今天小編分享的汽車經驗：希望這不是我們最後一次測哪吒，歡迎閱讀。
在哪吒因為各種事情上熱搜之前，我們做了一期哪吒 S 獵裝版的智駕測試。
測試項目包含了自動泊車、AEB 主動安全、高速 NOA 及 LCC 極限場景還原。
我們抛開人事變遷、公司運營層面的問題，回到車本身，來看看哪吒的智駕水平究竟如何。
AEB
雖然企業經營出現了變故，但是廣大車主還是要正常用車的。
哪吒的主動安全怎麼樣，在面對不同的場景能不能做到及時、穩定的應對？我們在封閉場地進行了 6 項目測試。
先說結論，哪吒 S 獵裝版的主動安全表現，在我們已測車型中，排名基本屬于倒數，一共 6 個測試項目，有 4 個都是起測即失敗。
并且在靜止水馬和野生動物橫穿場景中，它都是沒有任何響應，直接碰撞。
靜止水馬起測即失敗，我們推測原因可能是哪吒沒有針對這類目标做過訓練，同時也沒有融合激光雷達的感知做占用網絡。
其他融合感知方案能夠把這一項目的上限做到更高，例如蔚來 ET5 能夠在該項目做到 75 kph 的速度。
常規的目标物，橫穿的成人以及非機動車，哪吒是有應對的能力的，但并不多，做到了 65 kph 和 55 kph。
這樣的成績也算不上很好，Momenta 方案的智己 L6 在橫穿非機動車場景，速度做到了 95kph。
高速 NOA
哪吒的高速 NOA 方案是自研的，作為大家口中的「小廠」，在智駕上不用供應商方案而是自研，是很有挑戰和魄力的事情。
我們測試路線總裡程 140.6 公裡，全程除了 4 個收費站約 1.2 公裡無法使用 NOA 功能外，共降級 3 次，其中 2 次是因為施工路段，一次匝道口無原因降級，NOA 功能覆蓋率為 80.92%。
僅 80.92% 的覆蓋率數據顯然算不上很高，要知道現在的高速 NOA 大家基本不會有太多降級和斷點，覆蓋率都在 95% 以上。
但是哪吒的匝道表現還算不錯，共計 10 個匝道，哪吒 S 獵裝版成功通過了 8 個。
另外在實際體驗中我們還發現一個問題，哪吒在遭遇 cut-in 等狀況時的處理有「慢一拍」的感覺，前車已經切入并且駛離了，系統才會發現預警聲音。
在高速 NOA 如此成熟的今天，哪吒自研的這套高速領航只能說還處于能用的水平，在空曠道路上巡航，能夠解放用戶的精力，緩解疲勞，但是車況復雜時，還是需要用戶謹慎使用。
LCC
看完高速實戰的表現，大家應該對哪吒的高速領航有一個基礎認知。
但是高速路況并不能直接反映系統的上限能力，于是我們在場地裡，去模拟了一些極端場景，看看系統在遇到突發狀況時，能不能化解。
測試項目有 5 項，其中 4 項目是針對施工和道路上突發的事故，還有一項是野生動物的橫穿。
先看施工場景，在這裡我們模拟的是最常見的施工引導錐桶。
在這個場景下，哪吒能夠做到 65kph，能夠在錐桶前刹停，但是速度更高之後就做不到了。
三項事故模拟，場景分别是靜止正車尾、夜間斜 45 度事故車和橫置車。
在靜止正車尾這個項目中，哪吒最高能夠做到 85kph，這樣的表現談不上優秀，我們日常高速駕駛時速度能夠達到 100-120 kph，85kph 顯然不在高速巡航範圍。
夜間斜 45 度事故車是一個難度很高的場景，首先夜間環境昏暗，對感知挑戰比較大，斜 45 擺放的車輛對于針對「車尾」識别的智駕系統來說非常不常規，難度就更大了。在這樣的挑戰下，哪吒做到了 85 kph 還是仍然稍稍有些意外的。
但是要說明的是，現在大多數智駕系統采用的都是融合感知方案，即便視覺不認識斜 45 度車尾，激光雷達也能感知到車道中有物體，從而做應對。和 AEB 場景一樣，哪吒的感知并沒有想象中優秀，這也是它在很多場景中速度做不上去的根本原因。
至于橫置車更是如此，哪吒在起測速度就失敗了。
最後一個項目——野生動物橫穿，這個項目的難度在于，物體小，且需要對這類目标做針對性訓練，哪吒這套系統起測就失敗也在我們預料之中。
總體來看，哪吒這套系統在智駕狀态下，只能「有限的」幫我們緩解險情，如果在高架上遇到這些高難度場景，或許不會有難題，但一旦以 100-120 kph 的速度巡航，就會有危險。各位用戶一定要盡到安全駕駛的義務，在使用時要監督智駕狀态和道路環境。
由于高速路段遇到極端場景的概率是比較低的，為了驗證這套系統的穩定性，我們還把車輛拉到了封閉場地進行了場景還原，一共測試了 5 個場景。
針對不同形态的車輛，無論是靜止正車尾、橫置車、還是更有難度的夜間斜 45 度事故車，哪吒都是可以響應刹停的，成績分别為 85km/h、65km/h、85km/h。
維修路段常用的錐桶它也可以響應到 65km/h 的速度，識别難度比較高的野生動物橫穿場景則是無識别無響應。
自動泊車
泊車部分，為了測試極限能力，我們通過給車輛兩側放置了障礙物，來縮小車位可用空間增加泊車難度。
哪吒在直角庫的極限距離為自車寬度 +0.9 米的範圍可以實現成功泊入。0.8 米則是可以識别車位，但無法釋放。
這樣的成績也是比較糟糕的，在我們已經測試過的車型庫裡，屬于倒數水平了，畢竟現在這個場景下，特斯拉和智界都已經卷到車寬 +0.4 米的成績了。
不過，哪吒在空車位的泊車效率還是值得一說的，平均 31 秒左右就可以成功泊入車位，而且也都是一把入庫。
寫在最後
總體來說，NOA 狀态下，哪吒在高速上對車輛的響應肯定是沒問題的，但一些比較難的施工和或者掉落地面的貨物或者小動物處理能力會比較受限。
高速 AEB 和 LCC 的極限場景處理能力比起第二梯隊來說，目前肯定是有差距的。
如果還有後續優化的可能性的話，建議 AEB 的刹車點可以在随快遞增基礎上，調節的空間再大一點；NOA 也可以加入繞行避讓的策略，智駕的體驗就會更好一些了。
END
