作者 | 德新

编辑 | 于婷

阿维塔11，这款车不用过多介绍，长安 x 宁德 x 华为 3家联合打造。

• 外观独特，在宝马17年的顶尖设计师Nader Faghihzadeh主导的设计；

• 用料也很足，90度 - 116度的电池，34.99万的起售价；

• 最亮的是，华为全栈的智能化技术。

9月份我们已经拍过实车，基础素质过硬。

智能化表现，差不多是这个车在12月新车交付前最后的待确定环节。

阿维塔11在交付后，首批就会开放：高速/快速路/城市环路的领航辅助驾驶，以及自动泊车功能。

华为提供的技术，阿维塔主导的产品定义，这款车辅助驾驶有什么特别？

1. 方案特点：上限高，极度平顺

讲智驾之前，我们先来看看阿维塔本身的产品设定：

• 阿维塔11这款产品，本身是运动兼顾舒适，但是更偏舒适的定位。这个车，有运动的底子，让驾驶者感受到有很好的操控，同时又兼顾了后排的舒适；

• 它的辅助驾驶系统也是一样，有非常强大的硬件，这堆硬件支撑了一个很高的上限，其实是可以有很激进的通过能力，但阿维塔又把它调得非常温和。

阿维塔内部打了一个比方，希望这个系统是一个有经验的礼宾司机，全程不踩一脚刹车，很有预见性地让这个车很安全、舒服、又高效。

阿维塔11的辅助驾驶系统有什么特色呢？

这张图，就是阿维塔11智驾产品定义的精髓。

绿字部分，是内部认为比较有特色的功能点。比如：

• 城区的无保护右转、无保护左转；

• 高速/封闭环路场景：障碍物避让，施工刹停，大型异形卡车识别，上下匝道；

• 低速泊车场景：车位搜索、锥筒识别、断头路泊入泊出。

2. 极限车位挑战：这也能停？

极限车位泊车，考验精准的感知能力，以及路径规划能力。

这是接近道路尽头的一个斜列车位。前进的方向已经被一排锥筒挡住了。

可用车位是左侧的第二车位，左侧第三车位也被一个锥筒占了。

所以锥筒和周边车辆就围成了一个有限空间。

阿维塔这个时候可以车头泊入或者车尾泊入，我们选择了难度更高的车尾泊入，这样还会增加一个调头的操作。

泊车过程中，阿维塔其实少量借用了后方已经被锥筒占用的车位空间，以及利用前面被锥筒围起来的一圈空间来实现调头。

这个调头泊入其实做得非常精细：

• 用激光雷达来精确地扫描周边的可用区域，既充分利用空间来调头，又不能碰到一些障碍物；

• 用摄像头来识别地面的停车位标识线；

• 用毫米波、超声波雷达，来检测车周边的行人，这样做到泊车的过程里，有行人通过随时刹停。

这种疑难杂症车位，有几重挑战：

• 第一，能不能识别到空车位；

• 第二，识别到空车位之后，敢不敢停。

我们在现场也试了蔚来的ES7和小鹏的G9。

ES7和G9都没有成功识别到这个车位。

3. 魔鬼路段挑战：这也能过？

魔鬼路段挑战，主要考验感知能力，在强感知基础上，阿维塔11的规控是做得比较连续、舒缓的。

这是在专业测试场地，华为苏州的测试场，模拟的一个魔鬼路段，有大弯道、隧道、侧翻车、锥桶、水马、连续弯等等。

重点看两个场景：

侧翻车和锥筒。

这一类的异形静止物体、以及锥筒这样的小目标，加上施工场景，是我们之前开各种辅助驾驶车，在高速路段上非常常见的。

可以说极少成功识别，大部分情况会直接撞上去。

• 第一个场景隧道口的侧翻车。

我们来看一下阿维塔11的表现，过弯道之后，以时速接近60的速度，进隧道口，刹住了。

其他车辆的表现：

• 特斯拉Model Y识别到了，刹车不足，人为接管；

• 蔚来ES7 成功识别，成功刹住；

• 小鹏G9没有识别。

• 第二个场景是隧道内有一排连续的锥筒，相当于模拟一个施工场景，看车辆能否识别并自动变道；

·阿维塔11，顺利识别到了，并且汇入了左道；

· 特斯拉Model Y，识别到了，但是打的方向不够，差点擦边过去；

· 蔚来ES7，未识别到；

· 小鹏G9，远远识别到了，它停下等司机接管。

好的，上面两个场景挑战完毕，我们并不能直接得出，阿维塔11辅助驾驶能力最强的结果。

不过确实，值得一吹（讲）。

第一个场景下，有几重因素的挑战：时间短，光线变化，静止异形物体。

1. 车速大概在60左右，相当于每秒16.67米，撞上100米外的障碍物，大概只需要6秒，车速越高，难度越大；

2. 进入隧道，光线的明暗快速变化。这种情况下，驾驶员的人眼瞳孔放大，一般人眼的瞳孔反射时间大概是1 - 2秒。当光线明暗变化一大，摄像头就瞎了。

阿维塔11采用了高动态HDR算法。这个词在相机、影像领域听的很多。大概什么意思呢。就是当环境的光线发生快速变化时，相机会拍摄多帧，一些帧更亮、一些帧更暗，然后将这些帧的信息拼到一起，得到细节更丰富的画面。

3. 静止异形物体。回到这个时候，眼前突然出现了一个侧翻车辆。正常行驶的车辆，机器已经学习了千千万万遍，但侧翻了以后，它就变成了一个异形的物体。

这个时候，视觉图像算法不一定能识别出来异形的目标并且做出判断，所以这个场景也靠激光雷达、4D毫米波雷达来融合补充补充。激光雷达的特点就是测距准，4D毫米波的特点是增强了对静止物体的识别能力。

这段展示了于高性能传感器的融合感知能力。

再仔细看下第二个场景。

第二个场景主要是针对远距离锥筒的识别，难主要是考验对弱光环境下远距离小目标的精确感知能力。

• 隧道环境整体比较暗；

• 连续锥筒，是一堆比较远的小目标；

• 测距也是难点，只有精准感知到小目标的位置，才好做后面换道的决策规划；

阿维塔跟华为联合定义的这套智驾方案，摄像头也是一大特色：F/1.6的大光圈，3.0微米的像素尺寸。

大光圈大像素的好处就是，弱光下的画面细节会更丰富，也更加有利于识别算法对小物体的检测。

除此之外，融合的激光雷达也带来了帮助，不仅知道前面有锥筒，而且精确知道多个锥筒描绘的物理边界。

这些都是强感知带来的好处。

最后，做一点补充说明：

蔚来ES7和小鹏G9都加了激光雷达。我们了解到，ES7的激光雷达已经在投入使用，G9还没有，可能要到明年初XNGP开放时才会启用。

然后ES7的激光雷达在车顶，这个位置主要守护的是相对远距离一些的目标。

所以这里会呈现，大家都有激光雷达，但在能力上仍有差距的情况。

4. 公开道路挑战：这么丝滑？

公开道路体验，更多是让我们感受到阿维塔11的调校风格。

这是在苏州的一段快速路/城市环路场景，全长38公里多，快速路/封闭道路的路程大概在32公里左右，全程的平均时速大概在60+ km/h。

我们主要讲几点：

• 加塞的处理很平顺，减速比较轻柔；

• 入弯、入匝道，平滑过渡，不会有车速骤降的情况，比较符合人的驾驶习惯，舒适兼顾效率；

• 上下匝道，成功率高。

这些特性呢，还是回过来，跟车辆的感知能力有很大关系；其次，就是产品定义和调校风格。

整体上，阿维塔11的辅助驾驶调校风格，跟整车很像，也是运动性很强/能力很强的基础上，有一个非常舒适的交互界面，包括加减速的处理、自动打方向的力度/横向速度、方向盘的力矩反馈等等。

总的来说，阿维塔11的智驾能力绝对是第一梯队的。

比较有意思的是，关于阿维塔11的外观和内饰设计，在市场上评价是非常两极的，喜欢的用户非常喜欢，另一些人觉得难以接受。

大家比较有共识的是：

• 基础素质过硬；

• 加上华为的智能化技术；

• 加上明年进入华为的门店渠道加持。

看看TA会不会在明年迎来销量爆发。