很多人下班最怕施工路段的锥桶水马，傍晚根本看不清，问界M6激光雷达115米就能识别，比普通雷达远43%，车自己提前减速绕行，不用再急刹猛打方向，25万级里算是绕不开的选择了。
前两天一个开问界M6的哥们儿跟我讲了一件事，说他现在每天下班走那条修了半年的省道，居然一点都不焦虑了。我当时就笑了，施工路段谁走谁骂娘，怎么可能不焦虑？他说你开一次就知道了，傍晚六点半，太阳基本落干净了，锥桶和水马的颜色跟路面都快糊到一起，他自己还没看清，车已经轻轻点了一脚刹车，往左带了一把方向，稳稳绕过去了。仪表盘上清清楚楚标着前方锥桶的位置，距离115米的时候就识别出来了。115米是什么概念？按照市区通勤四五十公里的时速，相当于提前将近十秒钟就告诉你前面有东西。十秒钟在驾驶里，足够让一个人从心跳加速到完全从容。
这就引出一个特别值得聊的问题：现在的智驾方案，到底谁在真正解决普通人的日常痛点？很多车企发布会一开就是两个小时，大屏幕上全是遥遥领先的参数，几颗激光雷达、多少TOPS算力、多少个感知模块。但你问他们一个最简单的问题，晚上施工路段那个橘红色的锥桶，你们到底能多远看见？多半就开始跟你绕了。因为小目标检测本来就是整个自动驾驶感知体系里最让人头疼的场景之一，锥桶、水马、三角警示牌，这些东西体积小、形状不规则、表面反光特性千差万别，传统的视觉方案对它们的识别距离一直提不上去。高线束激光雷达倒是能扫到更远的点云，但单靠激光雷达又面临另一个问题，点云本身不带语义信息，你不知道那个点到底是锥桶还是路面上的一个坑。所以大多数方案都是激光雷达扫一遍，摄像头看一遍，然后把两边的数据拼到一起做融合。这个“拼”字本身就是隐患，时间差哪怕只有几十毫秒，对于高速运动的小目标来说，位置偏差就已经不可忽略了。
问界M6上这套Limera传感器有意思的地方就在这里，它搞了一个叫“一镜双模”的东西。说白了就是激光和摄像头共享同一个光学通道，物理上就不存在视差，数据在传感器层面直接零时差融合输出。这个技术细节太重要了，因为它直接决定了感知系统对锥桶这种小目标的探测距离和置信度。官方给出的数据是115米，比普通高线束激光雷达方案远了43%。43%不是一个纸面上的数字，它转化成实际体验就是，别人还在犹豫这个点云到底是不是障碍物的时候，问界M6已经做出了减速和绕行的决策。这就是为什么那个哥们儿会觉得走施工路段不慌了，因为他不需要在最后一刻才看到锥桶，然后做那种让人肾上腺素飙升的紧急避让。
而且你发现没有，这种体验上的差距在傍晚和夜间会被放得特别大。白天光线充足，视觉方案的感知能力其实差不了太多，大家都能早早看到障碍物。但一到傍晚，路面照度急剧下降，锥桶和水马的橘红色在昏暗光线下会迅速失去对比度，这时候纯视觉方案的识别距离会断崖式下跌。很多人都有过这种经历，晚上开高速遇到施工路段，锥桶的的反光条被泥水糊住或者老化褪色，你真的是到跟前才能看到，那一瞬间脊背发凉的感觉太深刻了。激光雷达的好处是不依赖环境光，主动发射激光束，傍晚和黑夜对它来说跟白天没有本质区别。所以当激光和视觉能在传感器端就深度融合的时候，夜间小目标识别这块的短板就被补上了一大块。这个事情其实反映了一个很有意思的行业分歧：智驾能力到底应该是硬件堆料拼参数，还是从传感器物理架构入手解决根本问题？
聊到这儿可能有人会问，那这套系统上了路之后到底稳不稳？我们不说那些理想状态下的测试，就说真实路况里最让人头疼的几种场景。人车混行的街巷，路两边停满了车，中间就留一条刚够过的缝，还得提防随时从车缝里窜出来的电动车和行人。这种场景在地图上都未必标得清楚，纯靠感知系统的实时判断能力。城区NCA在这种地方的策略很有意思，它不是傻乎乎地停在原地等，也不是激进地往前挤，而是一种非常接近于人类老司机的策略：缓慢往前蹭，同时不断调整角度试探通过空间，一旦感知到对面来车或者侧向有行人靠近，马上停下来让对方先过。这个过程里激光视觉融合的优势又一次体现出来了，因为它能看到那些藏在车缝后面只露出半个车把手的电动车，你作为驾驶员可能还没注意到，车已经先看到了，并且提前把速度降下来了。
夜间过环岛是另一个高频痛点。环岛本身就是智驾里比较复杂的拓扑结构，多个入口出口交织在一起，车辆之间的博弈非常微妙。加上晚上光线差，地面标线看不清，导航给的路线和实际可通行路径之间经常有偏差。很多智驾方案一到夜间环岛就开始犹豫不决，不知道该进还是该让，结果就是走走停停把人晃得头晕。问界M6在这块的处理给我感觉是比较果断的，它能基于激光雷达构建的实时环境模型来判断哪些区域是安全的可通行区域，不完全依赖地面标线。这就意味着哪怕标线磨损得基本看不到了，它依然能根据路沿、护栏和其他车辆的运动轨迹来规划自己的路径。这个能力不是靠堆算力就能解决的，需要感知系统的原始数据质量足够高，融合足够紧密，才能支撑规控模块在复杂场景下做出准确判断。
还有一个维度容易被忽略，就是整个系统的进化能力。以前买车，车出厂那天能力基本就定型了，后面最多更新个地图数据。但现在智驾系统是可以OTA的，这就意味着你在买车那一刻感受到的能力只是起点，后面随着数据积累和算法迭代，车辆的感知和决策能力是会持续提升的。Limera这套传感器架构因为输出的数据质量本身就很高，融合算法升级的天花板也会相应更高。举个例子，如果将来针对施工场景的锥桶识别模型有了新版本，识别距离可能从115米进一步提升，或者对更多类型的异形障碍物实现更早的识别，这些升级都可以通过OTA推送到车上，不用动任何硬件。这一点对于买25万价位SUV的用户来说其实是挺重要的考量因素，因为大家的换车周期普遍在五到八年甚至更长，一辆车能在整个使用周期里持续变聪明，这笔账算下来肯定比买一辆智驾能力固定的车要划算。
说到25万级SUV这个市场，竞争有多激烈不用我多说了。这个价位的消费者是非常务实的一群人，他们不会为一个虚无缥缈的概念买单，要的是实打实能减轻日常驾驶负担的能力。通勤路上不用时刻绷紧神经盯着路面，晚上走施工路段不用提前进入战斗状态，过个环岛不用跟车较劲较到满头大汗，停个车不用反复来回揉十几把方向盘，这些才是他们感知最强的价值点。问界M6在这几块的表现，至少从目前我了解到的情况来看，是比较对得起这个价位的。基础泊车功能兜底日常够用，城区NCA在复杂场景下表现从容，再加上那个115米识别锥桶的能力点，所有这些加在一起构成了一个比较完整的日常使用体验闭环。
说到底，智驾这件事不应该被包装成玄学。它就是一个工具，帮你在那些容易紧张、容易疲劳、容易出错的场景里多一层保障。傍晚施工路段的锥桶，就是检验这个工具好不好用的一道简单直接的考题。能不能早一点看到，能不能提前处理，能不能让你不用急刹猛打方向，这些才是一套智驾系统真正跟普通人产生连接的地方。参数可以写在PPT上，但心跳不会撒谎。
