芝能科技出品

最近参加了蔚来汽车举办的智能安全深度交流会，明确了其智能安全未来发展的愿景与挑战。

本次智能安全技术分享中，蔚来展示了其在智能安全底层设计、功能升级以及行业引领的成果，特别是在通用障碍物预警（GOA）、自动紧急制动（AEB）和自动紧急避让（AES）领域的突破。

我们是从蔚来智能安全的底层思考与功能升级、问答互动中的亮点问题及其未来智能安全的能力展开探讨，并对未来趋势进行总结。

01

从传统主动安全

到智能安全的跨越

传统主动安全历经 20 年发展，已逐渐向智能安全演进。传统主动安全存在以下三个核心限制：

● 场景限制：传统技术主要针对机动车、行人等有限场景，对复杂道路场景中的非标准障碍物应对能力不足。

● 迭代能力不足：传统技术受限于车型开发周期，无法快速响应用户需求。

● 误触控制导致边界收缩：为减少误触风险，系统往往设置保守阈值，降低了实际的事故规避能力。

迈向智能安全需突破这些局限，实现从有限到无限、以 AI 驱动应对真实场景、从主动刹车迈向主动转向等变革，以此作为传统与智能安全的分水岭，采用AI大模型、Transformer、Occupancy BEV以及蔚来世界模型（NWM）等前沿技术，实现了从规则计算到场景智能响应的转变，核心理念是将安全从“应试”转变为“真实场景适应”，让车辆具备刹车、转向和加速的综合避险能力。

● 通用障碍物预警（GOA）

◎ 蔚来于2024年1月率先推出了通用障碍物预警（GOA），成为行业内首家提供此功能的车企。

◎ 随后，蔚来不断优化该功能：4月时将最低启动速度降至10公里/小时，减少了46%的低速碰撞；

◎ 7月发布的265版本实现了全方位覆盖，使蔚来成为首个前后均具备GOA能力的车企，前向性能更是提升了150%，与自动紧急制动（AEB）并行工作。

展望未来，基于AI大模型的GOA正在测试阶段。新系统将不再依赖规则计算，而是支持更多转向场景，进一步增强在复杂路况下的反应能力。

● 自动紧急制动（AEB）

2024年7月，蔚来交付了基于AI大模型训练的AEB系统，这是行业内的首次应用。这项技术扩展了前向防卫角度至240度，显著提高了对不规则移动物体如两轮车的识别精度。特别是在路口这样复杂的环境中，AEB的表现提升了5.2倍，大大降低了行人和骑行者受伤的风险，并减少了整体事故率高达26%。

● 自动紧急避让（AES）

蔚来的AES技术处于智能安全辅助领域的前沿。尽管目前仅有少数几家车企量产AES，且操作设计域（ODD）相对有限，但蔚来致力于从设计之初就以减少事故为核心目标进行开发。

蔚来的AES具有以下六大特点：

◎ 高速保护：即使在80公里/小时或更高的速度下，也能有效应对“鬼探头”等突发情况，而业界通常只能做到60公里/小时。

◎ 防止夹击：能够避免连环追尾事故的发生，确保在前车突然变道且后车来不及刹车的情况下，车辆可以及时采取避让措施。

◎ 连续避让：在高速行驶中，如果一次避让不足以消除风险，AES可以在短时间内执行二次避让，保证行车安全。

◎ 与AEB整合：AEB和AES紧密协作，在紧急时刻由系统自动选择最合适的避险策略，而不是让用户手动选择，从而提升整体安全性。

◎ 极低误触发率：按照每100万公里仅一次误触发的标准设计，确保系统既不会漏报也不会误报，给用户带来安全感。

◎ 群体智能验证：通过云端累积的20亿公里数据和超过3亿公里的真实场景测试，AES能够在各种复杂条件下安全有效地运作，防止二次碰撞。

02

蔚来智能安全最终达成程度

蔚来智能安全致力于在全场景下为用户提供全方位的安全保障。在各种复杂的驾驶场景中，无论是城市道路的低速行驶，还是高速路段的快速通行，都能有效应对各类潜在危险。

通过 GOA、AEB 和 AES 等功能的协同运作，不仅能够精准识别和处理标准障碍物与常见事故场景，对非标准障碍物和特殊情况（如鬼探头、前后夹击、连续避让需求等）也具备高度的应对能力。

从数据上看，在减少事故伤亡方面已经取得显著成效，如路口事故相关伤亡数据的大幅降低，并且随着技术的不断迭代与完善，误触发率持续降低，可靠性不断提升。

在人机交互方面，充分考虑驾驶员的操作权限与感受，确保在紧急情况下既能自动避险又能合理响应驾驶员的干涉。

从技术演进角度来看，以下几点值得期待：

● 多模态融合：进一步结合激光雷达、摄像头和毫米波雷达的感知数据，实现更高维度的环境理解。

● 全域AI大模型：通过大模型训练，提升对异常场景和长尾问题的覆盖能力，推动从场景到行为的全链路智能。

● 车路协同落地：借助城市级智能交通基础设施，让智能安全系统从单车作战转变为协同作战。

AES 介入时速及相关场景应对策略

● AES 介入时速

◎ AES主要工作在80至130公里/小时的速度范围内，能够支持最高达150公里/小时的转向功能，与AEB相同。然而，在某些特定子场景下，如城市道路或复杂交通环境中，AES也可以在60公里/小时的速度下介入。

● 电车难题类似场景应对

◎ 在AES主动转向过程中，若检测到变道后可能与其他车道车辆发生冲突，系统会优先选择刹车以避免更大的风险。如果前方出现新汇入的车辆且AEB无法及时介入，则AES将执行连续避让动作。蔚来还设计了优先选择左侧超车道进行避让的逻辑，但前提是确认左侧车道允许变道，并确保安全。

● 线控转向兼容性

◎ 线控转向技术与AES完全兼容，尤其是像NT3和ET9这样的车型上采用的更高级执行器，可以有效减少横向侧倾，增强了车辆动态控制性能。

● 城市领航辅助与AES的关系

◎ 随着Banyan3.1.0版本的推出，城市领航辅助功能在低速日常驾驶中的体验将得到显著改善，后续先锋领航分支将进一步优化此功能。AES将与城市领航辅助等其他智能辅助功能无缝协作，为用户提供更加流畅的城市驾驶体验。

● 转向力度设计

◎ AES根据不同的紧急避让场景请求不同的横向加速度：跨车道避让时请求最高负4g减速度，而小角度车道内避让则只需负2g减速度。这种设计使得驾驶员能够在不同情况下直观地感受到AES的工作状态。

● 驾驶员干涉情况

◎ 如果驾驶员在AES工作过程中尝试干涉，系统会根据不同情况进行处理：

若干涉方向与AES相反，AES将中断操作并立即启动刹车；

若干涉力度不足以改变AES决策，系统将继续按原计划执行；

若驾驶员施加更强的操控力，AES将遵循驾驶员的操作意图，确保人机交互的安全性和合理性。

● AES 对传感器状态的要求

◎ 激光雷达作为关键感知组件，其清洁度直接影响AES的表现。当激光雷达轻微污染但不影响功能时，AES仍可正常运行；但如果激光雷达被完全遮挡，AES的功能将受到抑制。蔚来建立了完善的机制来监测传感器状态，并在必要时提醒用户清理或维护设备。

● 跨实线操作逻辑

◎ AES严格遵守“让速不让道”的原则，不会违反交通规则进行实线变道。遇到特殊场景（例如后方有车辆接近）时，AES会优先选择减速或刹车以避免碰撞。只有在虚线条件下，AES才会考虑进行避让操作，从而确保合法合规的同时最大化安全性。

● NWM 在主动安全产品上的应用

◎ NWM（Neural World Model）作为蔚来主动安全产品的核心底座，利用自回归生成方法解决了训练数据不足的问题，特别是在处理紧急规避等长尾事件方面表现突出。这种方法加速了模型训练过程，提高了主动安全功能的有效性和适应性。

● 激光雷达对AES的作用

◎ 激光雷达不仅增强了AES对非标准物体（如掉落物、事故车辆）的识别能力，还能提供更远距离的测距信息，尤其是在侧方环境感知中发挥了重要作用，减少了变道后的感知延迟，提升了整体系统的响应速度和准确性。

● 提高乘客安全感措施

蔚来还通过ADMS（Advanced Driver Monitoring System）提前向用户预警潜在风险，如溜车提醒、变道风险提示并与BSD盲区监测相结合，实现了被动安全与主动安全的深度融合，进一步提升了乘客的安心感。

小结：整体的内容还是很全面的。