今天小编分享的汽车经验：希望这不是我们最后一次测哪吒，欢迎阅读。
在哪吒因为各种事情上热搜之前，我们做了一期哪吒 S 猎装版的智驾测试。
测试项目包含了自动泊车、AEB 主动安全、高速 NOA 及 LCC 极限场景还原。
我们抛开人事变迁、公司运营层面的问题，回到车本身，来看看哪吒的智驾水平究竟如何。
AEB
虽然企业经营出现了变故，但是广大车主还是要正常用车的。
哪吒的主动安全怎么样，在面对不同的场景能不能做到及时、稳定的应对？我们在封闭场地进行了 6 项目测试。
先说结论，哪吒 S 猎装版的主动安全表现，在我们已测车型中，排名基本属于倒数，一共 6 个测试项目，有 4 个都是起测即失败。
并且在静止水马和野生动物横穿场景中，它都是没有任何响应，直接碰撞。
静止水马起测即失败，我们推测原因可能是哪吒没有针对这类目标做过训练，同时也没有融合激光雷达的感知做占用网络。
其他融合感知方案能够把这一项目的上限做到更高，例如蔚来 ET5 能够在该项目做到 75 kph 的速度。
常规的目标物，横穿的成人以及非机动车，哪吒是有应对的能力的，但并不多，做到了 65 kph 和 55 kph。
这样的成绩也算不上很好，Momenta 方案的智己 L6 在横穿非机动车场景，速度做到了 95kph。
高速 NOA
哪吒的高速 NOA 方案是自研的，作为大家口中的「小厂」，在智驾上不用供应商方案而是自研，是很有挑战和魄力的事情。
我们测试路线总里程 140.6 公里，全程除了 4 个收费站约 1.2 公里无法使用 NOA 功能外，共降级 3 次，其中 2 次是因为施工路段，一次匝道口无原因降级，NOA 功能覆盖率为 80.92%。
仅 80.92% 的覆盖率数据显然算不上很高，要知道现在的高速 NOA 大家基本不会有太多降级和断点，覆盖率都在 95% 以上。
但是哪吒的匝道表现还算不错，共计 10 个匝道，哪吒 S 猎装版成功通过了 8 个。
另外在实际体验中我们还发现一个问题，哪吒在遭遇 cut-in 等状况时的处理有「慢一拍」的感觉，前车已经切入并且驶离了，系统才会发现预警声音。
在高速 NOA 如此成熟的今天，哪吒自研的这套高速领航只能说还处于能用的水平，在空旷道路上巡航，能够解放用户的精力，缓解疲劳，但是车况复杂时，还是需要用户谨慎使用。
LCC
看完高速实战的表现，大家应该对哪吒的高速领航有一个基础认知。
但是高速路况并不能直接反映系统的上限能力，于是我们在场地里，去模拟了一些极端场景，看看系统在遇到突发状况时，能不能化解。
测试项目有 5 项，其中 4 项目是针对施工和道路上突发的事故，还有一项是野生动物的横穿。
先看施工场景，在这里我们模拟的是最常见的施工引导锥桶。
在这个场景下，哪吒能够做到 65kph，能够在锥桶前刹停，但是速度更高之后就做不到了。
三项事故模拟，场景分别是静止正车尾、夜间斜 45 度事故车和横置车。
在静止正车尾这个项目中，哪吒最高能够做到 85kph，这样的表现谈不上优秀，我们日常高速驾驶时速度能够达到 100-120 kph，85kph 显然不在高速巡航范围。
夜间斜 45 度事故车是一个难度很高的场景，首先夜间环境昏暗，对感知挑战比较大，斜 45 摆放的车辆对于针对「车尾」识别的智驾系统来说非常不常规，难度就更大了。在这样的挑战下，哪吒做到了 85 kph 还是仍然稍稍有些意外的。
但是要说明的是，现在大多数智驾系统采用的都是融合感知方案，即便视觉不认识斜 45 度车尾，激光雷达也能感知到车道中有物体，从而做应对。和 AEB 场景一样，哪吒的感知并没有想象中优秀，这也是它在很多场景中速度做不上去的根本原因。
至于横置车更是如此，哪吒在起测速度就失败了。
最后一个项目——野生动物横穿，这个项目的难度在于，物体小，且需要对这类目标做针对性训练，哪吒这套系统起测就失败也在我们预料之中。
总体来看，哪吒这套系统在智驾状态下，只能「有限的」帮我们缓解险情，如果在高架上遇到这些高难度场景，或许不会有难题，但一旦以 100-120 kph 的速度巡航，就会有危险。各位用户一定要尽到安全驾驶的义务，在使用时要监督智驾状态和道路环境。
由于高速路段遇到极端场景的概率是比较低的，为了验证这套系统的稳定性，我们还把车辆拉到了封闭场地进行了场景还原，一共测试了 5 个场景。
针对不同形态的车辆，无论是静止正车尾、横置车、还是更有难度的夜间斜 45 度事故车，哪吒都是可以响应刹停的，成绩分别为 85km/h、65km/h、85km/h。
维修路段常用的锥桶它也可以响应到 65km/h 的速度，识别难度比较高的野生动物横穿场景则是无识别无响应。
自动泊车
泊车部分，为了测试极限能力，我们通过给车辆两侧放置了障碍物，来缩小车位可用空间增加泊车难度。
哪吒在直角库的极限距离为自车宽度 +0.9 米的范围可以实现成功泊入。0.8 米则是可以识别车位，但无法释放。
这样的成绩也是比较糟糕的，在我们已经测试过的车型库里，属于倒数水平了，毕竟现在这个场景下，特斯拉和智界都已经卷到车宽 +0.4 米的成绩了。
不过，哪吒在空车位的泊车效率还是值得一说的，平均 31 秒左右就可以成功泊入车位，而且也都是一把入库。
写在最后
总体来说，NOA 状态下，哪吒在高速上对车辆的响应肯定是没问题的，但一些比较难的施工和或者掉落地面的货物或者小动物处理能力会比较受限。
高速 AEB 和 LCC 的极限场景处理能力比起第二梯队来说，目前肯定是有差距的。
如果还有后续优化的可能性的话，建议 AEB 的刹车点可以在随快遞增基础上，调节的空间再大一点；NOA 也可以加入绕行避让的策略，智驾的体验就会更好一些了。
END
