知嘹汽車/Jasper

這兩天某平臺的智駕測試搞的沸沸揚揚，每一家車企、每一款車型的系統識別能力、變道邏輯、跟車策略等等都被拉到了聚光燈下。

具體的測試成績都在榜單上，我們今天不談成績，只想聊聊什么是“好的智駕”。

激光雷達夠多？探測距離更遠？端到端大模型更完善？

這些都不是，這些只能說是更“有料”，而并非最關鍵的因素-匹配。

“身體”和“大腦”能有多少匹配度，這才是決定這臺車在輔助駕駛能開成什么樣的核心因素。

在測試里我們能看到一個很有趣的細節：每臺車的跟車距離都不相同。

有些人認為這是這場測試的貓膩，但其實這就是“匹配度”的表現。

每臺車的跟車距離都有不同，而且會因為這臺車的具體性能、時速產生變化，在技術角度這叫“實時距值”。

如果拿一臺緊湊型轎車的跟車距離與一臺大型SUV的跟車距離相比，要求跟車距離一致，這顯然很不科學。而如果一個車企并沒有給車型因為整備質量的不同、剎車性能的不同而留出足夠的制動距離，那這也是設計不周的表現。

以此為延伸，我們就能看出為什么問界M9的智能輔助駕駛表現要遠強于問界M8，這一點在小鵬P7+和小鵬G6上也有所表現。

就是因為同一套智駕系統，從本質上只是一套駕駛邏輯。即使“智駕大腦”裝的程序相同，不同車型的制動響應、車身剛性、轉向邏輯、懸架設定都不同。比如某些車型剎車距離長、重心高，那么智駕系統就必須預留更大的跟車空間，否則一腳急剎就可能讓車內乘客頭暈或引發追尾風險。

而除了匹配度之外，還有一件重要的事。

在這次測試中，比亞迪秦L的黑夜智駕表現要強于問界M9。這能代表在實際情況下，黑夜條件中秦L的表現就比問界M9強嗎？

以目前的智能駕駛技術來看，黑夜、雨夜、下雪等極端條件下，智能駕駛輔助系統的識別判斷仍然像開盲盒。

一次的成功，或者數以百計的成功都只是“偶然”，攝像頭、激光雷達的識別能力并不能做到百分之百的準確，極端條件下的輔助駕駛仍然有很多路要走。

目前的智能輔助駕駛，除了特斯拉之外，仍然沒有任何一家車企能夠做到智能輔助與車型進行完整匹配。而包括特斯拉在內，也并沒有一家車企能做到感知元件在極端條件下百分百完整感知。

無論是多智能的輔助駕駛系統，都不值得把鮮活的生命交給一個由代碼組成的機器，就連鋼鐵俠的賈維斯也不行。

知嘹汽車原創文章，如需轉載請聯系我們

*圖片來源于網絡，如侵權請聯系作者刪除*