车企们真是拼了！提车作业：为了让AEB刹得住，车企们真是拼了！

最近，有关AEB靠不靠谱的话题突然变得热闹了起来，包括媒体、供应商、车企大佬等，不少人都加入其中，给出了自己的观点和看法。

作为一项主动安全系统，AEB为什么会突然引起这么大的关注？AEB对于提升驾驶安全，又究竟靠不靠谱呢？这次我们不妨仔细研究一下。

AEB是什么？

AEB也叫主动刹车，就是在检测到车辆有碰撞风险的情况下，帮助驾驶员主动刹车，从而避免事故发生，或者降低事故损失。

AEB为什么不靠谱？

大家之所以觉得AEB不靠谱，是因为它有时候不灵敏，有时候又太灵敏。

比如前几年发生在美国的一起追尾事故，一台特斯拉在AEB完全没有介入的情况下，直接撞上了一台侧翻在马路上的大货车。

比如前方明明没有障碍物，AEB却莫名其妙地介入，导致车辆制动甚至刹停，引发不必要的事故，成为大家常说的“幽灵刹车”。

问题出在哪儿？

为什么AEB有时会表现得如此不靠谱呢？在我看来，主要问题出在了两方面：

第一，AEB没有识别出障碍物的形状、位置、类型，导致没有介入。

第二，AEB的运算能力有限，导致它处理不了太复杂、应急的任务。

作为一项主动安全配置，不靠谱的AEB显然是没法让大家接受的，那么AEB究竟能不能变得靠谱起来呢？车企又是怎么做的呢？

让AEB看得更清更远

AEB主要通过摄像头来识别障碍物。早期AEB使用的多是单目摄像头，只能输出2D平面图像，像素和焦距也有限，并且稍有遮挡污损，就不能工作了。

对比之下，如今多数AEB使用的双目摄像头，就可以像人眼一样模拟立体视觉，且即使一个摄像头被遮挡污损，理论上也还能工作。

而三目摄像头系统则更进一步，能提供长焦、中焦、广角多种视角，让AEB拥有更广、更远的视野。

除了摄像头，AEB也搭配毫米波雷达，但它的分辨率很低，很难识别体积小的物体，并且对金属很敏感，很容易误触发AEB，引发幽灵刹车。

这导致车企不得不降低毫米波雷达的敏感度，但对静态障碍物的识别能力也随之降低，于是为了保证安全，车企又为AEB增加了激光雷达。

对比毫米波雷达，激光雷达的点云精度达到了毫米级，并且发射的是不受无线电信号干扰的光信号，完美弥补了毫米波雷达的不足。

目前，包括小鹏、蔚来、理想在内的诸多新势力，都使用了摄像头+毫米波雷达+激光雷达的融合感知方案，虽然成本更高，但确实更安全。

让AEB认识更多障碍物

AEB主要通过感知算法来处理感知数据，并由此识别障碍物是什么，而以往AEB的主流算法，都是人工规则+卷积神经网络结构。

这种算法的缺点，就是“能力有限”，好比一个小学生，只会加减乘除这样的基础数学，再复杂一点的函数不仅不会做，也很难学会。

而随着深度神经网络的兴起，Transformer大模型被引入，不仅运算能力更强，还有“自学成才”的能力，只要不停提供数据就行。

这就相当于一个高中生，不仅能计算更复杂的函数了，还可以凭借更丰富扎实的基础和自制力不断自学，学习效率也更有保证。

虽然Transformer给了AEB持续学习的能力，但障碍物的种类之多，是永远不可能全部学会的，于是特斯拉率先引入了Occupancy Network占据网络。

这种架构可以直接跳过对障碍物的特征识别，用类似搭积木＆拼乐高的方式，把真实的3D世界用无数小的立方体占据网格进行表达。

换句话说，在占据网络的世界下，AEB不用纠结障碍物是什么了，只要有障碍物挡在它前面，就可以直接进行下一步，判断是否需要介入。

比如华为ADS 2.0就搞了个BEV Former+Occupancy互补的“GOD网络”，阿维塔11在其加持下，把AEB的激活车速从行业内最高的60km/h，提升到了80km/h。

让AEB的运算能力更强

算力就是AEB的大脑。在传统油车时代，AEB的大脑是一个相对独立的ECU，其算力非常有限，做不了太复杂的运算。

而在智能化时代后，汽车的电子电气架构从之前的分布式升级为域控制式，算力平台也从ECU集成到了拥有更高算力的智能驾驶域控制器。

比如小鹏G9，它的智驾域算力系统就是两颗英伟达Orin，总算力超过了500Tops，这为其智能驾驶和主动安全性能提供了相当高的保障。

总结

虽然过去的AEB不太靠谱，但随着智能驾驶的升级，AEB的安全性能也在逐渐提升。

不过即使如此，安全的主体永远是人，AEB永远只能提供“辅助安全”，想要完全依赖AEB是不现实的。