文 | 索鹅图
AI万神殿 原创出品
国庆假期期间，笔者借朋友新购的小米汽车，在横断山脉展开了一场高难度智驾测试。作为当前智能驾驶领域的明星产品，小米汽车搭载的AI Agent系统在实际路况中暴露出诸多值得探讨的技术问题，这场横跨川滇两省的实地测试，为我们观察智能驾驶技术落地提供了珍贵样本。
10月4日从宜宾进入银昆高速后，系统在急弯路段的行驶策略引发多次险情。当车辆处于左侧超车道时，面对向右弯道会出现两个典型问题：其一，系统倾向于贴左侧车道线行驶而非居中；其二，当驾驶员手动修正方向时，方向盘会自动激烈回正，导致车辆出现蛇形晃动。这种异常现象在宜宾至昭通、保山至大理等急弯密集路段频繁发生，甚至惊醒后排休息的乘客。
技术层面分析，这暴露出端到端决策方案的固有缺陷。该方案依赖单帧画面做即时判断，缺乏对连续路况的动态规划能力，导致车辆行为呈现机械僵硬特征。正如自动驾驶领域专家指出的，当前技术仍停留在"应激反应"阶段，尚未形成真正的场景理解能力。
测试中发现系统对雪糕桶存在"过度解读"现象。在右侧车道出现三个雪糕桶时，车辆从110km/h骤降至78km/h，导致后方工程车险些追尾。这种"逢桶必减"的策略，反映出系统未能区分警示标志与实际施工场景的差异。更值得关注的是隧道口场景：当遇到两个警示雪糕桶时，系统降速20%后未能及时恢复，在短暂致盲区保持低速行驶，暴露出决策逻辑的呆板。
超车场景的决策同样存在争议。当旁车压线行驶时，系统会立即降速，这与人类驾驶员"快速超越"的直觉相悖。这种保守策略导致车辆长时间与大车并行，反而增加了潜在风险。测试数据显示，老司机群体对这类决策的容忍度显著低于新手，约60%的老司机在首次遭遇不合意操作后，会连续数日拒绝使用智驾功能。
更严重的问题出现在上下文理解层面。10月4日晚进入朱家村隧道前，系统突然降速至65km/h（隧道限速80km/h），原因竟是误读路侧"危化品车辆限速65"的警示牌。这表明当前视觉系统仅能提取数字信息，缺乏对完整语义的理解能力。理想的AI Agent应当具备主动视觉和规则内化能力，能准确解析交通标志的完整含义。
在岗纪服务区附近的异常右拐事件更具警示意义。当车辆明确保持直行状态时，系统突然意图进入服务区匝道，这种"自主决策"暴露出意图理解模块的严重缺陷。结合分心提醒功能的误判案例（如查看地图被识别为分心），反映出多模态感知系统的整合仍存在技术瓶颈。
尽管小米宣称已完成数百万公里路测，但实测暴露的问题引发行业思考。成都闹市区酒驾事故导致的股价波动，为行业敲响安全警钟：每提升1%的安全系数，都可能带来千亿级的市场价值。当前智能驾驶系统在复杂场景下的决策可靠性，仍是制约技术普及的关键因素。
作为AI技术的重要硬件载体，小米汽车集成的传感器阵列和算力平台具备显著优势。但从小爱同学的餐厅推荐到智驾系统的路径规划，智能程度的层级差异表明，真正的汽车AI Agent仍需突破技术临界点。这场横断山脉的实测，既是对现有技术的压力测试，也为下一代AI驾驶系统的进化指明了方向。
*本文提及的上市公司信息仅作技术分析参考，不构成投资建议
猜你喜欢
