上海車展前，車企們都急了。2025年只過了四分之一，有關高階智駕的發布會就至少辦了6次，光是3月18日這天，奇瑞、極氪和廣汽，都高調發布了各自的技術細節和量產規劃，理想汽車只在官方平臺推送了MindVLA的技術思考和進展，從里面挑個典型來聊，比如，在極氪千里浩瀚架構中，G-AES能在120kph對路面通用障礙物（寬和高不超40cm、60cm）作出連續避讓，而且還不挑光環境，說白了，這其實就是大家熟悉的AEB，在有激光雷達加持、車端算力普遍高于500TOPS（高階智駕）的今天，技術層面打通這個功能并不難，但問題就在于，以目前主流技術方案來看，AEB的上限還能漲到多少？奇瑞廣汽也強調智駕安全，那感知硬件上還能升級什么？
感知硬件性能越強，AEB就越難失效？
還記得2年前，余承東和何小鵬曾針對AEB引發的口水仗嗎？余承東覺得應該提高AEB剎停速度，避免因駕駛員注意力不集中或路況復雜造成的事故，何小鵬認為大多數情況下，AEB都不應該超過60km/h，如果因速度過高出現無剎車問題，會給駕乘人員帶來驚嚇，從車主使用的維度看，他們說的都對，但站到不同的技術路線上看，華為方案更傾向于動態的“停”，而小鵬方案更傾向于靜態的“避”。
2年后再看，現在市場主流的AEB方案，思路大多都更靠近前者，即運動狀態下緊急剎停，而非低速主動避讓，從之前問界M5的50km/h，到問界M7的90km/h，改款后再到120km/h，理想、長安、阿維塔、深藍都實現了120km/h，去年小米SU7也升級到了135km/h，小鵬G6和問界M9甚至擴大到了150km/h，這次極氪的G-AES，底層邏輯很像是早期華為和小鵬的技術取向結合體，120km/h運動下能連續緊急制動+避讓，一邊變道，一邊剎停，這套首發的技術，讓極氪提高了對高階智駕的安全信心，新的思考是，這套方案很難落地嗎？
回答這個問題，得先弄清AEB剎停時速主要取決什么，以及車輛如何去做橫向運動。首先，決定AEB剎停時速的核心，就是其自身的系統設計，技術規格的差異，會支持不同的速度限制，而這套系統背后的先決條件，是傳感器的性能。由于AEB系統是依賴車身外部傳感器通過檢測是否存在障礙物，進而來進行相應的緊急制動機制。
所以，傳感器的探測距離、精度、分辨率和數據傳遞效率，都會直接影響AEB系統識別最大速度的準確性，從整個數據分析流程來講，其次才是決策算法，依據傳感器數據采取后續的行為，所以算法的設計和優化，也是能否支持拉高剎停時速上限的一大條件，同時，在高階智駕的安全機制算法冗余中，結合前向數據對車輛做快速避讓執行，也是通過優化算法來完成的。
因此，AEB和感知硬件存在兩個關系，一、在無激光雷達的智駕方案體系中，攝像頭較高的像素和分辨率，會捕捉更多環境道路細節數據，從而能提高AEB對障礙物的檢測準確性和響應速度；二，根據激光雷達實時掃圖的本質，點云數據質量同樣會影響系統的決策機制，當然，超聲波和毫米波雷達的全天候檢測，也是同樣的道理，所以匹配AEB背后的核心支撐體系，正是整個感知系統數據質量搭建的，可靠的數據會減少誤報、漏報降低安全隱患，從智能駕駛整個維度上提高主動安全制動的準確性和及時性。
所以理論上，現階段或是在接下來，AEB絕不止是能完成緊急轉向+緊急制動，剎停時速的上限，肯定會隨著感知硬件矩陣性能的提升而被進一步拉大，不出意外，AEB有效剎停時速大概率會是奔著200km/h以內的。那，感知硬件的性能，還能有多大的提升空間？
特斯拉也有兩手準備，高階智駕有4D雷達才安全？
如今，已經有鴻蒙智行、理想、廣汽、長安、奇瑞、極氪等主機廠，以及包括文遠、Momenta在內的主流智駕企業披露了L3、L4自動駕駛技術基座，最先亮相的尊界S800，華為給出的L3架構方案，就是堆高感知硬件數量和性能，基于車頂的192線激光雷達之外，車側和尾部共增加了3顆短焦線激光雷達，算上2顆后向角毫米波雷達，全車傳感器總數達到了32顆，奇瑞獵鷹智駕H900和極氪千里浩瀚的H9架構，也增加了對激光雷達（含dTof雷達）的依賴，目的都是通過利用新雷達的短線掃描，補齊車身四周的環境數據密度，進而來最大程度的作出極限操作，比如華為和極氪，都已預埋了機器手臂充電技術。
除了激光雷達顆數的增加，超聲波雷達在整個智駕等級中，主流方案需要12枚，根據車端算力的不同，智駕能力越強的版本，對攝像頭和毫米波雷達的使用策略則不同，作為主要彌補數據坐標的核心部件，3D毫米波雷達其實也是能夠拔高AEB性能的硬件之一，對應的，是能拉高高階智駕的主動安全底線，而嚴格意義上來講，還能促使整個系統進步的，其實是4D毫米波雷達，為何這么說？
作為一種基于超聲波和激光雷達技術的新型傳感器，4D成像雷達相較傳統3D效果雷達，能實現更高的分辨率和更廣的覆蓋范圍，能在三維空間生成物體坐標或運動軌跡等重要數據，甚至還能感知環境溫度，最關鍵的，是普通毫米波雷達無法感知高度信息（無垂直角度分辨率），雖然能監測識別大量障礙物，但在靜態波雜過濾的過程中，會存在將危險目標過濾的風險，而4D成像雷達就是通過高分辨率點云能增加對環境映射和場景理解，角分辨率甚至可以提升到1度以內，這幾乎就是等效低線束激光雷達的效果。
但，目前搭配4D毫米波雷達的智駕車型不算多，華為乾崑智駕ADS也只在部分車型上應用，即便是堅定純視覺智駕的特斯拉，其在HW4.0控制域上，也預留了4D成像雷達的接口和組件，這讓外界曾一度懷疑特斯拉又要啟用4D毫米波雷達，明明成本只有激光雷達的一半，偵測性能還能追平低線激光雷達，這不僅能保證AEB的效果，也能拉高智駕的極限功能細節，為何車企沒有批量采用？簡單概括，是大多處理器無法完全滿足毫米波雷達體系，數據較大吞吐量的需求。
畢竟，超聲波雷達和毫米波雷達表面上都屬于感知雷達的一部分，但兩個不同物理性質的雷達體系，很容易產生信號相互干擾，進而影響偵測穩定性和準確性，解決干擾的思路之一，是將多頻率窄帶信號合成寬帶信號，也可以是直接從供應鏈下手，但這需要采購包括解碼處理器完整的硬件方案，由于4D雷達偵測感知范圍偏強，會產生較大的數據層次，這在某種程度上又會給智駕進程產生黑盒方案，所以嚴格意義上講，真正能左右高階智駕安全冗余的，不是算法或算力儲備，而是在獲取環境數據的能力上，但有這枚雷達的加持，車輛的主動安全必然會再上一個臺階的。