小米可以自动驾驶吗

一、技术能力：从 L2 到 L3 的跨越

1. L2 级辅助驾驶：搭载于小米 SU7 标准版，支持高速 NOA（导航辅助驾驶）、自动泊车等功能。例如，高速场景下可实现自动变道、自适应巡航，但需驾驶员全程监控。
2. L3 级有条件自动驾驶：SU7 Max 等高配车型通过硬件预埋和软件升级，已实现 L3 级功能，支持特定场景下（如高速公路）的脱手驾驶。例如，2025 年 4 月发布的 SU7 Max 可在封闭道路自动处理施工路段、拥堵跟车等场景。
3. L4 级预研：小米计划在 2025 年实现 L4 级技术的初步落地，目前已启动智能底盘预研，包括线控制动、线控转向等技术，为完全自动驾驶铺路。

二、实际应用：功能覆盖与用户反馈

1. 场景覆盖：
   
   • 高速场景：NOA 功能已在全国范围内推送，支持自动上下匝道、超车避障等，但对施工路段的识别存在局限性（如 2025 年 3 月事故中未有效识别施工隔离墩）。
   • 城区场景：城市 NOA 功能覆盖北京、上海等 10 个城市，支持无保护左转、绕行障碍物等，但策略较为保守，复杂路况下需频繁接管。
   • 泊车场景：自动泊车功能曾因系统 bug 导致多起碰撞事故，2024 年 11 月的大规模故障暴露了算法稳定性问题。
   
   
2. 用户体验：
   
   • 优势：端到端智驾（HAD）实现车位到车位的无缝衔接，轨迹平滑自然，急加速 / 刹车频次低于行业平均水平。
   • 痛点：部分城市覆盖率不足，决策逻辑保守（如右转弯需等待行人完全通过），夜间低光照场景感知能力下降。
   
   

三、安全争议：事故暴露的技术短板

• 事故过程：车辆以 116km/h 行驶于施工改道路段，系统仅提前 2 秒发出接管预警，驾驶员接管后仍以 97km/h 碰撞隔离墩，导致车辆爆燃，三名乘客遇难。
• 技术争议：
  1. 感知缺陷：激光雷达未识别低反光率的塑料隔离墩（反光率 3% 低于阈值 5%），毫米波雷达误判为 “可穿透障碍物”。
  2. 算法逻辑：AEB（自动紧急制动）在驾驶员接管后未继续介入减速，2 秒反应时间远低于人类生理极限（约 0.75 秒）。
  3. 硬件减配：标准版未搭载激光雷达，算力仅为 48TOPS，夜间感知能力较高配车型下降 40%。
  
  
• 行业影响：事故后多地高速管理部门增设 “慎用智驾” 警示标语，工信部启动智驾数据监管新规，小米股价暴跌 22%。

四、未来挑战：技术、信任与生态

1. 技术攻坚：
   
   • 复杂场景优化：需提升对施工路段、异形障碍物的识别能力，优化 AEB 介入逻辑。
   • 数据积累：截至 2025 年，小米智驾训练数据约 1000 万 Clips，显著低于特斯拉（超 10 亿公里）。
   • 成本控制：激光雷达 + 多传感器方案导致高阶车型起售价超 25 万元，需平衡安全与成本。
   
   
2. 信任重建：
   
   • 事故后措施：小米承诺为全系车型免费升级 “双冗余制动系统”，但未公开具体技术改进细节。
   • 用户教育：强化 “辅助驾驶≠自动驾驶” 的宣传，推出智驾 “驾照制”，要求用户通过安全测试后才能激活功能。
   
   
3. 生态协同：
   
   • 车路协同：与百度合作高精地图，探索车路协同技术（如红绿灯倒计时获取），但尚未大规模落地。
   • 生态联动：通过澎湃 OS 实现手机、家居与车辆的无缝互联，提升用户对智能生态的依赖度。
   
   

总结：技术激进与安全保守的博弈

• 技术层面：提升复杂场景的感知与决策能力，加速数据积累。
• 商业层面：平衡成本与安全，避免 “安全分级” 策略导致用户体验割裂。
• 社会层面：推动行业标准制定，强化用户教育与数据透明。