智驾，尤其是AEB（紧急制动）的召回及相关调查，正在频发。
AEB系统是否在关键时刻「靠得住」，也成为衡量车企辅助驾驶系统能力的关键指标之一。因为，一旦发生事故（辅助驾驶启动条件下），AEB往往就会成为众矢之的。
与此同时，随着车企降本压力的增加以及年代款的切换，不少车型的高中低配版本，AEB功能实际上由不同供应商，不同感知/计算硬件实现的，就会造成在功能实际执行过程中存在不一致性问题。
比如，4月26日发生的华为问界新M7 Plus事故，赛力斯给出的官方声明是：事故车辆搭载L2级辅助驾驶系统（第三方供应商），并非华为ADS 2.0智能驾驶系统，自动紧急制动工作范围仅为车速4-85km/h，而后者对外宣传的标称则是最高支持150km/h。
而在本周，美国监管机构公布消息，正在对菲斯克旗下的Ocean车型（SUV）进行调查，原因是有车主大量投诉，该车型在没有前方障碍物的情况下，会意外启动自动紧急制动（AEB）。其中，有三起事故涉及到人员受伤。
这已经是过去几个月时间里，第三起涉及AEB相关的召回及相关调查。以AEB代表的基础主动安全功能，也常常被视为最后一道安全防线的兜底功能，不管是低阶还是高阶辅助驾驶。
今年3月，美国汽车安全监管机构宣布，将对近25.1万辆本田汽车（Passport和Insight两款车型）意外启动自动紧急制动系统的问题展开调查。原因也是在“道路没有明显障碍物”的情况下，车辆毫无征兆的激活AEB。
与此同时，对本田车型的调查，还在不断扩大。4月，美国监管机构增加了对2017-2022年款本田CR-V和2018-2022年款本田雅阁的AEB系统调查，按照估算，如果一旦最终确认召回，将涉及本田在美国的300万辆已销售车辆。
紧接着，4月29日，美国国家公路交通安全管理局对福特展开相关调查，原因是搭载BlueCruise智能驾驶辅助系统的车型，在系统激活状态下，撞上一辆静止停靠的车辆（目前，已经通报两起致命事故）。
BlueCruise，是2020年福特推出的全球首个满足SAE标准的L2+级高级驾驶辅助系统，在高速公路和城市快速路段的特定路段上，驾驶员甚至可以被允许放开双手（在部分法规允许的国家及城市）。
这套系统，融合了ADAS地图数据、摄像头、雷达和GPS/IMU定位，提供全速域自适应巡航和车道居中辅助，可以同时控制加速、减速和转向，并陆续升级了转向灯变道辅助和车道内智能避让功能。
而此次菲斯克旗下的Ocean车型，由麦格纳作为Tier1，同时还首次搭载800万像素前视一体机摄像头、初创公司Uhnder的4D数字成像雷达方案（同样由麦格纳代工）。
按照Uhnder公司的说法，这套5R方案，可以更快、更精确地定位更小的物体，并且比传统3D雷达具有更快的扫描速度，从而为系统提供更多的响应时间，可以探测和跟踪远距离障碍物—200米范围的车辆和80米范围的行人。
此外，众所周知，4D成像雷达的另一个优势在于对静止物体以及横向移动物体的识别，这也是过去传统雷达方案的弊端所在（大部分供应商会选择过滤类似信号）。
不过，任何事物都是有利有弊。由于4D成像带来的高分辨率以及大量点云信息的输出，反而会导致误报率的上升。这非常考验雷达厂商及Tier1的杂波处理能力。
比如，4D成像雷达在点云密度增加的情况下，如何增加检测的成功概率，减少回声的噪音，并实现远处信号反射较弱物体的检测，还需要解决多信号的干扰问题。
同时，相比于传统3D雷达的检测（由于角分辨率不足，无法区分静态目标，以及分类不准的问题），4D雷达还需要增加额外的从点云到聚类，目标精准识别分类的能力。
此前，特斯拉也对外证实：目前，公司仅在Model S和X两款车型上进行相关验证工作，来评估产品的实际性能，目前还没有计划将4D雷达搭载至Model 3和Y两款走量车型。
而对于Uhnder这样的公司来说，由于是从芯片级开始研发4D成像，而不是类似其他厂商基于NXP、TI等成熟雷达芯片方案，实际上需要踩的坑还有很多。
与此同时，针对菲斯克和麦格纳在ADAS上的项目合作，此前也有很多不同的声音。实际上，在Ocean这款车型首次亮相时，就曾因为软件问题导致交付延迟。
此外，相比于福特BlueCruise系统的复杂度，本田和菲斯克的AEB系统召回调查，主要就是近年来行业聚焦的「幽灵刹车」问题，也就是误报、误触发。
而这样的问题，由来已久。
比如，由于感知技术还不够成熟（不断更新技术路线）以及道路数据的不完善，早几年在特斯拉Autopilot 2.0版本，很多车主就碰到过类似的场景：车辆会将天桥在道路上投射的影子视为障碍物，并自动启动刹车。
同样的，一些车主也曝光了特斯拉车辆因为对路边交通限速标识牌的错误识别，造成在没有启用Autopilot的情况下，系统突然介入刹车。还有一些情况，则是系统识别到了车辆周围不存在障碍物，而造成一些系统Bug。
此外，NHTSA上周在一份新文件中披露，自去年12月特斯拉主动大规模召回Autopilot（通过软件OTA方式）辅助驾驶系统以来，至少又发生了20起可能与Autopilot相关的撞车事故。
在这些事故中，有9起是撞到路上的其他车辆或人员，似乎又一次表明，系统可能无法探测到车辆前方的一些物体。目前，NHTSA正要求特斯拉提供相关数据用于进一步调查，否则将面临高达1.35亿美元的罚款。
一些检测机构以及汽车制造商表示，在绝大多数情况下，这些上车的系统是有效的，但并不完美。「看看各家的车主手册就知道了，系统的正常运行需要满足很多条件。」
而在过去几年时间，几乎所有主流车企都因为AEB问题出现过类似的被投诉、调查甚至是召回的事件。即便部分车型搭载了成本更高的激光雷达，也不能幸免。
当然，对于AEB失效的场景，几乎所有车企都用了「兜底」条款。比如，车主手册中都会有类似以下话语的注解：遇到（但不限于）以下场景时，系统可能漏检、误检或未及时检出障碍物，导致系统未警告与制动或不及时警告与制动。
此前，小鹏汽车相关负责人曾对外表示，可以通过车端的智能化，让智能驾驶系统安全无限地接近100%，可能最终只能实现97%，最后的3%或许可以通过V2X来解决，但时间没有保障。
而随着NOA逐步从高速相对简单的场景转向复杂的城区场景，对于感知能力的提升要求，更加迫切。同时，包括AEB在内的主动安全功能，兜底能力要求更为突出。
此前，小鹏汽车CEO何小鹏曾公开表示，AEB只有误触发率要下降到几十亿分之一这个级别才算达标。同时，对于障碍物识别来说，不管是CNN还是BEV、Transformer，实际上还是需要大量好质量的数据进行模型训练。
这显然是一个矛盾体。“如何将交通事故死亡人数降至零，而不是仅仅实现自动驾驶。”在很多行业人士看来，这是产业链各个环节参与者接下来需要认真思考的问题。
比如，华为问界M7智驾版的AEB激活区间是4km/h~130km/h，同时，实施制动时，车速的降低程度或车辆的正面碰撞程度会受到如自车行驶车速、障碍物类型、与障碍物的距离、行车环境、系统反应延迟等诸多因素的影响。
同时，目前在售新车搭载AEB功能所配置的传感器，也是多种多样，有纯视觉、纯雷达、摄像头+毫米波雷达甚至再加上激光雷达，这意味着，任何一种传感器的实效，都会影响AEB功能的正常工作。
此外，某机构的一项研究表明，大部分行人AEB仅限于光线条件满足功能要求场景，而对于光线较差的路况，几乎无法规避事故的发生，而这部分场景占到了大约三分之一事故比例。
而从行业的现实情况来看，正如消费类电子产品追求硬件参数和升级换代，汽车的智能化功能实现更高的安全等级，同样也是如此。这也是为什么各家新势力还在不断优化硬件，要知道软件也在不断升级，同时对硬件提出了更高的要求。
比如，近年来被追捧的BEV+Transformer，对于算力的要求，是传统CNN检测的五到十倍；如果再加上传感器数量的增加，以及类似激光雷达、4D成像雷达的融合，对于算力的需求还在持续上升。
以Mobileye的EyeQ4为例，这是2018年就已经量产交付的上一代（甚至上上一代）产品，28nm制程工艺、算力仅为2.5TOPS，尽管背后有自家的感知算法进一步优化硬件的效能。
而今年该公司即将开始导入前装量产的EyeQ6L，算力就是EyeQ4M的4.5倍，通过动态神经网络，还提高了像素分割能力，点密度是EyeQ4M的两倍以上。
此外，EyeQ6L能够支持800万像素的摄像头和120度（EyeQ4M为100度）的横向视角；更关键的是，该公司明确表示：在复杂情况下，这一代芯片增强了AEB功能对车辆、行人或随机物体的识别和响应（速度）能力。
而对于目前针对ADAS系统的召回调查，难点在于责任追溯。包括AEB等功能在内，由于系统开发涉及多个方面，很多功能的故障还存在强耦合的问题。
众所周知，前装ADAS系统主要分为几种：其一为芯片自带底层感知算法+Tier1或者车企集成规控（也就是所谓的传统黑盒模式）；其二为芯片+第三方感知+Tier1或者车企集成规控；其三为芯片+第三方全栈感知规控。
其中，前两种系统由于涉及到多家供应商，在实际故障分析过程中，较难完全定义哪个环节负有100%的责任。比如，以AEB为例，误触发可能受到天气、道路等环境因素，芯片、传感器、算法、执行等多个环节的影响。
同时，各国监管机构也将AEB的重点放在了测试标准上。实际上，这在一定程度上可以起到提升量产功能准入的安全门槛。
比如，近期，美国国家安全公路管理局（NHTSA）就公开明确计划提高AEB测试标准（2029年9月起开始实施），要求能够在时速不超过62英里（约100公里）/小时的情况下刹车，以避免与前方车辆相撞。
同时，AEB系统还必须在90英里（约144公里）/小时的速度下刹车，以减少可能撞击的严重程度。此外，45英里（约72公里）/小时的情况下，必须实现对行人的刹车。
上述要求，相比目前市场上执行的标准，都进行了大幅度的指标提升，也更符合实际道路场景。这也意味着，监管机构对于智能驾驶的要求，不再只是可用，而是真正达到实际效果。