王腾近日在社交平台上发文，提到自己在代驾场景中使用小米SU7智能泊车时，连续多次没有成功完成停入，情绪上来后顺手发出了吐槽。原本只是一次带着情绪的即时反馈，却因为身份特殊、话题又碰上智能驾驶的敏感节点，很快被放大成舆论焦点。两天后，8月6日，王腾公开把事情经过补充完整，表示当时只是随手记录体验，并不是有意给产品“泼冷水”，对给内部团队带来的困扰也表达了歉意。
事件发酵后，小米汽车的处理速度很快。第二天一早，相关团队就拉起了专项工作群，负责智能驾驶和自动泊车的人员同步到位，开始核查问题。王腾也配合工程师调取车辆行驶数据，针对相同场景反复复测，把触发失败的条件尽量还原出来，再把细节完整回传给研发团队，便于定位问题出在哪里。对车企来说，这种来自真实使用场景的反馈，比单纯的口头评价更接近系统在路面上的真实表现，也更容易推动后续版本优化。
智能泊车一直是新能源车竞争最激烈的功能之一，看似只是一个停车动作，背后却牵涉到摄像头、雷达、算法、车位识别、路径规划和末端控制等多个环节。只要车位边界不清、地面标线磨损、周边空间狭窄，或者环境光线、障碍物形态出现变化，系统就可能进入更谨慎的策略，表现出反复修正、犹豫不决甚至直接退出。也正因为如此，智能泊车是否稳定，往往比宣传页上的参数更能检验一家车企在软硬件融合上的真实功底。
从行业层面看，这类问题并不只会出现在一家企业身上。无论是新势力还是传统车企，在智能泊车的量产落地阶段，都会经历从功能可用到体验稳定的爬坡过程。谁能更快把用户反馈转成数据，谁能更快完成场景复现和版本修补，谁就更有机会把一次偶发问题控制在局部影响里。对小米汽车来说，快速响应本身已经说明它在把智能驾驶当作重点能力来做；而对整个行业来说，真正拉开差距的，不只是功能有没有上车，更是面对复杂场景时能不能持续迭代，把体验一点点磨稳。
