最近这段时间不论是在客户那边做交流还是在一些行业群里被问得最多的一个话题就是AEB新强标。很多做智能驾驶的朋友其实已经意识到从去年下半年开始新车评测试里AEB相关的内容明显多了起来各种“鬼探头”“雨雾天刹停”的测试层出不穷。但真正让大家开始紧张的是强制标准落地的时间节点越来越清晰以前AEB是“你有我有大家有”的附加分题接下来要变成“没有就过不了”的必答题。这篇文章就把我最近梳理的信息、踩过的坑以及基于测试数据的品牌风险分级整理出来给还在观望或者已经在立项的朋友做个参照。先摆一个核心结论这次强标最大的冲击不是传感器和芯片能不能买得到而是整车开发流程里的验证体系、标定资源和数据闭环能力够不够用。市面上很多车“看起来”都配了AEB可真拉到测试场按新规工况从头跑一遍能一遍顺利通过的比例远没有大家想象的高。尤其是那些长期依赖供应商黑盒方案、自己只做简单集成、又没有建立误触发数据回收渠道的车型大概率会在这轮合规切换里付出远超预算的时间和资金成本。1. 倒计时的真实节奏不是“快来了”而是已经进入关键窗口期1.1 “有配置”和“能达标”之间的认知差先说一个我在多家主机厂交流时反复强调过的问题配置率不等于达标率。打开各家官网的配置表AEB早就不是什么新鲜功能哪怕一台十来万的家用车高配版基本都有。但配置表里那个AEB和新规考核的AEB很可能是两种完全不同的东西。过去行业里做AEB大逻辑是“满足一定速度范围内的制动需求”就行。多数车型的AEB系统只覆盖低速起步和中低速跟车场景车速超过某个阈值之后就只报警不制动或者只做部分减速。而新强标核心考核的点在于系统必须在更宽的速度范围内针对前方静止车辆、同向慢行车辆、行人横穿、儿童鬼探头等典型危险工况给出可靠的制动响应。更重要的是标准对“误触发”也做了严格限制——你既要关键时刻刹得住又不能在路上乱刹车这一收一放之间要求的不只是算法上限更是工程调试的精细度。很多车型的问题恰恰就出在这里传感器套件和算力芯片都到位了可系统标定参数里那些阈值还是按老经验做的碰撞时间设定得比较激进结果就是真实道路上误触发率高用户投诉一大片。为了压误报厂家又把阈值调保守于是急刹偏软该刹停的时候刹不停。这种反复横跳本质上是企业缺乏自研算法和数据回收能力的体现。1.2 分阶段实施新车型先过在产车型后跟关于时间节奏我接触到的内部信息是法规落地的思路大概率是“分步走”。第一批强制要求的应该是新申请型式批准的车型也就是说从正式实施日期起所有想要上市的全新车型必须带着符合新规的AEB系统亮相。之后大概半年到一年的时间窗口内存量在产车型和进口车型也要完成切换。这个节奏安排本身是合理的但对行业有个隐患新车型的验证周期通常是两到三年也就是说现在还在开发早期阶段的项目差不多就得开始按新标做传感器选型、系统架构设计和场景库搭建了。如果你拿到的是今天已经冻结了造型、定了传感器位置的项目那你留给AEB算法和标定的时间窗口会更紧张。我见过不少项目组一开始以为新标还在吹风阶段不着急动等到交样测试的时候才发现自己连一套符合新标要求的软目标测试工装都没预定上。没错测试设备也成了瓶颈这个问题后面我会专门展开。1.3 海外车型引入与全球平台开发的兼容难题还有一个容易被忽略的群体那些采用全球统一平台开发的车型。这类车在欧洲或者北美市场已经做过NCAP体系的AEB测试成绩可能还不差。但新强标里有相当一部分工况和欧洲NCAP不完全重合尤其是针对中国本土路况特征的场景定义、交通参与者的典型外观特征、以及对于两轮车类的目标物定义都带有明显的本土化差异。这就导致一个尴尬局面海外团队认为“我的平台早达标了”可拿到国内用本土目标物一测直接露馅。典型的包括欧洲的行人假人和中国常见的电动车骑行者特征差异大国内二三四线城市复杂路口的非机动车穿行特征海外模型压根没见过。我甚至遇到过某全球车型因为本地场景识别率不足在内部摸底测试里直接撞上目标物的情况——结果也不是算法不行而是训练数据集里就没这类样本。所以跨区域车型的工程团队现在就要和总部谈一个事本地化数据采集和重新标定必须走特批流程不能等法规细则全部落地才去立项。2. 品牌风险分层三类阵营谁最可能“临时抱佛脚”2.1 新势力自研派算法不虚但标定和“最后1米”是短板先说新势力。这批企业普遍以智能驾驶自研为卖点算力堆料足、软件迭代快、数据闭环意识也最强看上去最不需要担心强标。但我在实际接触中发现新势力的问题往往不在“能不能识别目标”而在“刹得够不够体面”。很多新势力做AEB的思路是从高速NOA功能顺延下来的前向感知网络的能力确实很强可制动执行层的精细标定做得并不深。比如某些车型在高速场景下能保持很高的识别准确率但到了低速城市工况碰到行人横穿时车辆虽然能制动却会出现明显的制动延迟——大概零点几秒——导致实际刹停距离远大于预期。还有座椅上的主观感受有的车AEB介入时像一脚跺死乘员往前猛栽虽然法规试验里这算“通过”但用户口碑是另一回事。另外新势力普遍采用的是“大模型规则兜底”的混合架构底层还是需要快速触发的规则策略。强标里有一个很磨人的环节误触发测试。白天晴天还好到了夜间对向来车灯光直射、雨天挡风玻璃挂水这种场景传感器信噪比下降如果底层规则写得太死很容易出现误判。某新势力车型在夜间对向车灯工况下的误触发率内部测试时一度高于行业均值后来花了三个月改特征融合逻辑才压下来——这种问题只有在真实道路压力测试里才会暴露。2.2 合资与全球平台车型成熟方案平移本土场景水土不服合资品牌和采用全球平台开发的车型表面上看最稳。上头有全球总部的成熟方案欧洲NCAP测试成绩也拿得出手。但强标倒计时下这类车型面对的恰恰是“体系性滞后”的困境。全球平台车型的AEB系统通常由总部统一标定中国的工程团队只有提需求的权限没有改参数的权限。哪怕你识别出了本土场景的差异反馈到总部再排期调整一轮周期就奔着半年去了根本赶不上法规切换的节奏。更麻烦的是一些老平台车型的传感器架构已经冻结用的是早期单摄像头方案或落后的毫米波雷达性能和现在新一代传感器差距明显。在这些硬件上强行压出达标性能可能性极低。我了解下来部分合资企业已经在做Plan B从国内供应商采购一套符合新规的本土化AEB方案在原有平台基础上做独立叠加。这个办法能解燃眉之急代价是双系统之间的控制权仲裁、仪表提示逻辑、故障诊断逻辑都要重新联调工作量一点不比自研小。2.3 入门级走量车型黑盒集成的低配版本合规成本最被低估最后一个阵营也是最容易被低估的是大量入门级走量车型。这类车供应链上高度依赖Tier1提供的黑盒AEB方案主机厂能做的只是启动标定参数写入和简单的传感器对齐谈不上深度集成。黑盒方案的优点是省钱、开发快缺点也直接主机厂不掌握系统内部逻辑面对强标的新增工况几乎完全依赖供应商的升级速度。而多家Tier1的AEB方案本来是从被动安全供应商转型做主动安全的算法能力积累有限新标里比较苛刻的误触发考核、弱光性能考核他们自己都还在补课。更要命的是成本压力。走量车型本身毛利薄AEB强标意味着多出来的硬件、标定费用、测试认证费用都要摊进去。有些车型设计的初衷就是卡着低价位走量现在转了一圈发现光是把AEB做到合规单车成本增加就可能超出预算搞得产品配置部门相当头疼。3. 强标最容易卡人的三个技术点不是刹得住而是刹得准3.1 纵向控制的“最后1米”问题很多人对AEB的理解是传感器检测到危险刹车一脚踩死完事。但实际上法规考核的不只是“有没有刹”而是“是否在合适的时间内以合适的减速度把车控制住”。这里有组概念值得说明AEB通常分两段式制动控制。第一段称为“预填充”就是系统判定风险升高后先把制动系统的间隙消除、预建压力第二段才是“全力制动”。预填充做得好坏直接决定最终刹停距离。有些车型为了省事把预填充做得非常激进结果稍微有点风吹草动就触发乘客体验很差另一些车型预填充不足等确认碰撞风险再加压制动力建立就晚了零点几秒——在60km/h工况下这零点几秒就是十几米的事指不定就撞上测试目标了。新标里对碰撞时间阈值的定义、减速度曲线的要求都有明确量化范围系统需要在“及早介入”和“避免误触发”之间找到平衡点。这个点只能靠大量工况测试和参数调优磨出来没有捷径。我参与过的项目里光是一个预填充曲线标定工程师就能在测试场里耗掉几周时间天天跟主观评价工程师吵架安全工程师要刹得早舒适性工程师要刹得柔最后只能靠数据说服双方。3.2 摄像头与毫米波雷达的“识别盲区”互补问题目前AEB的主流感知配置是“前视摄像头前向毫米波雷达”少数新车型开始加入激光雷达。这套融合方案看起来成熟但实际表现里有一个长期痛点摄像头对目标识别精准但受光照影响大毫米波雷达不受光照影响但点云稀疏目标分类能力弱容易被金属井盖、隧道墙壁之类的反射杂波干扰。雨雾天气下摄像头画面质量下降雷达补位但雷达没法判断前方是一个“行人”还是一个“金属灯杆”这时候如果算法里雷达的置信度权重过高就可能出现误触发或者漏触发。尤其傍晚逆光、隧道出入口强烈明暗变化、夜间无路灯对向来车灯直射这几种工况融合算法的鲁棒性考验极大。我见过一个案例某车型在傍晚逆光环境下系统把远处高架桥的影子误识别成了前方障碍物紧急制动瞬间触发差点被后车追尾。查下来根因是视觉模型对“地面阴影桥梁结构”的组合特征产生了误判而雷达当时给的是“低置信度低速目标”的模糊信息融合策略恰恰在低置信度下偏信了视觉结果。这种问题在传统架构里非常难彻底修复只能靠大量长尾数据回灌、反复调参压概率。3.3 “幽灵刹车”从“体验问题”升级为“认证否决项”“幽灵刹车”这个词早期智驾用户都不陌生正常道路上行驶前方空无一物系统却突然一脚刹车轻则吓一跳重则被追尾。以前这类问题被归为“体验问题”厂家可以修修补补慢慢优化。但在新强标框架下误触发已经有了明确的限值要求一旦远超考核上限整车直接被判不合格。这个变化倒逼主机厂必须建立一套“误触发数据闭环”用户车辆在真实道路上发生幽灵刹车数据要能自动回收研发团队需要有能力快速回溯触发时刻的传感器原始数据问题修复后还要能通过仿真和实车复测验证。很多传统车企在这一步上非常吃亏。他们的前装车型根本没有配置高精度数据回传通道出了误触发案例只能靠工程师去4S店拷贝数据效率极低数据质量也差。新势力这边反而优势明显标配的数据闭环平台跑一轮“发现-修复-推送”可能只需要一两个月。所以我跟不少传统车企朋友说的第一个建议就是别先把算法调来调去先把你家误触发数据回传通道打通这是解决一切问题的基础设施。4. 测试验证的成本黑洞软目标车、假人与场景库建设4.1 标准可复现测试的设备门槛新强标落地之后所有申请型式认证的车型都必须在一套符合标准要求的目标物测试平台上完成验证。这套平台由三部分组成带动力的目标车、行人假人目标、以及两轮车目标。其中成本最高的是那种支持高速测试的软目标车——既要外形与真实车辆接近又要能被毫米波雷达和摄像头稳定识别还要在碰撞后能快速恢复形态持续测试。一套合规的高性能目标物系统价格从几十万到上百万不等全球范围内的主流供应商就那么几家排产周期长。我了解到随着强标时间点临近国内各大检测机构和主机厂测试场都在抢购这类设备已经影响到部分项目的测试排期。如果你所在的项目现在还没预定测试时间和订好目标物工装说句实在话往后排期会越来越紧协调难度会越来越大。4.2 假人标定远比想象中复杂更让人头疼的是假人标定问题。AEB测试里的行人假人不是随便摆个人偶就行它必须满足两方面的“识别一致性”摄像头的图像特征一致性以及毫米波雷达的雷达反射截面一致性。如果假人的外观纹理、衣服材质和雷达反射特征与真实行人差异太大测出来的结果就不具备参考性甚至可能出现“假人能识别、真人识别不了”的结果。标准里对目标物做了详细规定但落到实际使用中不同实验室之间还存在差异。我在一次跨机构对比测试中亲眼看到同一台车在两家检测机构里用不同批次的假人做行人横穿工况测试结果一个通过、一个不通过。排查了半天才发现问题出在假人的衣服材质——一套含金属纤维成分略高的衣服雷达反射信号明显增强系统提前识别、提前制动成绩自然更好。这类外部变量工程团队如果不敏感很容易被误导做出错误的产品判断。我给的建议是所有AEB摸底测试固定使用同一套假人、同一间实验室、同一名试验驾驶员尽量控制变量才能看到算法真实的迭代曲线。4.3 场景库的复杂度被严重低估新标的测试工况远不止“直道前面有车”这么简单。它包含了不同目标类型、不同纵向相对速度、目标是否偏置、是否带转向、天气光照条件等多个维度。更贴近中国本地路况的一些特色场景比如电动车骑行者突然切入、路口行人从视线盲区穿出等也大概率会被纳入评价范畴。场景组合起来数量级比传统NCAP测试高出不少。每个场景都要完成参数矩阵组合一轮完整的强标摸底可能就要跑几千甚至上万次有效测试。假设单次有效测试需要一分半钟那一轮下来就是几百个小时的场地时间这还不算数据处理、问题复现和回归验证的时间。这种量级的测试需求靠人肉堆是堆不出来的必须借助仿真测试手段来做前期滤波。先用仿真平台把所有场景参数矩阵跑一遍把明显不合格的版本筛掉再用实车验证仿真置信度高的版本。但这里又涉及到“仿真和实车的一致性”问题——仿真是工具不能完全替代实车。现在行业内的共识是“仿真前置实车收敛”把仿真筛选出的一批候选版再来实车测试能大幅压缩时间。5. 主机厂现在就该动手的三件事5.1 从“黑盒交付”转向“系统级联合开发”如果现在你的项目还停留在“给Tier1提需求、等Tier1交方案、自己做集成”这个传统模式我得建议你该考虑调整了。新强标的落地意味着AEB从“一道配置题”变成了“一门系统工程”主机厂不能只当甩手掌柜。至少要做到三步第一步把AEB的需求拆到“可理解”的层级主机厂的工程师要能看懂供应商算法策略里的核心逻辑、参数定义、失效模式而不是连碰撞时间阈值调大调小的影响都说不清第二步在SOR供应商需求说明书里明确要求供应商开放必要的标定工具和数据接口把“联合标定”作为合作的基本条件写进去第三步建立主机厂自己的验收测试能力不能供应商说“达标了”就信必须能独立复测关键工况。说到底强标考验的是主机厂的工程判别力和项目管理能力不是简单采购能力。5.2 给误触发数据闭环留出预算和接口前文提到误触发控制将成为认证的关键项而误触发的治理离不开真实道路数据。当前很多车型还在用老架构数据采集通道跟不上这是个极度致命的问题。我建议所有相关项目的产品定义团队现在就要把“数据回传”作为一个基本的硬件配置并要求固化下来车辆需要具备在触发AEB事件时自动打包一段传感器原始数据和车辆状态数据的能力并能通过车联网通道上传到研发平台。这个功能的成本不高但对后续问题定位和快速迭代的价值怎么强调都不过分。特别强调一点数据闭环不是“建个云、存个数据”就完了还要配套一套可视化分析工具和分析工程师。工具得能支持回放原始传感器画面、叠加车辆轨迹和制动控制信号方便工程师快速判断“这脚刹车到底该不该踩”。不少企业买了数据平台但分析工具不好用工程师还是导数据、写脚本、一帧帧查效率拉胯等于没建。5.3 别把鸡蛋放在一个篮子里传感器与算法双备份策略随着强标节点逼近AEB相关软硬件资源的争夺会越来越激烈。除了前面说的目标物测试设备排期难还有另一个供需矛盾多家Tier1的AEB标定工程师资源已经被预订爆满谁能拿到优先资源很大程度上取决于合作关系深度。这个背景下我建议有条件的车企至少要培养两套方案主方案可以是现有头部Tier1但备选方案也要同步验证无论是另一家Tier1还是自研方案。哪怕是入门级车型也要确保传感器硬件接口设计上能兼容至少两家供应商的不同方案。这背后有一个考量一旦第一轮摸底测试结果不理想或者供应商交付延期你还有B计划能顶上而不是整个车型项目的上市节奏被卡死。强标窗口期间时间成本比什么都贵多一份备份就多一分主动权。回到开头那个问题哪些品牌要重点关注我的回答是那些现在还抱着“功能有就行”的心态做AEB的企业都应该重点关注。新势力有数据和算法优势但要把优势转化为法规合规成果还得补齐精细化标定这堂课外资合资品牌要尽快打通本土化验证和决策链路入门级车型则要抓紧建立基础的数据回收和验收能力。这轮强标会洗掉一批滥竽充数的方案也会让真正沉下心做安全的车企脱颖而出。AEB是保命功能标准收紧是好事。对各个厂家来说现在的每一分投入后面都会变成用户真金白银的信任。