摄像头不堆数量，麦格纳用国产芯片和卫星雷达重算智驾账

这几年，谈到智能驾驶，车企往往习惯展示摄像头数量、算力大小，以及车辆能在多复杂的道路上完成辅助驾驶。但真正面向大规模量产，另一笔账绕不开：如何兼顾安全体验与成本、功耗、开发周期？

近日，麦格纳在「黑科技来了」技术分享中给出了自己的答案：前视单目摄像头一体机MCM6C，以及77GHz卫星雷达。

一个强调国产芯片、一体化和平台复用，另一个突出远距离探测与多传感器协同。它们折射出一个变化：比起追逐配置上限，行业更需要能稳定量产、覆盖不同价位车型的方案。

国产芯片与前视一体机

前视摄像头是车辆观察道路的重要入口。车道线、交通标志、前方行人和车辆，首先要被传感器捕捉，再经过算法处理，才可能转化为制动、转向等辅助驾驶动作。麦格纳此次推出的MCM6C，采用基于国产M57芯片的单芯片架构，把图像采集和计算整合在一起。

根据麦格纳披露，这一产品由中国团队主导研发，已于2026年第二季度在国内一家头部新势力车企的车型上实现量产。至于具体搭载车型，公开资料尚未给出明确名称，不宜进一步推断。

M57来自爱芯元智。该公司此前公布，这款面向ADAS场景的芯片具备最高10 TOPS的NPU算力，并支持BEV等视觉感知算法。10 TOPS放在今天并不夸张，但它瞄准的不是全部自动驾驶任务，而是强调能耗、性能与成本平衡的量产级辅助驾驶市场。

从硬件配置看，MCM6C有200万和800万像素两种版本，均支持30帧每秒图像输入，对应约100度和120度水平视场角。更关键的是，同一平台可以从1V，即单前视摄像头，扩展到2V5R，即两颗摄像头配合五颗雷达，不同价位车型复用基础平台，减少重复开发。

800万像素不代表识别一定比200万像素可靠，算力数字也不能直接换算为智驾等级。镜头成像、图像处理、算法训练和整车标定，共同决定最终表现。前方出现一辆车，摄像头能识别出来只是第一步，它是在正常行驶、准备变道还是突然减速，需要算法进一步判断。

麦格纳介绍，MCM6C引入CNN与BEV相关感知技术。CNN负责从图像中提取车辆、行人、标志等信息，BEV则把不同信息组织到更接近俯视道路的空间表达中，帮助系统理解目标之间的位置关系。车辆驶入隧道遇到明暗突变，或面对逆光、施工锥桶，新方案在这些场景中有所改善。

具体提升幅度和复杂天气下的表现，目前仍缺少可供外界对比的统一实测数据。评价这类产品，与其盯着单一像素指标，不如关注它能否减少误识别、漏识别和驾驶员临时接管的情形，这些细节才决定日常驾驶的稳定性。

卫星雷达与多传感器协同

摄像头擅长理解道路外观，毫米波雷达则通过电磁波感知目标距离和相对速度，对光线依赖较低。两者各有局限，在安全要求较高的系统中，用多种传感器互相验证，仍是一条重要路径。

麦格纳介绍，其77GHz卫星雷达标称探测范围超过300米，提供8T8R和16T16R两种配置，T、R分别指发射与接收通道。8T8R侧重成本、功耗和检测能力的平衡，16T16R则面向更复杂的感知需求，具备更强的4D成像能力，水平角精度可达到0.05度级别。

有两点需要说明。300米以上是产品披露的探测能力，不意味着任何尺寸、材质和运动状态的障碍物都能在这个距离被稳定识别；角度精度与角分辨率也不是完全相同的概念，不能只凭一个数值判断雷达的实际水平。

关键是雷达能否在摄像头受限时提供距离、速度信息，并与视觉判断相互验证。以高速行驶为例，更早发现前方风险，可以为自动紧急制动AEB和自适应巡航ACC争取决策空间，但能否及时制动，还取决于整车控制、路面附着力等条件。

「卫星雷达」也不是把雷达送上卫星，而是一种分布式感知架构的叫法：雷达单元负责前端探测，数据交由集中计算平台处理。它的吸引力不仅在单颗雷达性能，还在于更灵活的布置方式和系统扩展的可能性。

从工具链到量产系统

麦格纳这次披露的另一项能力，不太容易在参数表里体现：数据开发工具链。其卫星雷达支持ADC级原始数据采集和回灌，并提供高速数据存储与可视化分析工具。遇到难以处理的道路场景，开发团队可以保留更底层的数据，用于复现问题、调整算法和验证。

这些工程环节看似不够吸引眼球，却直接影响一套系统从样机走向稳定交付的速度。量产汽车面对的场景远比演示路线复杂，还要适配不同车身、配置与市场，平台复用和数据闭环能减少重复投入，前提是充分完成验证。

与此同时，安全要求也在提高。工信部公布的《智能网联汽车 组合驾驶辅助系统安全要求》GB 47955—2026，将于2027年1月1日起实施，针对基础单车道、基础多车道及领航组合驾驶辅助系统提出安全要求，强调驾驶员责任、人机交互和数据记录。

按照麦格纳发布的数据，截至2026年第三季度，公司全球累计交付约1.94亿个摄像头、1.1亿个雷达、3800万个域控及590万套驾驶员与乘员监测系统。这些数字背后，是麦格纳在感知领域长期积累的规模化供应能力，也为这两款新产品的稳定量产和快速落地，提供了实打实的底气。

在《科技丛林》看来，麦格纳这次的思路并不复杂：把感知硬件、软件算法和工程开发放在同一个量产框架下考虑。对车企，这是更灵活的配置和更可控的投入；对消费者，则可能是更容易买到稳定可靠的辅助驾驶。

但是，「硬件成本更低」不能自动推导出「辅助驾驶更安全」，「量产落地」也不等于「能力已经全面验证」。智能驾驶真正的进步，不在宣传中又多了多少TOPS、多少米探测距离，而在于那些平常不被注意的复杂场景中，系统能够少犯多少错误，以及能否让驾驶员清楚知道它的能力边界。

如果说过去大家关注的是汽车能不能看见、能看多远，那么下一阶段更值得追问的，或许是它能否持续、准确、以可负担的成本看清真实世界。这也是麦格纳这两款产品，留给行业的一道思考题。