网易科技《Future Talk》｜直播详解小米SU7事故，究竟谁之过？

出品 | 网易科技《态度》栏目

作者 | 李姝

一起严重交通事故，将风头正劲的小米SU7推上舆论风口浪尖。

3月29日晚间，安徽铜陵高速路段发生重大交通事故：一辆搭载智能驾驶系统的小米SU7以97km/h时速撞击施工隔离墩，随后车辆起火燃烧，导致三名大学生当场遇难。

事故引发了公众对智能驾驶技术、车辆安全设计（如车门是否锁死）、小米公司的处理速度和态度，以及道路施工安全规范的多维度质疑

4月2日，网易科技邀请到了网易汽车主编唐正申、快思慢想研究院院长田丰以及国际智能运载科技协会秘书长张翔，就事故背后的技术困局与行业症结展开深度探讨。

田丰，快思慢想研究院院长，原商汤智能产业研究院创始院长，原阿里云研究院创始院长，《田丰说》AI公开课策划人，《AI商业进化论》、《云战略》、《互联网3.0》等十多本科普畅销书作者。联合国大师课特邀讲师，APEC特邀专家，新加坡管理大学商学院、上海交大清源研究院、上海财经大学、国际公益学院客座教授，中国数字经济百人会执行委员，上海交通大学计算法学与AI伦理研究中心联席主任。科技部等国家级课题组成员，中国互联网协会、上海市人工智能技术协会核心专家，中国科幻大会专委会委员。

张翔，汽车分析师，中国汽车行业观察者，在新能源汽车领域有20余年工作经验，目前担任黄河科技学院客座教授、国际智能运载科技协会秘书长、沃达福数字汽车国际合作研究中心主任、北方工业大学汽车产业创新研究中心研究员，曾在多所高校任职。

以下内容由网易科技在不改变原意的基础上，对直播的精华内容进行编辑整理（有删减）：

智驾系统到底是什么？哪些环节可能失灵？ 

田丰：按照我国《汽车驾驶自动化分级标准》，汽车智能驾驶共有L0至L5六个级别。在汽车驾驶自动化的六个等级之中，L0-L2属于驾驶辅助，系统仅协助人类执行动态驾驶任务，驾驶主体仍为驾驶员；而L3-L5则属于自动驾驶，系统在特定运行条件下代替人类执行动态驾驶任务，此时驾驶主体为系统。 目前，国内大多数量产汽车为L2级别，要求驾驶员时刻观察周围环境并随时准备接管。由于L3级尚未获得上路资格，故只能在某些受限环境中进行测试。当我们提及自动驾驶时，往往存在广告层面的模糊性。

在辅助驾驶环节中，我认为传感器更易失灵，情形多样。例如，在强降雨或浓雾等极端天气下，激光雷达的散射效应显著，产生许多噪点，从而大大缩短识别距离。

例如，在3月29日的情况下，天气并不恶劣，但夜晚的光线条件会引发另一种问题。视觉传感器在识别深色物体时面临挑战，识别距离同样会受到影响。此次发生事故的车辆为标准版，未配备激光雷达，仅依赖纯视觉方案，这在识别障碍物时显然不利。 

唐正申：昨天我们从上海出发，抵达事故发生路段时大约是傍晚五至六点，天色已暗。但整个路段开下来（高速路），整体上行道线是比较清晰的，两边的护栏也比较完整。但唯独中间事发的那一段，其实是有一个改道的。一般情况下高速公路隔离墩维护的话，如果左边维护，那可能会让车开到右边去。因为每条高速公路都有两条车道，它会借用对向的车道去做分流，方便另外一侧去施工。事故发生当天，应该也是这样的情况。

昨天我们到达的时候，现场已经恢复为两边二并一通行的情况，中间是完全隔离开的，不再需要从事故发生时的借道行驶。尽管现场设置了标识牌和灯光，路况依然复杂，此时，即便是经验丰富的老司机，首要任务也是减速并仔细观察路况。

我们看到中间维修的那段路几乎占了两个车道，而中间的缺口在100米以内。我们大概估算了一下，如果按照事发当时116km/h的速度去接近这个缺口的话，在两秒内要迅速接管车辆并完成变道和制动将极为困难。

张翔：当前市场上，车企在发布会宣传时，往往未按照我国《汽车驾驶自动化分级标准》进行说明。如果车企在发布会上明确指出其车辆所在的级别尚未达到L3，并提醒消费者谨慎驾驶，将会给消费者营造深刻的印象。然而，目前大多数车企在技术宣传上存在过度包装现象。例如，NOA功能包括城市和高速版本，实质上无异，但其宣传口径却各异，令消费者困惑，甚至产生误导。 此外，高速公路对驾驶技术的要求较高。在正常情况下，提前两公里看到施工标志时应立即减速。而事故发生时，以时速97公里进入施工区域已经违反交通法规。目前，国内外关于自动驾驶的法律法规尚不完善，类似事故发生后，消费者的权益往往难以得到保障。

导致电池爆燃的技术原因有哪些？

唐正申：现场我们观察到施工中的隔离墩约一米高，由水泥和钢筋混合制成，自重较大。以97km/h的速度撞击，电池将承受巨大的冲击。各厂商在此之前已进行多种电池安全测试，包括针刺和撞击，以及超过国标的各类测试，但高速碰撞的特殊情况使得力的传导难以判断。 同时，在高速行驶中，整车的高压电系统持续通电。遭遇突发撞击后，某部分可能失效或起火，这种情况极为可能。即便是磷酸铁锂电池，也会遵循能量守恒定律，能量将转化为热、声、光及电等形式。

田丰：在小米在官方回应中明确，事发车辆是一台SU7的标准版，搭载的是一颗英伟达OrinN智驾芯片，算力只有84TOPS，相比之下小米SU7Pro、Max版采用了双OrinX芯片算力可达508TOPS。标准版和高阶版本之间有着数倍算力差异，在需要处理数据、快速判断时有着决定性的差异。低配的传感器以及低算力芯片可能会耽误解决时间。

张翔：目前许多汽车制造商要求车主在使用智能驾驶系统之前先进行培训，或规定一定条件，例如驾驶1000公里后才能启用该系统。智能驾驶系统与传统汽车驾驶功能存在显著差异，车主必须充分了解车辆，以便在紧急情况下能够接管控制。

此外，目前市面上的所有汽车均通过国家标准测试。然而，国家标准仅能保证汽车在正常使用情况下的安全，无法涵盖所有情境。虽然汽车会进行安全碰撞测试，包括正面、侧面、后撞及翻滚碰撞，但这些测试的速度一般设定在50km/h或者60km/h，远低于97km/h。在发生碰撞时，电池可能会遭到破损，导致电解液泄漏，进而引发正负极短路，从而引发火灾。

尽管当前电池技术有所提升，许多厂商进行了各种演示，但大多数实验是在实验室中进行，无法真实还原实际交通场景下的剧烈碰撞。此外，在高速碰撞中，尽管车门表面上看似没有变形，但由于车身受到挤压，可能导致车门无法打开。

资本裹挟下，车企宣传话术是否存在对消费者的误导？

唐正申：作为汽车频道的编辑，我们曾参与众多车企的发布会，并观看了相关的演示视频。在这些视频中，驾驶者常常将手离开方向盘，显得尤其轻松，只有在视频右下角有一行小字幕提醒“遵守当地交通法规”，这实际上是一个注意力引导的问题。但需要强调的是用户在购车或者用车时，需要有一个认知：驾驶员是这台车上所有成员的第一安全员，所有的智驾都是辅助。

车企之间的竞争趋于恶性，争夺市场与消费者，追寻责任方变得相对困难。智能驾驶技术从ADAS（高级驾驶辅助系统）起步时，核心目标是构建碰撞预警、自动制动等被动安全防护体系。但随着行业竞争加剧，技术发展已出现剑走偏锋的趋势：主流车企将研发重心转移至解放驾驶者注意力的主动接管系统，我认为这种趋势应该再理性一些。希望此次事故后，车企与用户能够达成共识，在智能驾驶方面保持理性认知，避免盲目激进行为。

田丰：目前，许多广告营销往往基于高配车辆的表现，或是在最佳天气和路况下拍摄宣传视频，但消费者对低配版本的能力及边界往往缺乏清晰认识。此外，操作手册通常较厚，多数消费者在开车前不会仔细阅读或完全理解。

车企应明确传达汽车的能力边界，尤其是在消费者购买低配车型时，需在营销中清楚说明，避免使用诸如“全场景”、“全道路自动驾驶”等容易引发误解的术语。

此外，倡导消费者在提车时进行智能驾驶的培训至关重要，类似于驾校的教学，观看大量交通事故警示视频以明确注意事项。我们还可以借鉴航空业的安全知识普及，建议在每次使用车辆前进行智能驾驶安全知识的提示或培训，或要求消费者在满足一定条件下，才能在特定环境下启用智能驾驶功能。 

张翔：过度宣传的原因在于，车企之间的竞争趋于恶性。尽管新能源汽车行业发展时间较短，但企业数量众多，行业集中度低，车企普遍通过发布会进行宣传。然而，在此过程中，却常常伴随过多的商业包装。我认为应该对发布会的内容进行规范管理，避免使用如“全栈式开发”、“行业最领先”、“全球首发”等夸张形容词，以防消费者产生不切实际的信心。

此外，针对当前智能驾驶系统发生交通事故的情况，我认为车企应与当地政府建立公开机制，定期发布交通事故的频次和伤亡人数等数据，而不是单一地宣传智能化。通过提供这些数据，消费者可以提高警觉，增强安全意识。

高精地图是智能驾驶所必需的核心技术

张翔：我们目前的自动驾驶技术中，有一个至关重要的核心技术，即高精地图。在此次事故中，事发车辆并未配备高精地图。如果具备高精地图，施工的实时工况可以被反映在地图上，这与传统的手机导航系统存在显著区别。

目前，车企行业仍处于无图时代，缺乏高精地图的配备，主要原因有两点：首先，高精地图的成本较高，增加了企业的资金负担；其次，高精地图在现阶段仍不完善，各大车企都在自行制作地图，与专业地图研发企业相比，车企的地图信息必然不够全面。

在中国，高精地图的发展已有数十年历史，例如高德和百度等企业均在积极制作高精度地图。然而，该行业的投入巨大。传统地图可能需要每季度进行一次高精地图的更新，以实时反映路况信息，包括施工等特殊情况。这一过程要求企业持续采集信息，并购买大量数据，而高精地图在我国尚未得到广泛普及。此外，路政信息上网会增加运营成本，如果没有相应的收益，相关部门可能缺乏激励去推动此项工作。特别是在我国地图是免费的情况下。

田丰：补充一下，高精地图理论上是智能驾驶所必需的核心技术，但目前仍未实现商业化，这是未来需要补强的一个方向。

需要指出的是，高精地图永远无法做到完美。就像我们无法每时每刻实时统计全国范围内的道路变化数量一样，但至少可以提供公共服务，将当天晚上或最近一个小时内所有施工路段的信息整合并对接到各智能驾驶系统中。这可能需要相关法规提供一个公共接口，使得系统能够提前作出判断。考虑到施工场景往往是非标准化的，这极易导致小概率事件的驾驶误判与安全风险，这是一个亟需关注的隐患。