6月4日，國家標準信息公共服務平臺公示了一項關于《智能網聯汽車組合駕駛輔助系統安全要求》的國家標準項目。該項目由工業和信息化部提出，委托全國汽車標準化技術委員會智能網聯汽車分會執行，是對于智能駕駛安全規范的進一步落地。

隨著強制性國標的推出，對于智駕安全的監管將更加嚴格、精細。

一些讀者就產生疑問，智駕到底安不安全？為什么智駕功能不能一禁了之？

簡單來說，智駕系統多傳感器融合（如毫米波雷達、激光雷達）和AI算法，可以主動規避風險，自動剎車、緊急避讓，在復雜路況中，智駕配合人類司機，可作為安全冗余，切實降低事故概率。所以，智駕是汽車安全所不可或缺的。

問題在于，消費者對智駕的安全能力如何實現，技術成熟度怎么樣，這些問題的認識還不多，就容易產生誤判。

有必要從技術的視角出發，聊一聊智駕安全究竟是怎么實現的，以及發展到了什么水平。

智駕，為什么仍不安全？

談論智駕安全之前，有必要先談一談，智駕到底為什么可能不安全。原因可以用一句話總結——“負樣本無法窮舉”。

負樣本，就是算法系統所面對的異常情況。不管一個車企的數據準備多么充足，仿真模擬訓練多強大，樣本準備多么完備，隨著時間的發展演進，一定會出現智駕系統沒學到的負樣本。

舉個例子，扁鵲華佗活到今天，也治不了新冠病毒，因為他們生活的兩千多年里就沒有遇到過這種病毒，新冠病毒就是神醫的“負樣本”，他們也沒辦法治療。

當前的智駕在現實中遇到沒見過的“負樣本”，就可能認不出來，造成風險隱患，包括但不限于：

1.硬件異常。當汽車的激光雷達、攝像頭、雷達等傳感器，遇到雨雪、灰塵、霧霾等環境干擾，或者隧道入口、施工區域等監測盲區，就有可能導致感知錯誤，造成事故。前不久特斯拉FSD就在北美施工區域發生碰撞，原因就是沒有識別出工地的錐形桶。此外，車載高精地圖沒有及時更新，也可能導致路徑規劃錯誤。車載通信中斷或延遲，車輛與其他車輛或道路信息同步失敗，就無法給智駕提供實時參考的決策數據。

2.環境變化。在省會城市等有清晰道路邊界的結構化道路上，NOA智駕系統可以游刃有余，但一旦看到縣鎮、鄉村之類路面標記不太完備、清晰的地方，不少智駕系統就變成“麻瓜”了。模型預測不了，倚仗智駕就存在風險。小米SU7事故中，高速道路臨時限行需要變道，路況變化就對系統判斷構成了挑戰。

3.軟件異常。智駕的AI算法模型是一種軟件，也可能存在算法決策錯誤，比如規劃模塊生成不合理的軌跡，系統崩潰或內存泄露，通信中斷導致系統響應延時或失效，遭到遠程攻擊而被鎖定等異常情況。2022年，就有一位黑客通過軟件漏洞，遠程控制了25輛特斯拉，完成遠程打開門窗，無需鑰匙就能啟動汽車等操作。

4.人為因素。駕乘者的異常，也可能導致行駛風險，比如駕駛員沒有及時響應系統提示，或者主動干預失敗。那這時候，就要求智駕系統有被動安全能力，即使事故發生也能快速觸發緊急救援流程，確保車載通信系統的聯接穩定，車門等逃生通道暢通。

可以說，舊的負樣本被智駕系統學到了，但汽車行駛安全中會遇到意想不到的新的“負樣本”。異常情況不能被學完，是不是代表著智駕就不能用了？也不是。

智駕，為什么更安全？

智駕系統在仿真平臺和現實路測中學過的“負樣本”，比絕大多數人類司機一輩子開過的路都多。

比如說，鴻蒙智行eAES動態避險的誤觸發率，設計標準是億公里級，相當于繞地球2500圈才可能出現一次誤判，較業界要求高出100倍，更比人類駕駛員的誤判率低得多。特斯拉2025年第一季度車輛安全報告顯示，使用駕駛輔助系統Autopilot的車輛，每行駛744萬英里（1197萬公里）才會發生一次事故，事故發生概率僅為美國平均水平的十分之一。

所以，智駕輔助人類的“人機協同”，相當于給司機一個強大的外掛，具備很多額外能力，自然比全人工駕駛有了更多的冗余安全保障。

首先是感知層，有更清晰敏銳的“眼睛”。通過多傳感器融合感知，實現對道路環境的實時感知，讓智駕系統比人類看得全、看得清、看得遠。比如在雨霧雪天氣下，人類肉眼都很難辨別其他車輛，但智駕可以借助傳感器和路側信息，來精準感知前后車距離。

決策層，更聰明精準的“大腦”。傳感器采集的數據，經由智駕系統的AI模型進行實時分析處理決策，生成駕駛指令。目前，智駕系統正從大量規則經驗的分段式決策，邁向one model端到端，這樣的好處是，不用工程師提前設計規則，只要不斷輸入人類駕駛數據，系統可以自主學習，相當于遇到“負樣本”自己就能學，進化速度極快。

特斯拉就為FSD輸入了1000萬個高質量的人類駕駛視頻，加上全球行駛在路上的數百萬輛車輛每天提供大量視頻用于訓練，讓FSD達到了老司機的水準。

控制層，更靈敏堅韌的“肢體”。智駕系統的AI大腦做出決策，還需要底盤的動態響應能力來完美執行，智能底盤技術可以實時調整懸架、轉向角度、制動力分配等，規避人類操作延遲導致的失穩或失控，確保安全性和操控性，實現主動安全。

相比人類手腳操作，智能底盤系統的靈敏度和精細度更高，比如尊界S800被熱議的“凌波微步”，通過動態車身姿態控制，讓車輛在冰雪路面、復雜路況下也能穩定協同，提前預測道路變化，減少爆胎失穩的風險，背后依靠的是首發搭載的華為ADS 4.0途靈龍行底盤，將車身、動力、懸架、轉向、制動和熱管理六大系統（6合1）深度融合，實現跨域協同控制。

上述眼、腦、手的智能外掛，讓駕乘更加安全，是毋庸置疑的，但這還不夠。

消費者對智駕安全性的追求，是永無止境的。任何已經實現了、普及了的安全保障技術，都會被認為是理所當然的，用戶會接著提出更高更苛刻的要求，讓智駕安全無限逼近100%。

真正有意義的問題是，智駕還可以更安全一點嗎？

技術路線有分野，智駕安全未完成

當下，智駕系統難以應對的負樣本，仍然存在，這就要求：

車企始終在智駕安全上大力投入，不斷追求100%安全的理想目標；

第二，消費者也要清醒地意識到，智駕系統也是有局限的，99.999999%的智駕安全也不是100%。

如何逼近100%的智駕安全，就形成了車企之間的技術路線分野：

一種是極致技術，以特斯拉純視覺方案為代表。

特斯拉堅持采用純視覺方案，也就是只靠視覺攝像頭（而不依賴激光雷達）構建視覺感知層。這一技術路線的好處，一是通過視覺識別無限逼近AGI，讓汽車只靠圖像輸入生成控制指令，決策更接近人類；二是大幅降低硬件成本，激光雷達價格高達數萬美元，低價汽車很難配備，純視覺方案具備價格優勢和普及優勢。

這種方案是跨越式的“一步到位”，在北美市場領先，但也遭受了國內本土場景的挑戰，比如缺少激光雷達，會導致對陌生環境的適應性不足。加上中國有窄路會車這樣的復雜場景，數據采集和訓練都受限，就不容易識別出來。

對于純視覺技術路線，國內車企的看法也各有不同。比如小鵬汽車選擇跟進，放棄激光雷達和高精地圖（但保留毫米波雷達和超聲波雷達），轉向了視覺融合方案。但蔚來則十分反對，李斌認為只要激光雷達提供的信息是準確的可靠的，就是有用的，車配不配激光雷達是商業問題，（取決于）企業是不是愿意為這個付出成本，“說激光雷達沒用的非蠢即壞”。

而另一種路線：全面防護，以鴻蒙智行5維安全為代表。

業內還有一個觀點是，既然無法窮舉所有可能的異常場景（如突發障礙物、極端天氣、駕駛員誤操作等），那么通過技術融合與冗余設計，來全方位無死角地確保系統在復雜環境下的可靠性。比如激光雷達雖然貴，但也要配，也得用，以提供安全冗余。

這種全面防護思維，鴻蒙智行提出的“五維安全”理念可以說是標桿了。

五維安全，指的是全時速安全、全方向安全、全目標安全、全天候安全、全場景安全。無論車速、天氣、駕駛狀態、前后左右方位等各種極端場景，都要求車輛能夠精準識別并準確反應。具體怎么實現呢？

一是硬件冗余。通過多傳感器融合，形成超越人類感知精度的無死角覆蓋。

最新發布的尊界S800就通過36個傳感器，建立了前向、側向、后向的全向立體融合感知系統。包括4個激光雷達，3個分布式4D毫米波雷達矩陣，2個4D毫米波角雷達，11個視覺攝像頭，12個超聲波雷達，4個車外麥克風。這種感知層的冗余設計，可以讓汽車充分感知外部環境變化，哪怕是雨霧塵天氣，也能識別人的肉眼都看不到的車輛，主動剎停，規避碰撞風險。

當然，也有人認為這種冗余設計雖然降低了誤判風險，但成本高，性能不及特斯拉。這就要提到五維安全的另一個特點：算法創新。

通過系統、算法等軟件層面的創新，與硬件協同，可以實現從低速到高速的安全控制，并進行主動避險。華為ADS 3.0通過PDP網絡和本能安全網絡，實現納秒級決策響應，eAES技術（增強型自動緊急轉向）可在0.5秒內完成剎車+換道動作。

最新的ADS 4.0系統，進一步基于全新WEWA技術架構，讓車端世界行為模型和云端世界引擎相結合，通過云端訓練強化對少見的復雜場景或特殊車輛進行識別，車載World Action Model帶來更類人的智駕輔助，進一步增強主動安全能力。

總結一下的話，純視覺方案是“技術摸高”，五維安全理念就是廣覆蓋高冗余，把安全水桶的“水位增厚”。

二者雖然路線不同，但都在以技術創新來重新劃定汽車安全的天花板，讓智駕安全不斷接近100%的理想狀態。

至少在今天，100%的智駕安全仍是一個理想，人類還在奔赴理想的路上。無論哪種路線，都需要不斷提高智駕安全的可及性，讓更廣大的消費者和車主能夠獲得新技術、新能力、新硬件。

總之，結合智駕的人機協同，將不可逆轉地到來。智駕安全的能力邊界，也圈定了車企的競爭力邊界。能否推動智駕安全的能力邊界不斷延伸，無限逼近100%，是車企接下來的頭號賽點。

審核編輯 黃宇