5.3 智能驾驶与网联对照：传感器阵列与算力军备

5.3 智能驾驶与网联对照：传感器阵列与算力军备

本节摘要：智能驾驶把汽车从封闭机械变成了带感官的联网终端。本节对照油电两边的智驾硬件分布，拆解传感器组合的分工与冗余逻辑、算力档位的现实意义，并解释为什么辅助驾驶的能力边界要按"接管场景"而不是按宣传等级来理解。

先看两边的感官配置

把一辆主流燃油轿车和一辆主流电动轿车按传感器清点，差异一目了然。燃油阵营的走量车型通常停留在基础 L2：一颗前视摄像头加一具毫米波雷达，配套十二颗超声波雷达，实现自适应巡航与车道居中，算力个位数 TOPS 藏在分布式 ECU 里。电动阵营的中高配则普遍是"多摄像头加高算力"配置：十颗上下摄像头覆盖环视与前视，三到五具毫米波雷达，部分车型加装一到三颗激光雷达，智驾域控制器算力从两百 TOPS（单 Orin 量级）到五百 TOPS 以上（双 Orin 或等效国产芯片），城市领航辅助方案甚至冲上千 TOPS。感官配置的差异，根源在于产品定位：燃油走量车型的智驾是"配置表上的一项"，电动中高端的智驾是"产品定义的核心"。

传感器组合的分工值得记住。摄像头看得懂语义（车道线、红绿灯、异形障碍物）但测距靠推断；毫米波雷达测距测速可靠且全天候，但分辨率低、对静止物体历来不敏感；激光雷达直接输出高精度三维点云，夜间逆光不眨眼，代价是成本与洁癖（脏污雨雪都影响）。三者的冗余互补是高阶智驾的安全前提——任何单一传感器都有物理盲区，方案之争（纯视觉还是多传感器融合）本质是在成本与冗余之间选点。网联能力则是另一条腿：4G/5G 联网让导航、远程控制、数据回传成为可能，车路协同（V2X）在国内多个试点城市把红绿灯信息、路侧感知送进车内，但目前仍是辅助信息而非控制输入。

算力档位与真实能力边界

算力数字容易被误读。TOPS 衡量的是芯片的理论峰值，真实能力取决于算法效率、数据闭环与传感器输入质量——同样两百 TOPS，不同团队的体验差距可以像两个物种。但算力档位与能力档位确实存在大致的对应：个位数 TOPS 只够基础 L2（单车道巡航加 AEB）；两百 TOPS 量级可以跑高速领航辅助（自动上下匝道、超车变道）；五百 TOPS 以上加数据闭环，才谈得上城市领航——城市路口的无保护左转、行人非机动车混行，对感知与预测的要求比高速高一个数量级。判断一款车的智驾水平，比看算力更可靠的是问三个问题：领航覆盖哪些城市还是全国都能开、接管频率在同类里的口碑如何、数据闭环是否自己跑（这决定迭代速度）。

辅助驾驶等级的油电分布还有一层结构性原因。高阶智驾需要三样东西：集中式架构算力、线控执行冗余、持续的数据回传与 OTA。5.2 节讲过，这三样恰好是第三代 EEA 的标配——多数燃油平台到不了这个条件，智驾自然停在分布式 ECU 能承载的基础 L2。这不是燃油技术做不了智驾（供应商方案琳琅满目），而是存量架构的算力与数据管道装不下城市级方案。于是市场呈现马太分布：智驾越强的车越集中在新电动平台，反过来又强化了"电动等于智能"的用户认知。

⚠️ 常见坑：把"支持城市领航"理解为"任何城市任何路况都能脱手"。当前的领航辅助全部是 L2——责任主体始终是驾驶员，系统在雨夜、施工区、异形障碍上仍会突然交还控制。宣传等级与接管概率之间隔着一个真实世界，买智驾看的是接管口碑，不是发布会。

本节要点回顾

• 感官配置分层：燃油走量车型多为基础 L2 的单目加毫米波，电动中高端普遍十摄像头加高算力域控，激光雷达按方案选配。
• 传感器互补：摄像头懂语义、毫米波全天候、激光雷达高精度三维，冗余组合是高阶方案的安全前提。
• 算力看档位更要看闭环：个位数 TOPS 基础 L2、两百 TOPS 高速领航、五百 TOPS 以上城市领航，数据闭环决定迭代速度。
• 架构决定智驾上限：集中算力、线控冗余、数据管道三条件绑定了 EEA 代际，这是油电智驾分布差异的结构性根源。

神经系统长出大脑之后，最后一层是商业模式的变革：软件定义汽车与 OTA，两条路线的软件账本差在哪里。

数据闭环：智驾迭代的隐形工厂

硬件清单之外，智能驾驶真正的护城河是一座隐形的工厂——数据闭环。它的流水线是这样的：量产车在人类驾驶员接管时静默记录传感器数据与车辆状态，这套影子模式每天从数百万辆在售车里筛出有价值的长尾场景；数据回传云端后，先自动标注再人工复核，进入场景库；仿真平台用这些场景对算法做回归测试，一次算法更新要在几百万个场景里过筛，合格后才推 OTA。整条链路的量级感：头部车队单日回传的数据以千万公里里程的样本库滚动积累，标注与仿真的算力支出是仅次于研发人员工资的成本项。这套体系解释了智驾竞争的马太效应：卖得越多、数据越多、迭代越快、体验越好、卖得越多——数据闭环是智能车时代第一个把市场份额直接转化为技术优势的正反馈。燃油存量车因为缺少数据管道与算力底座，哪怕装同样的传感器，也接不进这条流水线。

问题：没有激光雷达就做不了城市领航吗

不是能力问题，是安全冗余的取舍。纯视觉路线用多摄像头加神经网络的方案已证明可以覆盖城市场景，但在夜晚逆光、雨雾等边界条件下缺少独立测距源做交叉验证，企业选择用更大的数据量与算法冗余补偿；多传感器融合路线则直接买物理冗余。两条路线的分歧本质是对"安全概率的构成"持不同算法，消费者该看的不是传感器清单，而是该方案在其宣称运营城市里的接管统计。

给智驾的油电对照补一个用户视角的口径：别问"什么级别"，问三个具体问题——高速领航在多大比例的匝道上不用接管、城市路口的无保护左转平均多久触发一次接管、雨夜的可用性降级策略是什么。这三问的答案比等级代号诚实得多。辅助驾驶的体验差异藏在长尾场景里，而长尾场景的覆盖度，正是上一节数据闭环工厂的产能。