根据当前公开信息，小米汽车在 2025 年已实现 L2 + 级辅助驾驶功能的规模化落地，但距离真正的 L3 级自动驾驶仍有显著差距。以下从技术进展、法规环境、行业竞争及实际应用四个维度展开分析：
一、技术进展：硬件达标但算法仍存短板
- 硬件配置：小米 SU7 Ultra 搭载激光雷达、高清摄像头、超声波雷达及双 NVIDIA Orin-X 芯片，总算力达 508 TOPS，硬件水平与头部车企相当。其 “车位到车位” 端到端智能驾驶系统支持高速 NOA、自动过闸机等功能，部分场景下的自动化程度较高。
- 算法能力：
- 场景覆盖：城市 NOA 已全量推送，支持全国无区域限制的自动变道、绕行障碍物等功能，但在施工路段、锥桶识别等复杂场景中仍存在缺陷。例如，2025 年 3 月安徽高速事故中，SU7 的 NOA 系统未能提前识别施工路障，导致碰撞。
- 决策逻辑：采用 BEV+Transformer + 占用网络算法，结合激光雷达与视觉融合方案，但在极端天气（如暴雨、大雪）和非标准障碍物（如临时堆放的建筑材料）处理上表现不稳定。
- 冗余设计：缺乏类似华为 ADS 的三重安全冗余（障碍物识别、路径规划、本地保底网络），系统在驾驶员分心时仅通过提示音和减速请求干预，未强制停车。
- 研发投入：2025 年智能驾驶部门研发预算达 35 亿元，团队规模计划扩充至 2000 人，但与华为（年投入超 100 亿元）、Momenta（L4 研发占比 60%）相比仍有差距。
二、法规环境：政策松绑与监管收紧并存
- 地方试点突破：北京、武汉等地已允许 L3 级自动驾驶汽车上路，并明确事故责任划分。小米若通过地方准入测试，可在特定区域提供 L3 级服务，但需满足以下条件：
- 功能边界透明化：禁止使用 “自动驾驶”“高阶智驾” 等术语，需明确标注 “组合辅助驾驶”。
- 数据合规：事故数据需实时上传交管平台，禁止删除关键日志（如 AEB 触发状态、车门解锁记录）。
- 全国性法规滞后：
- 责任认定模糊：现行法规将 L2-L3 级系统定义为 “辅助驾驶”，默认驾驶员为责任主体，但未对系统强制安全措施（如分心超时自动停车）作出硬性要求。
- 功能限制：工信部暂停受理代客泊车、一键召唤等 “驾驶员不在环” 功能的申报，小米的 “车位到车位” 功能可能面临调整。
三、行业竞争：头部企业挤压生存空间
- 第一梯队优势：华为、Momenta 等企业已实现 L3 级自动驾驶的规模化商用：
- 华为 ADS：支持 “全国都能开、有位就能停”，三重安全冗余设计可在极端场景下安全接管。
- Momenta：端到端大模型算法在人车混行、小动物横穿等场景表现优异，市场份额超 60%。
- 小米的相对位置：
- 功能对比：小米的城市 NOA 与小鹏、特斯拉处于同一梯队，但在复杂场景处理上落后华为约 12-18 个月。
- 成本控制：L2 + 与 L3 的硬件成本相差无几，但小米的研发效率（55 亿元 / 3 年）低于行业平均水平。
四、实际应用：功能落地与安全争议交织
- 用户体验：
- 正向反馈：SU7 的高速 NOA 在封闭道路表现稳定，自动泊车成功率达 95%。
- 负面案例：2025 年 3 月安徽事故暴露系统设计缺陷，如预警延迟（仅预留 1 秒接管时间）、AEB 无法识别静态障碍物。
- 市场接受度：
- 销量数据：SU7 2025 年第一季度销量达 5.8 万辆，其中 60% 用户选择高阶智驾版。
- 信任危机：事故后，37% 的潜在用户表示 “会谨慎使用智能驾驶功能”，21% 转向华为、小鹏等竞品。
结论：2025 年小米汽车的自动驾驶能力边界
- 已实现功能：L2 + 级辅助驾驶（高速 NOA、自动泊车、自适应巡航）在特定场景可用，硬件配置对标头部车企。
- 待突破瓶颈：
- 算法优化：提升复杂场景（如施工路段、极端天气）的感知与决策能力。
- 法规适配：通过地方准入测试，在试点城市合法提供 L3 级服务。
- 用户教育：明确功能边界，避免过度宣传导致的认知偏差。
- 行业定位：处于第二梯队，与华为、Momenta 等头部企业存在代差，但优于传统车企的智能驾驶部门。
建议：若计划购买小米汽车，建议优先选择配备激光雷达的 Max 版，并在封闭高速等成熟场景使用智能驾驶功能，同时保持对路况的实时监控。对于城市道路等复杂环境，仍需以人工驾驶为主。
