6月4日，国家标准信息公共服务平台公示了一项关于《智能网联汽车组合驾驶辅助系统安全要求》的国家标准项目。该项目由工业和信息化部提出，委托全国汽车标准化技术委员会智能网联汽车分会执行，是对于智能驾驶安全规范的进一步落地。
随着强制性国标的退出，对于智驾安全的监管将更加严格、精细。
一些读者就产生疑问，智驾到底安不安全？为什么智驾功能不能一禁了之？
简单来说，智驾系统多传感器融合（如毫米波雷达、激光雷达）和AI算法，可以主动规避风险，自动刹车、紧急避让，在复杂路况中，智驾配合人类司机，可作为安全冗余，切实降低事故概率。所以，智驾是汽车安全所不可或缺的。
问题在于，消费者对智驾的安全能力如何实现，技术成熟度怎么样，这些问题的认识还不多，就容易产生误判。
有必要从技术的视角出发，聊一聊智驾安全究竟是怎么实现的，以及发展到了什么水平。
智驾，为什么仍不安全？
谈论智驾安全之前，有必要先谈一谈，智驾到底为什么可能不安全。原因可以用一句话总结——“负样本无法穷举”。
负样本，就是算法系统所面对的异常情况。不管一个车企的数据准备多么充足，仿真模拟训练多强大，样本准备多么完备，随着时间的发展演进，一定会出现智驾系统没学到的负样本。
举个例子，扁鹊华佗活到今天，也治不了新冠病毒，因为他们生活的两千多年里就没有遇到过这种病毒，新冠病毒就是神医的“负样本”，他们也没办法治疗。
当前的智驾在现实中遇到没见过的“负样本”，就可能认不出来，造成风险隐患，包括但不限于：
1.硬件异常。当汽车的激光雷达、摄像头、雷达等传感器，遇到雨雪、灰尘、雾霾等环境干扰，或者隧道入口、施工区域等监测盲区，就有可能导致感知错误，造成事故。前不久特斯拉FSD就在北美施工区域发生碰撞，原因就是没有识别出工地的锥形桶。此外，车载高精地图没有及时更新，也可能导致路径规划错误。车载通信中断或延迟，车辆与其他车辆或道路信息同步失败，就无法给智驾提供实时参考的决策数据。
2.环境变化。在省会城市等有清晰道路边界的结构化道路上，NOA智驾系统可以游刃有余，但一旦看到县镇、乡村之类路面标记不太完备、清晰的地方，不少智驾系统就变成“麻瓜”了。模型预测不了，倚仗智驾就存在风险。小米SU7事故中，高速道路临时限行需要变道，路况变化就对系统判断构成了挑战。
3.软件异常。智驾的AI算法模型是一种软件，也可能存在算法决策错误，比如规划模块生成不合理的轨迹，系统崩溃或内存泄露，通信中断导致系统响应延时或失效，遭到远程攻击而被锁定等异常情况。2022年，就有一位黑客通过软件漏洞，远程控制了25辆特斯拉，完成远程打开门窗，无需钥匙就能启动汽车等操作。
4.人为因素。驾乘者的异常，也可能导致行驶风险，比如驾驶员没有及时响应系统提示，或者主动干预失败。那这时候，就要求智驾系统有被动安全能力，即使事故发生也能快速触发紧急救援流程，确保车载通信系统的联接稳定，车门等逃生通道畅通。
可以说，旧的负样本被智驾系统学到了，但汽车行驶安全中会遇到意想不到的新的“负样本”。异常情况不能被学完，是不是代表着智驾就不能用了？也不是。
智驾，为什么更安全？
智驾系统在仿真平台和现实路测中学过的“负样本”，比绝大多数人类司机一辈子开过的路都多。
比如说，鸿蒙智行eAES动态避险的误触发率，设计标准是亿公里级，相当于绕地球2500圈才可能出现一次误判，较业界要求高出100倍，更比人类驾驶员的误判率低得多。特斯拉2025年第一季度车辆安全报告显示，使用驾驶辅助系统Autopilot的车辆，每行驶744万英里（1197万公里）才会发生一次事故，事故发生概率仅为美国平均水平的十分之一。
所以，智驾辅助人类的“人机协同”，相当于给司机一个强大的外挂，具备很多额外能力，自然比全人工驾驶有了更多的冗余安全保障。
首先是感知层，有更清晰敏锐的“眼睛”。通过多传感器融合感知，实现对道路环境的实时感知，让智驾系统比人类看得全、看得清、看得远。比如在雨雾雪天气下，人类肉眼都很难辨别其他车辆，但智驾可以借助传感器和路侧信息，来精准感知前后车距离。
决策层，更聪明精准的“大脑”。传感器采集的数据，经由智驾系统的AI模型进行实时分析处理决策，生成驾驶指令。目前，智驾系统正从大量规则经验的分段式决策，迈向one model端到端，这样的好处是，不用工程师提前设计规则，只要不断输入人类驾驶数据，系统可以自主学习，相当于遇到“负样本”自己就能学，进化速度极快。
特斯拉就为FSD输入了1000万个高质量的人类驾驶视频，加上全球行驶在路上的数百万辆车辆每天提供大量视频用于训练，让FSD达到了老司机的水准。
控制层，更灵敏坚韧的“肢体”。智驾系统的AI大脑做出决策，还需要底盘的动态响应能力来完美执行，智能底盘技术可以实时调整悬架、转向角度、制动力分配等，规避人类操作延迟导致的失稳或失控，确保安全性和操控性，实现主动安全。
相比人类手脚操作，智能底盘系统的灵敏度和精细度更高，比如尊界S800被热议的“凌波微步”，通过动态车身姿态控制，让车辆在冰雪路面、复杂路况下也能稳定协同，提前预测道路变化，减少爆胎失稳的风险，背后依靠的是首发搭载的华为ADS 4.0途灵龙行底盘，将车身、动力、悬架、转向、制动和热管理六大系统（6合1）深度融合，实现跨域协同控制。
上述眼、脑、手的智能外挂，让驾乘更加安全，是毋庸置疑的，但这还不够。
消费者对智驾安全性的追求，是永无止境的。任何已经实现了、普及了的安全保障技术，都会被认为是理所当然的，用户会接着提出更高更苛刻的要求，让智驾安全无限逼近100%。
真正有意义的问题是，智驾还可以更安全一点吗？
技术路线有分野，智驾安全未完成
当下，智驾系统难以应对的负样本，仍然存在，这就要求：
车企始终在智驾安全上大力投入，不断追求100%安全的理想目标；第二，消费者也要清醒地意识到，智驾系统也是有局限的，99.999999%的智驾安全也不是100%。
如何逼近100%的智驾安全，就形成了车企之间的技术路线分野：
一种是极致技术，以特斯拉纯视觉方案为代表。
特斯拉坚持采用纯视觉方案，也就是只靠视觉摄像头（而不依赖激光雷达）构建视觉感知层。这一技术路线的好处，一是通过视觉识别无限逼近AGI，让汽车只靠图像输入生成控制指令，决策更接近人类；二是大幅降低硬件成本，激光雷达价格高达数万美元，低价汽车很难配备，纯视觉方案具备价格优势和普及优势。
这种方案是跨越式的“一步到位”，在北美市场领先，但也遭受了国内本土场景的挑战，比如缺少激光雷达，会导致对陌生环境的适应性不足。加上中国有窄路会车这样的复杂场景，数据采集和训练都受限，就不容易识别出来。
对于纯视觉技术路线，国内车企的看法也各有不同。比如小鹏汽车选择跟进，放弃激光雷达和高精地图（但保留毫米波雷达和超声波雷达），转向了视觉融合方案。但蔚来则十分反对，李斌认为只要激光雷达提供的信息是准确的可靠的，就是有用的，车配不配激光雷达是商业问题，（取决于）企业是不是愿意为这个付出成本，“说激光雷达没用的非蠢即坏”。
而另一种路线：全面防护，以鸿蒙智行5维安全为代表。
业内还有一个观点是，既然无法穷举所有可能的异常场景（如突发障碍物、极端天气、驾驶员误操作等），那么通过技术融合与冗余设计，来全方位无死角地确保系统在复杂环境下的可靠性。比如激光雷达虽然贵，但也要配，也得用，以提供安全冗余。
这种全面防护思维，鸿蒙智行提出的“五维安全”理念可以说是标杆了。
五维安全，指的是全时速安全、全方向安全、全目标安全、全天候安全、全场景安全。无论车速、天气、驾驶状态、前后左右方位等各种极端场景，都要求车辆能够精准识别并准确反应。具体怎么实现呢？
一是硬件冗余。通过多传感器融合，形成超越人类感知精度的无死角覆盖。
最新发布的尊界S800就通过36个传感器，建立了前向、侧向、后向的全向立体融合感知系统。包括4个激光雷达，3个分布式4D毫米波雷达矩阵，2个4D毫米波角雷达，11个视觉摄像头，12个超声波雷达，4个车外麦克风。这种感知层的冗余设计，可以让汽车充分感知外部环境变化，哪怕是雨雾尘天气，也能识别人的肉眼都看不到的车辆，主动刹停，规避碰撞风险。
当然，也有人认为这种冗余设计虽然降低了误判风险，但成本高，性能不及特斯拉。这就要提到五维安全的另一个特点：算法创新。
通过系统、算法等软件层面的创新，与硬件协同，可以实现从低速到高速的安全控制，并进行主动避险。华为ADS 3.0通过PDP网络和本能安全网络，实现纳秒级决策响应，eAES技术（增强型自动紧急转向）可在0.5秒内完成刹车+换道动作。
最新的ADS 4.0系统，进一步基于全新WEWA技术架构，让车端世界行为模型和云端世界引擎相结合，通过云端训练强化对少见的复杂场景或特殊车辆进行识别，车载World Action Model带来更类人的智驾辅助，进一步增强主动安全能力。
总结一下的话，纯视觉方案是“技术摸高”，五维安全理念就是广覆盖高冗余，把安全水桶的“水位增厚”。
二者虽然路线不同，但都在以技术创新来重新划定汽车安全的天花板，让智驾安全不断接近100%的理想状态。
至少在今天，100%的智驾安全仍是一个理想，人类还在奔赴理想的路上。无论哪种路线，都需要不断提高智驾安全的可及性，让更广大的消费者和车主能够获得新技术、新能力、新硬件。
总之，结合智驾的人机协同，将不可逆转地到来。智驾安全的能力边界，也圈定了车企的竞争力边界。能否推动智驾安全的能力边界不断延伸，无限逼近100%，是车企接下来的头号赛点。
原文标题 : 智驾安全，发展到哪一步了？
6月4日，国家标准信息公共服务平台公示了一项关于《智能网联汽车组合驾驶辅助系统安全要求》的国家标准项目。该项目由工业和信息化部提出，委托全国汽车标准化技术委员会智能网联汽车分会执行，是对于智能驾驶安全规范的进一步落地。
随着强制性国标的退出，对于智驾安全的监管将更加严格、精细。
一些读者就产生疑问，智驾到底安不安全？为什么智驾功能不能一禁了之？
简单来说，智驾系统多传感器融合（如毫米波雷达、激光雷达）和AI算法，可以主动规避风险，自动刹车、紧急避让，在复杂路况中，智驾配合人类司机，可作为安全冗余，切实降低事故概率。所以，智驾是汽车安全所不可或缺的。
问题在于，消费者对智驾的安全能力如何实现，技术成熟度怎么样，这些问题的认识还不多，就容易产生误判。
有必要从技术的视角出发，聊一聊智驾安全究竟是怎么实现的，以及发展到了什么水平。
智驾，为什么仍不安全？
谈论智驾安全之前，有必要先谈一谈，智驾到底为什么可能不安全。原因可以用一句话总结——“负样本无法穷举”。
负样本，就是算法系统所面对的异常情况。不管一个车企的数据准备多么充足，仿真模拟训练多强大，样本准备多么完备，随着时间的发展演进，一定会出现智驾系统没学到的负样本。
举个例子，扁鹊华佗活到今天，也治不了新冠病毒，因为他们生活的两千多年里就没有遇到过这种病毒，新冠病毒就是神医的“负样本”，他们也没办法治疗。
当前的智驾在现实中遇到没见过的“负样本”，就可能认不出来，造成风险隐患，包括但不限于：
1.硬件异常。当汽车的激光雷达、摄像头、雷达等传感器，遇到雨雪、灰尘、雾霾等环境干扰，或者隧道入口、施工区域等监测盲区，就有可能导致感知错误，造成事故。前不久特斯拉FSD就在北美施工区域发生碰撞，原因就是没有识别出工地的锥形桶。此外，车载高精地图没有及时更新，也可能导致路径规划错误。车载通信中断或延迟，车辆与其他车辆或道路信息同步失败，就无法给智驾提供实时参考的决策数据。
2.环境变化。在省会城市等有清晰道路边界的结构化道路上，NOA智驾系统可以游刃有余，但一旦看到县镇、乡村之类路面标记不太完备、清晰的地方，不少智驾系统就变成“麻瓜”了。模型预测不了，倚仗智驾就存在风险。小米SU7事故中，高速道路临时限行需要变道，路况变化就对系统判断构成了挑战。
3.软件异常。智驾的AI算法模型是一种软件，也可能存在算法决策错误，比如规划模块生成不合理的轨迹，系统崩溃或内存泄露，通信中断导致系统响应延时或失效，遭到远程攻击而被锁定等异常情况。2022年，就有一位黑客通过软件漏洞，远程控制了25辆特斯拉，完成远程打开门窗，无需钥匙就能启动汽车等操作。
4.人为因素。驾乘者的异常，也可能导致行驶风险，比如驾驶员没有及时响应系统提示，或者主动干预失败。那这时候，就要求智驾系统有被动安全能力，即使事故发生也能快速触发紧急救援流程，确保车载通信系统的联接稳定，车门等逃生通道畅通。
可以说，旧的负样本被智驾系统学到了，但汽车行驶安全中会遇到意想不到的新的“负样本”。异常情况不能被学完，是不是代表着智驾就不能用了？也不是。
智驾，为什么更安全？
智驾系统在仿真平台和现实路测中学过的“负样本”，比绝大多数人类司机一辈子开过的路都多。
比如说，鸿蒙智行eAES动态避险的误触发率，设计标准是亿公里级，相当于绕地球2500圈才可能出现一次误判，较业界要求高出100倍，更比人类驾驶员的误判率低得多。特斯拉2025年第一季度车辆安全报告显示，使用驾驶辅助系统Autopilot的车辆，每行驶744万英里（1197万公里）才会发生一次事故，事故发生概率仅为美国平均水平的十分之一。
所以，智驾辅助人类的“人机协同”，相当于给司机一个强大的外挂，具备很多额外能力，自然比全人工驾驶有了更多的冗余安全保障。
首先是感知层，有更清晰敏锐的“眼睛”。通过多传感器融合感知，实现对道路环境的实时感知，让智驾系统比人类看得全、看得清、看得远。比如在雨雾雪天气下，人类肉眼都很难辨别其他车辆，但智驾可以借助传感器和路侧信息，来精准感知前后车距离。
决策层，更聪明精准的“大脑”。传感器采集的数据，经由智驾系统的AI模型进行实时分析处理决策，生成驾驶指令。目前，智驾系统正从大量规则经验的分段式决策，迈向one model端到端，这样的好处是，不用工程师提前设计规则，只要不断输入人类驾驶数据，系统可以自主学习，相当于遇到“负样本”自己就能学，进化速度极快。
特斯拉就为FSD输入了1000万个高质量的人类驾驶视频，加上全球行驶在路上的数百万辆车辆每天提供大量视频用于训练，让FSD达到了老司机的水准。
控制层，更灵敏坚韧的“肢体”。智驾系统的AI大脑做出决策，还需要底盘的动态响应能力来完美执行，智能底盘技术可以实时调整悬架、转向角度、制动力分配等，规避人类操作延迟导致的失稳或失控，确保安全性和操控性，实现主动安全。
相比人类手脚操作，智能底盘系统的灵敏度和精细度更高，比如尊界S800被热议的“凌波微步”，通过动态车身姿态控制，让车辆在冰雪路面、复杂路况下也能稳定协同，提前预测道路变化，减少爆胎失稳的风险，背后依靠的是首发搭载的华为ADS 4.0途灵龙行底盘，将车身、动力、悬架、转向、制动和热管理六大系统（6合1）深度融合，实现跨域协同控制。
上述眼、脑、手的智能外挂，让驾乘更加安全，是毋庸置疑的，但这还不够。
消费者对智驾安全性的追求，是永无止境的。任何已经实现了、普及了的安全保障技术，都会被认为是理所当然的，用户会接着提出更高更苛刻的要求，让智驾安全无限逼近100%。
真正有意义的问题是，智驾还可以更安全一点吗？
技术路线有分野，智驾安全未完成
当下，智驾系统难以应对的负样本，仍然存在，这就要求：
车企始终在智驾安全上大力投入，不断追求100%安全的理想目标；第二，消费者也要清醒地意识到，智驾系统也是有局限的，99.999999%的智驾安全也不是100%。
如何逼近100%的智驾安全，就形成了车企之间的技术路线分野：
一种是极致技术，以特斯拉纯视觉方案为代表。
特斯拉坚持采用纯视觉方案，也就是只靠视觉摄像头（而不依赖激光雷达）构建视觉感知层。这一技术路线的好处，一是通过视觉识别无限逼近AGI，让汽车只靠图像输入生成控制指令，决策更接近人类；二是大幅降低硬件成本，激光雷达价格高达数万美元，低价汽车很难配备，纯视觉方案具备价格优势和普及优势。
这种方案是跨越式的“一步到位”，在北美市场领先，但也遭受了国内本土场景的挑战，比如缺少激光雷达，会导致对陌生环境的适应性不足。加上中国有窄路会车这样的复杂场景，数据采集和训练都受限，就不容易识别出来。
对于纯视觉技术路线，国内车企的看法也各有不同。比如小鹏汽车选择跟进，放弃激光雷达和高精地图（但保留毫米波雷达和超声波雷达），转向了视觉融合方案。但蔚来则十分反对，李斌认为只要激光雷达提供的信息是准确的可靠的，就是有用的，车配不配激光雷达是商业问题，（取决于）企业是不是愿意为这个付出成本，“说激光雷达没用的非蠢即坏”。
而另一种路线：全面防护，以鸿蒙智行5维安全为代表。
业内还有一个观点是，既然无法穷举所有可能的异常场景（如突发障碍物、极端天气、驾驶员误操作等），那么通过技术融合与冗余设计，来全方位无死角地确保系统在复杂环境下的可靠性。比如激光雷达虽然贵，但也要配，也得用，以提供安全冗余。
这种全面防护思维，鸿蒙智行提出的“五维安全”理念可以说是标杆了。
五维安全，指的是全时速安全、全方向安全、全目标安全、全天候安全、全场景安全。无论车速、天气、驾驶状态、前后左右方位等各种极端场景，都要求车辆能够精准识别并准确反应。具体怎么实现呢？
一是硬件冗余。通过多传感器融合，形成超越人类感知精度的无死角覆盖。
最新发布的尊界S800就通过36个传感器，建立了前向、侧向、后向的全向立体融合感知系统。包括4个激光雷达，3个分布式4D毫米波雷达矩阵，2个4D毫米波角雷达，11个视觉摄像头，12个超声波雷达，4个车外麦克风。这种感知层的冗余设计，可以让汽车充分感知外部环境变化，哪怕是雨雾尘天气，也能识别人的肉眼都看不到的车辆，主动刹停，规避碰撞风险。
当然，也有人认为这种冗余设计虽然降低了误判风险，但成本高，性能不及特斯拉。这就要提到五维安全的另一个特点：算法创新。
通过系统、算法等软件层面的创新，与硬件协同，可以实现从低速到高速的安全控制，并进行主动避险。华为ADS 3.0通过PDP网络和本能安全网络，实现纳秒级决策响应，eAES技术（增强型自动紧急转向）可在0.5秒内完成刹车+换道动作。
最新的ADS 4.0系统，进一步基于全新WEWA技术架构，让车端世界行为模型和云端世界引擎相结合，通过云端训练强化对少见的复杂场景或特殊车辆进行识别，车载World Action Model带来更类人的智驾辅助，进一步增强主动安全能力。
总结一下的话，纯视觉方案是“技术摸高”，五维安全理念就是广覆盖高冗余，把安全水桶的“水位增厚”。
二者虽然路线不同，但都在以技术创新来重新划定汽车安全的天花板，让智驾安全不断接近100%的理想状态。
至少在今天，100%的智驾安全仍是一个理想，人类还在奔赴理想的路上。无论哪种路线，都需要不断提高智驾安全的可及性，让更广大的消费者和车主能够获得新技术、新能力、新硬件。
总之，结合智驾的人机协同，将不可逆转地到来。智驾安全的能力边界，也圈定了车企的竞争力边界。能否推动智驾安全的能力边界不断延伸，无限逼近100%，是车企接下来的头号赛点。
原文标题 : 智驾安全，发展到哪一步了？
