AEB強制性國標發布　AI能力進階提升智駕安全感知能力

（圖片來源：攝圖網）

（記者　張蘇慧）據央視新聞報道，工業和信息化部發布汽車駕駛輔助系統領域首個強制性國家標準《輕型汽車自動緊急制動系統技術要求及試驗方法》（GB39901—2025），該標準將于2028年1月1日正式實施。

新標準的出臺，意味著乘用車行業大規模前裝AEB（自動制動系統）的時代即將到來。相關行業專家表示，AEB強制標配不僅是技術升級，更是對汽車安全理念的轉變。從“被動防護”到“主動預防”，車輛安全性也將得到大幅提升。

強制性新國標推動AEB技術普惠

AEB系統就像車輛的“智能哨兵”，能實時監測前方路況，發現碰撞風險時先發出預警，若駕駛員未及時反應，便自動啟動制動減速，最大限度避免或減輕事故傷害。

近年來，AEB救人的案例屢見不鮮。不久前的一個霧夜，一輛搭載該系統的車輛在低能見度下正常行駛，一名闖紅燈行人突然闖入視野盲區，AEB系統毫秒級響應，最終在距離行人數米處剎停，化解了悲劇。

此前，AEB的裝配率與車輛價格高度相關，導致不同價位車型在安全配置上存在顯著差異。30萬元以上車型 AEB 裝配率高達 93%，但8萬元以下車型的裝配率僅2.6%，10萬元以下車型也僅3.11%，這意味著近97%的入門級車主，在面對“鬼探頭”、十字路口橫穿等高頻危險場景時，可能只能依賴自己的反應速度。這種“安全配置按價分級”的現象，使得大多數預算有限的消費者無法享受到本應普及的主動安全保護。數據顯示，2025年1-10月，我國乘用車整體AEB裝車率為67.8%。新國標的實施將徹底打破這一局面，確保無論消費者購買何種價位的車輛，都能獲得基礎的安全保障，顯著縮小安全配置鴻溝。

AEB存在能力邊界與局限性

AEB系統作為一種輔助駕駛功能，其核心由三大模塊構成：傳感器（感知）、控制器（決策）和執行器（執行）。然而，AEB并非旨在實現完全自動駕駛，而是作為應急輔助，在特定場景下為駕駛員提供安全支持。

AEB系統存在天然的局限性。早期AEB系統主要針對車輛識別，對行人和騎車人的識別能力有限。例如，對身高低于1米或高于2米的行人、彎腰蹲下的行人、穿著特殊服裝（如雨衣）或打傘的行人，以及在黑暗環境中或緊貼墻壁的行人，識別成功率會顯著降低。

AEB系統還存在速度范圍限制，通常在特定速度范圍內才能有效工作，例如，當車速超過80km/h時，系統往往僅能實現減速緩沖，難以完全避免碰撞。系統功能還可能因特定條件被抑制，例如在駕駛員未系安全帶或方向盤進行大角度干預時，AEB可能不會觸發，這是出于安全考慮的設計選擇（如防止緊急制動時乘員被甩出或車輛側翻）。系統在惡劣天氣（如大雨、大霧）下的性能也可能顯著衰減。

AEB系統的誤觸發（“幽靈剎車”）問題也是所有車企面臨的共同難題。系統可能因隧道陰影、前方物體反射等因素錯誤判斷風險，導致無故緊急制動。這種誤觸發不僅影響駕駛體驗，更可能引發后車追尾事故；過于保守則可能在危險時無法及時介入。在安全與體驗間找到最佳平衡點，考驗著工程團隊的智慧。

此外，當AEB未能避免事故或發生誤觸發導致事故時，責任如何界定仍是法律和保險領域需要持續探索的課題。部分消費者可能因過度信任AEB而放松警惕，誤將“輔助駕駛”當作“自動駕駛”。法律實踐表明，駕駛員始終是車輛操作的責任主體。在一起相關產品責任糾紛案中，法院明確指出，當駕駛員違反交通規則（如闖紅燈）導致事故時，不能以AEB未介入為由要求車企擔責。車企有義務通過用戶手冊等方式清晰說明系統局限，而駕駛員有責任了解這些限制并保持專注駕駛。

AI能力提升，全維度升級 AEB 系統

在強制性新國標的驅動下，AI技術的融入將進一步推動AEB系統的智能化普及。

在感知層面，AI極大地擴展了AEB系統的識別廣度與精度。傳統的AEB系統主要依賴預定義的規則識別車輛、行人等有限目標，而借助持續進化的大模型，系統現在能更精準地辨識小動物、異形障礙物等難以預見的危險。例如，由Momenta飛輪大模型賦能的AEB系統，已經能夠有效識別突然闖入道路的牛、馬、羊等動物，即便在夜間或被部分遮擋的復雜場景下也能做出有效響應。同時，AI熱成像技術的應用進一步補強了系統的全天候感知能力。麥格納公司開發的基于卷積神經網絡的熱感應系統，通過對超過7000萬幀道路圖像進行訓練，能夠有效區分在夜間散發熱量的消防栓與真實行人，顯著降低了誤判率。這類技術彌補了傳統攝像頭在逆光、眩光等惡劣條件下的感知短板。

AI的賦能更深刻地體現在決策機制的優化上。通過引入端到端技術，系統能夠更直接地處理傳感器原始數據，縮短了從感知到決策的路徑，從而有效縮短了系統延遲。一個前沿的探索是Dual-AEB系統，它創新地將多模態大語言模型引入決策過程。該系統通過MLLM對駕駛環境進行深層次的語義理解，能夠解讀如“前車剎車燈亮起”這類間接線索，從而預測潛在風險，實現更早的預警和制動。這種將快速響應的規則模塊與深度思考的AI模塊相結合的方式，在確保安全的同時，大幅提升了決策的智能化水平。

此外，AI是推動多傳感器實現深度融合與高效協同的核心引擎。它通過先進的融合算法，將激光雷達、毫米波雷達、攝像頭以及熱成像傳感器等不同類型傳感器獲取的多源異構數據進行高效整合，使得AEB系統能構建出更精確、更可靠的周圍環境模型。小米汽車在其AEB系統的升級中，也將識別目標擴展到如水馬、墻壁、立柱等靜態障礙物，這背后正是AI模型通過海量數據訓練后，獲得的強大泛化能力。這種基于數據迭代的持續優化，構成了一個自我完善的“飛輪”，使得AEB系統能夠不斷適配更多未知的長尾場景，筑牢行車安全防線。