果突然急刹车，不仅可能会导致后车追尾，在湿滑路面上甚至还可能造成自身出现失控风险。

与此同时，避免误触发也是AEB系统需要考量的重点。在去年，理想就发生过一起错把广告牌中的车辆识别成前车，突然急刹导致后车追尾的事故。再把时间线往前倒，特斯拉有过类似的情况。如果行人或车辆稍微离近一点，或者有一些其他细小的风吹草动，就要触发AEB的话，反而会产生一些不安全的因素，还可能惊吓到车内的乘员，影响驾乘体验。因此，很多厂商都会采用较保守的AEB标定策略，就比如小鹏。

去年媒体小鹏华为AEB之争，小鹏汽车在夜间、雾天等场景的AEB媒体实测中频频翻车，有一部分原因就在于标定偏保守，一切以防误杀为前提。相反的，华为就表现出了更激进的标定策略，在各种场景下基本都能做到及时刹停。当然，这也是得益于华为在硬件和算法上的优势，对于误触发的优化比较到位。

除此之外，AEB的触发还有一个非常重要的原则，就是不能有人为干预。当系统判定车辆与障碍物之间的距离，超过了系统标定的安全阈值，且在发出警告后发现驾驶员仍未采取有效的避险措施时，那么AEB便会触发来规避事故。但如果系统监测到驾驶员接管了车辆，并做出制动或转向动作时，那么AEB就不会触发介入，干扰人为操作。

回头来看此次的小米SU7事故，在事故发生的前2秒，车辆的NOA智能辅助驾驶退出，进入人驾状态，并做出了左右转向和制动动作。这种情况，完全符合AEB不会触发的条件之一。

写在最后

归根结底，如今的智能驾驶只是L2级的自动辅助驾驶，而不是自动驾驶。AEB也只是一种主动安全措施，而非绝对的救命稻草。作为车主，我们应该理性地看待和使用智能驾驶，驾驶员始终都是驾驶安全的第一责任人，不能盲目将自己的生命交给这些“遥遥领先”的科技。作为车企，或许也应该反思，我们是不是过于追求营销而忽视了对消费者的教育。只有更加明确当前智能驾驶的能力边界，避免那些绝对化的营销话术，让消费者对智能驾驶有更清晰的认知，才能避免更多悲剧的发生。