智駕，尤其是AEB（緊急制動）的召回及相關調查，正在頻發。

AEB系統是否在關鍵時刻「靠得住」，也成爲衡量車企輔助駕駛系統能力的關鍵指標之一。因爲，一旦發生事故（輔助駕駛啓動條件下），AEB往往就會成爲衆矢之的。

與此同時，隨著車企降本壓力的增加以及年代款的切換，不少車型的高中低配版本，AEB功能實際上由不同供應商，不同感知/計算硬件實現的，就會造成在功能實際執行過程中存在不一致性問題。

比如，4月26日發生的華爲問界新M7 Plus事故，賽力斯給出的官方聲明是：事故車輛搭載L2級輔助駕駛系統（第三方供應商），並非華爲ADS 2.0智能駕駛系統，自動緊急制動工作範圍僅爲車速4-85km/h，而後者對外宣傳的標稱則是最高支持150km/h。

而在本周，美國監管機構公布消息，正在對菲斯克旗下的Ocean車型（SUV）進行調查，原因是有車主大量投訴，該車型在沒有前方障礙物的情況下，會意外啓動自動緊急制動（AEB）。其中，有三起事故涉及到人員受傷。

這已經是過去幾個月時間裏，第三起涉及AEB相關的召回及相關調查。以AEB代表的基礎主動安全功能，也常常被視爲最後一道安全防線的兜底功能，不管是低階還是高階輔助駕駛。

今年3月，美國汽車安全監管機構宣布，將對近25.1萬輛本田汽車（Passport和Insight兩款車型）意外啓動自動緊急制動系統的問題展開調查。原因也是在“道路沒有明顯障礙物”的情況下，車輛毫無征兆的激活AEB。

與此同時，對本田車型的調查，還在不斷擴大。4月，美國監管機構增加了對2017-2022年款本田CR-V和2018-2022年款本田雅閣的AEB系統調查，按照估算，如果一旦最終確認召回，將涉及本田在美國的300萬輛已銷售車輛。

緊接著，4月29日，美國國家公路交通安全管理局對福特展開相關調查，原因是搭載BlueCruise智能駕駛輔助系統的車型，在系統激活狀態下，撞上一輛靜止停靠的車輛（目前，已經通報兩起致命事故）。

BlueCruise，是2020年福特推出的全球首個滿足SAE標准的L2+級高級駕駛輔助系統，在高速公路和城市快速路段的特定路段上，駕駛員甚至可以被允許放開雙手（在部分法規允許的國家及城市）。

這套系統，融合了ADAS地圖數據、攝像頭、雷達和GPS/IMU定位，提供全速域自適應巡航和車道居中輔助，可以同時控制加速、減速和轉向，並陸續升級了轉向燈變道輔助和車道內智能避讓功能。

而此次菲斯克旗下的Ocean車型，由麥格納作爲Tier1，同時還首次搭載800萬像素前視一體機攝像頭、初創公司Uhnder的4D數字成像雷達方案（同樣由麥格納代工）。

按照Uhnder公司的說法，這套5R方案，可以更快、更精確地定位更小的物體，並且比傳統3D雷達具有更快的掃描速度，從而爲系統提供更多的響應時間，可以探測和跟蹤遠距離障礙物—200米範圍的車輛和80米範圍的行人。

此外，衆所周知，4D成像雷達的另一個優勢在于對靜止物體以及橫向移動物體的識別，這也是過去傳統雷達方案的弊端所在（大部分供應商會選擇過濾類似信號）。

不過，任何事物都是有利有弊。由于4D成像帶來的高分辨率以及大量點雲信息的輸出，反而會導致誤報率的上升。這非常考驗雷達廠商及Tier1的雜波處理能力。

比如，4D成像雷達在點雲密度增加的情況下，如何增加檢測的成功概率，減少回聲的噪音，並實現遠處信號反射較弱物體的檢測，還需要解決多信號的幹擾問題。

同時，相比于傳統3D雷達的檢測（由于角分辨率不足，無法區分靜態目標，以及分類不准的問題），4D雷達還需要增加額外的從點雲到聚類，目標精准識別分類的能力。

此前，特斯拉也對外證實：目前，公司僅在Model S和X兩款車型上進行相關驗證工作，來評估産品的實際性能，目前還沒有計劃將4D雷達搭載至Model 3和Y兩款走量車型。

而對于Uhnder這樣的公司來說，由于是從芯片級開始研發4D成像，而不是類似其他廠商基于NXP、TI等成熟雷達芯片方案，實際上需要踩的坑還有很多。

與此同時，針對菲斯克和麥格納在ADAS上的項目合作，此前也有很多不同的聲音。實際上，在Ocean這款車型首次亮相時，就曾因爲軟件問題導致交付延遲。

此外，相比于福特BlueCruise系統的複雜度，本田和菲斯克的AEB系統召回調查，主要就是近年來行業聚焦的「幽靈刹車」問題，也就是誤報、誤觸發。

而這樣的問題，由來已久。

比如，由于感知技術還不夠成熟（不斷更新技術路線）以及道路數據的不完善，早幾年在特斯拉Autopilot 2.0版本，很多車主就碰到過類似的場景：車輛會將天橋在道路上投射的影子視爲障礙物，並自動啓動刹車。

同樣的，一些車主也曝光了特斯拉車輛因爲對路邊交通限速標識牌的錯誤識別，造成在沒有啓用Autopilot的情況下，系統突然介入刹車。還有一些情況，則是系統識別到了車輛周圍不存在障礙物，而造成一些系統Bug。

此外，NHTSA上周在一份新文件中披露，自去年12月特斯拉主動大規模召回Autopilot（通過軟件OTA方式）輔助駕駛系統以來，至少又發生了20起可能與Autopilot相關的撞車事故。

在這些事故中，有9起是撞到路上的其他車輛或人員，似乎又一次表明，系統可能無法探測到車輛前方的一些物體。目前，NHTSA正要求特斯拉提供相關數據用于進一步調查，否則將面臨高達1.35億美元的罰款。

一些檢測機構以及汽車制造商表示，在絕大多數情況下，這些上車的系統是有效的，但並不完美。「看看各家的車主手冊就知道了，系統的正常運行需要滿足很多條件。」

而在過去幾年時間，幾乎所有主流車企都因爲AEB問題出現過類似的被投訴、調查甚至是召回的事件。即便部分車型搭載了成本更高的激光雷達，也不能幸免。

當然，對于AEB失效的場景，幾乎所有車企都用了「兜底」條款。比如，車主手冊中都會有類似以下話語的注解：遇到（但不限于）以下場景時，系統可能漏檢、誤檢或未及時檢出障礙物，導致系統未警告與制動或不及時警告與制動。

此前，小鵬汽車相關負責人曾對外表示，可以通過車端的智能化，讓智能駕駛系統安全無限地接近100%，可能最終只能實現97%，最後的3%或許可以通過V2X來解決，但時間沒有保障。

而隨著NOA逐步從高速相對簡單的場景轉向複雜的城區場景，對于感知能力的提升要求，更加迫切。同時，包括AEB在內的主動安全功能，兜底能力要求更爲突出。

此前，小鵬汽車CEO何小鵬曾公開表示，AEB只有誤觸發率要下降到幾十億分之一這個級別才算達標。同時，對于障礙物識別來說，不管是CNN還是BEV、Transformer，實際上還是需要大量好質量的數據進行模型訓練。

這顯然是一個矛盾體。“如何將交通事故死亡人數降至零，而不是僅僅實現自動駕駛。”在很多行業人士看來，這是産業鏈各個環節參與者接下來需要認真思考的問題。

比如，華爲問界M7智駕版的AEB激活區間是4km/h~130km/h，同時，實施制動時，車速的降低程度或車輛的正面碰撞程度會受到如自車行駛車速、障礙物類型、與障礙物的距離、行車環境、系統反應延遲等諸多因素的影響。

同時，目前在售新車搭載AEB功能所配置的傳感器，也是多種多樣，有純視覺、純雷達、攝像頭+毫米波雷達甚至再加上激光雷達，這意味著，任何一種傳感器的實效，都會影響AEB功能的正常工作。

此外，某機構的一項研究表明，大部分行人AEB僅限于光線條件滿足功能要求場景，而對于光線較差的路況，幾乎無法規避事故的發生，而這部分場景占到了大約三分之一事故比例。

而從行業的現實情況來看，正如消費類電子産品追求硬件參數和升級換代，汽車的智能化功能實現更高的安全等級，同樣也是如此。這也是爲什麽各家新勢力還在不斷優化硬件，要知道軟件也在不斷升級，同時對硬件提出了更高的要求。

比如，近年來被追捧的BEV+Transformer，對于算力的要求，是傳統CNN檢測的五到十倍；如果再加上傳感器數量的增加，以及類似激光雷達、4D成像雷達的融合，對于算力的需求還在持續上升。

以Mobileye的EyeQ4爲例，這是2018年就已經量産交付的上一代（甚至上上一代）産品，28nm制程工藝、算力僅爲2.5TOPS，盡管背後有自家的感知算法進一步優化硬件的效能。

而今年該公司即將開始導入前裝量産的EyeQ6L，算力就是EyeQ4M的4.5倍，通過動態神經網絡，還提高了像素分割能力，點密度是EyeQ4M的兩倍以上。

此外，EyeQ6L能夠支持800萬像素的攝像頭和120度（EyeQ4M爲100度）的橫向視角；更關鍵的是，該公司明確表示：在複雜情況下，這一代芯片增強了AEB功能對車輛、行人或隨機物體的識別和響應（速度）能力。

而對于目前針對ADAS系統的召回調查，難點在于責任追溯。包括AEB等功能在內，由于系統開發涉及多個方面，很多功能的故障還存在強耦合的問題。

衆所周知，前裝ADAS系統主要分爲幾種：其一爲芯片自帶底層感知算法+Tier1或者車企集成規控（也就是所謂的傳統黑盒模式）；其二爲芯片+第三方感知+Tier1或者車企集成規控；其三爲芯片+第三方全棧感知規控。

其中，前兩種系統由于涉及到多家供應商，在實際故障分析過程中，較難完全定義哪個環節負有100%的責任。比如，以AEB爲例，誤觸發可能受到天氣、道路等環境因素，芯片、傳感器、算法、執行等多個環節的影響。

同時，各國監管機構也將AEB的重點放在了測試標准上。實際上，這在一定程度上可以起到提升量産功能准入的安全門檻。

比如，近期，美國國家安全公路管理局（NHTSA）就公開明確計劃提高AEB測試標准（2029年9月起開始實施），要求能夠在時速不超過62英裏（約100公裏）/小時的情況下刹車，以避免與前方車輛相撞。

同時，AEB系統還必須在90英裏（約144公裏）/小時的速度下刹車，以減少可能撞擊的嚴重程度。此外，45英裏（約72公裏）/小時的情況下，必須實現對行人的刹車。

上述要求，相比目前市場上執行的標准，都進行了大幅度的指標提升，也更符合實際道路場景。這也意味著，監管機構對于智能駕駛的要求，不再只是可用，而是真正達到實際效果。