智驾普及前，请给智驾描个边儿

小米 SU7 车祸，刷新公众的智驾认知。

高速路提醒在施工路段关闭智能驾驶，“相亲相爱一家人”群传来长辈的语音：智驾用不得。

一起车祸让智驾露出原形，原来智驾并不靠谱，与车企营销中的零接管、放心用大相径庭。

深入剖析事故车小米 SU7 标准版，采用 11颗摄像头 、1 个毫米波雷达和 12 个超声波雷达，比 高配MAX 版少了激光雷达，属于纯视觉方案。

更大的差异是智驾芯片算力，小米 SU7 标准版只有 84TOPS，但 Pro 版开始，就用上 508TOPS的智驾芯片。

纯视觉被认为是智驾的激进方案，而低算力加大了技术难度。纯视觉+低算力，等于是难上加难。

令人担心的是，智驾普及战中，低算力纯视觉智驾依靠成本优势，被众多车企当做主流方案，成为标配。

既然智驾普及挡不住，车企能否先给智驾能力描个边儿？

纯视觉+低算力≈5 岁小孩

纯视觉智驾，算力不同体验不同。

选择三款车型做个对比，都是纯视觉智驾，但芯片算力不同：84 TOPS vs 500 TOPS，实际表现有区别。

据官方公布数据，碰撞发生前 2 秒，车辆才提醒用户接管车辆。

有博主在类似路况下测试特斯拉车型，顺利通过。软件技术差异之外，智驾芯片算力的大小也是决定性因素。智驾就像一个发育中的小孩，低算力5 岁，高算力10 岁。

智驾功能安算力需求做高低排列，自动泊车<高速NOA<城区NOA。

低算力方案目前只能实现高速 NOA 功能，理论上支持城市 NOA ，实际体验效果较差，停留在商业宣传中。

低算力纯视觉的高速 NOA ，各家车企虽然宣布放弃高精地图，采用导航地图+高精地图+视觉感知的“轻”/“简”图技术，但实际脱离高精地图与固定规则寸步难行。

高算力智驾的核心技术在于 AI 能力，业界的商业技术名词很多，端到端，一段式端到端，VLM、VLA 、大模型等等。万变不离其宗，高算力纯视觉方案，是将各种实际道路行驶视频片段，在数据中心进行学习训练，再将学习后的驾驶模型用在车上。

车端算力的大小，直接决定车端运行模型的能力，84TOPS vs 500TOPS 大约是 5 倍差距，后者的大模型运行起来尚且磕磕绊绊，而前者甚至都没给大模型上车的机会。

吹牛可以没边儿

智驾必须有边儿

智驾营销100% 的报喜不报忧，看看常见的智驾营销话术：

xxx 公里零接管；

某一次的紧急避让操作当做普遍能力宣传；

同一款车，高配车高算力，低配车低算力，宣传时模糊高低配差异；

夸大AEB 功能，刻意宣传AEB功能极速，而对可识别物体密而不宣。

只谈智驾会做什么，而不谈智驾能做好什么，智驾的能力边界是什么，是车企智驾营销的常态。

久而久之，这些宣传对用户的影响由浅入深，令用户迷失在智驾宣传之中，忽略了宣传页底部黑底灰字，根本看不清的“免责声明”。

在飞机制造领域，飞机交付用户前，要测试飞行包线，包括能飞多快，飞多高，飞多远，以及在各种极限工况下机身的安全性能。

在智驾领域，也应该引入类似的边界理念，车企在交付智驾功能前，测试好智驾的安全边界，让车主可以放心用智驾。

人性禁不住考验，车企请自律

回到车祸本身，低算力纯视觉智驾的安全边界，能否应对夜间修路高速工况，厂家从未给出明确客观的表述。

低算力纯视觉智驾方案，核心优势是成本控制，再配合使用高精地图，的确可以实现良好气象条件，良好路况和中低车流量下的高速 NOA 功能，是个不错的舒适性功能。

原本开启条件苛刻的高速 NOA 功能，没有告知用户使用范围，被用户自行拓展到夜间可用，修路时可用，大车流量时可用，甚至下雨下雪时可用，安全边界完全失守。

一旦真实世界的某个条件恶化，比如遇到黑夜中的修路路况，驾驶员无法抵制使用智驾的诱惑，就可能引发致命事故。

智驾普及战中，如果车企不能自律，给智驾描好边儿，严格智驾使用条件，后果必将是一场灾难。