（圖片來(lái)源：攝圖網(wǎng)）

（記者　張?zhí)K慧）據(jù)央視新聞報(bào)道，工業(yè)和信息化部發(fā)布汽車(chē)駕駛輔助系統(tǒng)領(lǐng)域首個(gè)強(qiáng)制性國(guó)家標(biāo)準(zhǔn)《輕型汽車(chē)自動(dòng)緊急制動(dòng)系統(tǒng)技術(shù)要求及試驗(yàn)方法》（GB39901—2025），該標(biāo)準(zhǔn)將于2028年1月1日正式實(shí)施。

新標(biāo)準(zhǔn)的出臺(tái)，意味著乘用車(chē)行業(yè)大規(guī)模前裝AEB（自動(dòng)制動(dòng)系統(tǒng)）的時(shí)代即將到來(lái)。相關(guān)行業(yè)專(zhuān)家表示，AEB強(qiáng)制標(biāo)配不僅是技術(shù)升級(jí)，更是對(duì)汽車(chē)安全理念的轉(zhuǎn)變。從“被動(dòng)防護(hù)”到“主動(dòng)預(yù)防”，車(chē)輛安全性也將得到大幅提升。

強(qiáng)制性新國(guó)標(biāo)推動(dòng)AEB技術(shù)普惠

AEB系統(tǒng)就像車(chē)輛的“智能哨兵”，能實(shí)時(shí)監(jiān)測(cè)前方路況，發(fā)現(xiàn)碰撞風(fēng)險(xiǎn)時(shí)先發(fā)出預(yù)警，若駕駛員未及時(shí)反應(yīng)，便自動(dòng)啟動(dòng)制動(dòng)減速，最大限度避免或減輕事故傷害。

近年來(lái)，AEB救人的案例屢見(jiàn)不鮮。不久前的一個(gè)霧夜，一輛搭載該系統(tǒng)的車(chē)輛在低能見(jiàn)度下正常行駛，一名闖紅燈行人突然闖入視野盲區(qū)，AEB系統(tǒng)毫秒級(jí)響應(yīng)，最終在距離行人數(shù)米處剎停，化解了悲劇。

此前，AEB的裝配率與車(chē)輛價(jià)格高度相關(guān)，導(dǎo)致不同價(jià)位車(chē)型在安全配置上存在顯著差異。30萬(wàn)元以上車(chē)型 AEB 裝配率高達(dá) 93%，但8萬(wàn)元以下車(chē)型的裝配率僅2.6%，10萬(wàn)元以下車(chē)型也僅3.11%，這意味著近97%的入門(mén)級(jí)車(chē)主，在面對(duì)“鬼探頭”、十字路口橫穿等高頻危險(xiǎn)場(chǎng)景時(shí)，可能只能依賴(lài)自己的反應(yīng)速度。這種“安全配置按價(jià)分級(jí)”的現(xiàn)象，使得大多數(shù)預(yù)算有限的消費(fèi)者無(wú)法享受到本應(yīng)普及的主動(dòng)安全保護(hù)。數(shù)據(jù)顯示，2025年1-10月，我國(guó)乘用車(chē)整體AEB裝車(chē)率為67.8%。新國(guó)標(biāo)的實(shí)施將徹底打破這一局面，確保無(wú)論消費(fèi)者購(gòu)買(mǎi)何種價(jià)位的車(chē)輛，都能獲得基礎(chǔ)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(tǒng)作為一種輔助駕駛功能，其核心由三大模塊構(gòu)成：傳感器（感知）、控制器（決策）和執(zhí)行器（執(zhí)行）。然而，AEB并非旨在實(shí)現(xiàn)完全自動(dòng)駕駛，而是作為應(yīng)急輔助，在特定場(chǎng)景下為駕駛員提供安全支持。

AEB系統(tǒng)存在天然的局限性。早期AEB系統(tǒng)主要針對(duì)車(chē)輛識(shí)別，對(duì)行人和騎車(chē)人的識(shí)別能力有限。例如，對(duì)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(huán)境中或緊貼墻壁的行人，識(shí)別成功率會(huì)顯著降低。

AEB系統(tǒng)還存在速度范圍限制，通常在特定速度范圍內(nèi)才能有效工作，例如，當(dāng)車(chē)速超過(guò)80km/h時(shí)，系統(tǒng)往往僅能實(shí)現(xiàn)減速緩沖，難以完全避免碰撞。系統(tǒng)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(pán)進(jìn)行大角度干預(yù)時(shí)，AEB可能不會(huì)觸發(fā)，這是出于安全考慮的設(shè)計(jì)選擇（如防止緊急制動(dòng)時(shí)乘員被甩出或車(chē)輛側(cè)翻）。系統(tǒng)在惡劣天氣（如大雨、大霧）下的性能也可能顯著衰減。

AEB系統(tǒng)的誤觸發(fā)（“幽靈剎車(chē)”）問(wèn)題也是所有車(chē)企面臨的共同難題。系統(tǒng)可能因隧道陰影、前方物體反射等因素錯(cuò)誤判斷風(fēng)險(xiǎn)，導(dǎo)致無(wú)故緊急制動(dòng)。這種誤觸發(fā)不僅影響駕駛體驗(yàn)，更可能引發(fā)后車(chē)追尾事故；過(guò)于保守則可能在危險(xiǎn)時(shí)無(wú)法及時(shí)介入。在安全與體驗(yàn)間找到最佳平衡點(diǎn)，考驗(yàn)著工程團(tuán)隊(duì)的智慧。

此外，當(dāng)AEB未能避免事故或發(fā)生誤觸發(fā)導(dǎo)致事故時(shí)，責(zé)任如何界定仍是法律和保險(xiǎn)領(lǐng)域需要持續(xù)探索的課題。部分消費(fèi)者可能因過(guò)度信任AEB而放松警惕，誤將“輔助駕駛”當(dāng)作“自動(dòng)駕駛”。法律實(shí)踐表明，駕駛員始終是車(chē)輛操作的責(zé)任主體。在一起相關(guān)產(chǎn)品責(zé)任糾紛案中，法院明確指出，當(dāng)駕駛員違反交通規(guī)則（如闖紅燈）導(dǎo)致事故時(shí)，不能以AEB未介入為由要求車(chē)企擔(dān)責(zé)。車(chē)企有義務(wù)通過(guò)用戶(hù)手冊(cè)等方式清晰說(shuō)明系統(tǒng)局限，而駕駛員有責(zé)任了解這些限制并保持專(zhuān)注駕駛。

AI能力提升，全維度升級(jí) AEB 系統(tǒng)

在強(qiáng)制性新國(guó)標(biāo)的驅(qū)動(dòng)下，AI技術(shù)的融入將進(jìn)一步推動(dòng)AEB系統(tǒng)的智能化普及。

在感知層面，AI極大地?cái)U(kuò)展了AEB系統(tǒng)的識(shí)別廣度與精度。傳統(tǒng)的AEB系統(tǒng)主要依賴(lài)預(yù)定義的規(guī)則識(shí)別車(chē)輛、行人等有限目標(biāo)，而借助持續(xù)進(jìn)化的大模型，系統(tǒng)現(xiàn)在能更精準(zhǔn)地辨識(shí)小動(dòng)物、異形障礙物等難以預(yù)見(jiàn)的危險(xiǎn)。例如，由Momenta飛輪大模型賦能的AEB系統(tǒng)，已經(jīng)能夠有效識(shí)別突然闖入道路的牛、馬、羊等動(dòng)物，即便在夜間或被部分遮擋的復(fù)雜場(chǎng)景下也能做出有效響應(yīng)。同時(shí)，AI熱成像技術(shù)的應(yīng)用進(jìn)一步補(bǔ)強(qiáng)了系統(tǒng)的全天候感知能力。麥格納公司開(kāi)發(fā)的基于卷積神經(jīng)網(wǎng)絡(luò)的熱感應(yīng)系統(tǒng)，通過(guò)對(duì)超過(guò)7000萬(wàn)幀道路圖像進(jìn)行訓(xùn)練，能夠有效區(qū)分在夜間散發(fā)熱量的消防栓與真實(shí)行人，顯著降低了誤判率。這類(lèi)技術(shù)彌補(bǔ)了傳統(tǒng)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(xiàn)在決策機(jī)制的優(yōu)化上。通過(guò)引入端到端技術(shù)，系統(tǒng)能夠更直接地處理傳感器原始數(shù)據(jù)，縮短了從感知到?jīng)Q策的路徑，從而有效縮短了系統(tǒng)延遲。一個(gè)前沿的探索是Dual-AEB系統(tǒng)，它創(chuàng)新地將多模態(tài)大語(yǔ)言模型引入決策過(guò)程。該系統(tǒng)通過(guò)MLLM對(duì)駕駛環(huán)境進(jìn)行深層次的語(yǔ)義理解，能夠解讀如“前車(chē)剎車(chē)燈亮起”這類(lèi)間接線(xiàn)索，從而預(yù)測(cè)潛在風(fēng)險(xiǎn)，實(shí)現(xiàn)更早的預(yù)警和制動(dòng)。這種將快速響應(yīng)的規(guī)則模塊與深度思考的AI模塊相結(jié)合的方式，在確保安全的同時(shí)，大幅提升了決策的智能化水平。

此外，AI是推動(dòng)多傳感器實(shí)現(xiàn)深度融合與高效協(xié)同的核心引擎。它通過(guò)先進(jìn)的融合算法，將激光雷達(dá)、毫米波雷達(dá)、攝像頭以及熱成像傳感器等不同類(lèi)型傳感器獲取的多源異構(gòu)數(shù)據(jù)進(jìn)行高效整合，使得AEB系統(tǒng)能構(gòu)建出更精確、更可靠的周?chē)h(huán)境模型。小米汽車(chē)在其AEB系統(tǒng)的升級(jí)中，也將識(shí)別目標(biāo)擴(kuò)展到如水馬、墻壁、立柱等靜態(tài)障礙物，這背后正是AI模型通過(guò)海量數(shù)據(jù)訓(xùn)練后，獲得的強(qiáng)大泛化能力。這種基于數(shù)據(jù)迭代的持續(xù)優(yōu)化，構(gòu)成了一個(gè)自我完善的“飛輪”，使得AEB系統(tǒng)能夠不斷適配更多未知的長(zhǎng)尾場(chǎng)景，筑牢行車(chē)安全防線(xiàn)。