“它能识别红绿灯、绕行障碍物，全国38万公里高速都能用”。吉利第四代博越L小蓝灯版的宣传语直白有力，将原本属于20万元以上车型的NOA功能，带进了11万元级燃油车市场。外后视镜位置那个安静亮起的小蓝灯，既是科技身份的象征，也是向外界宣告这台车正在自己行驶。
但宣传语背后，却藏着更多未言明的关键问题：在成本控制和硬件“简化”——仅配置11颗摄像头和3颗毫米波雷达，没有激光雷达和高精地图依赖的背景下，这套搭载于燃油车上的纯视觉NOA系统，其可靠性的基石究竟在哪里？而安全运行的天花板又是什么？随着首批用户开始实际体验，技术真相正在从一句句宣传语，变成一个个具体的使用问号。
纯视觉方案依赖摄像头模拟人类视觉，通过算法理解三维环境。这套搭载于博越L小蓝灯版上的千里浩瀚H3方案，配备了11颗高感知摄像头，包括前视双目摄像头、4颗侧视摄像头和环视摄像头，形成360度视觉覆盖。核心算力来自地平线J6M芯片，128TOPS的算力为实时运算提供了充足冗余。
但摄像头毕竟不是人眼。在实际部署中，纯视觉方案的能效高度依赖两个核心要素：视觉信息的质量，以及算法的训练完善度。这让它的能力边界变得相对清晰。
首先是对静止异形障碍物的识别挑战。当道路出现倒地树干、破损的路墩、掉落的大型货物时，这些物体往往缺乏标准化的形状特征，超出了算法日常训练数据的范围。虽然毫米波雷达能在一定程度上补充距离信息，但纯视觉方案在缺乏先验模型和深度立体感知的情况下，可能出现识别延迟。尤其是在复杂光照条件下，算法需要更长的“反应时间”来判断这是真实障碍还是光影效果。
其次，极端光照和天气条件是摄像头绕不过去的物理门槛。实测反馈显示，在暴雨天气下，系统表现平稳，但遇到特大暴雨时，系统会主动降级为ICC（集成式巡航辅助）。这是明智的保守策略——当雨水在挡风玻璃上形成连续水膜，摄像头动态范围和感光能力遭遇物理极限时，算法接收的是低对比度、高干扰的模糊信号。夜间暗光环境同样如此，虽然博越L配备了高感光摄像头，但在没有路灯的乡村道路或隧道出口的强逆光瞬间，视觉信息质量的骤降可能影响系统的判断精度。
车道线模糊、缺失或剧烈变化则是另一个关键场景。纯视觉无图方案对车道线的连续性有着较高依赖。当遇到施工路段新旧标线重叠、雨雪覆盖导致标线不清、或者乡村道路根本没有标准标线时，系统需要进行车道拓扑推断。这种推断依赖算法对路面边缘、路肩、护栏等参照物的综合判断能力。虽然博越L的这套系统支持无图方案，理论上不依赖高精地图提供的结构化先验信息，但在车道线信息完全缺失的情况下，系统需要更多时间“理解”道路边界。
对复杂交通参与者意图的预测能力，则考验着算法的“认知水平”。在没有高精地图提供的路口结构、交通标志先验信息的情况下，纯视觉方案需要实时解析眼前的一切：那个在路口徘徊的行人是要过马路还是等人？那辆电动车是要直行还是突然左转？特别是在无保护左转、行人“鬼探头”等场景中，系统需要在极短时间内完成“看到-理解-决策”的完整链条。这要求算法不仅要识别物体是什么，还要预测它们接下来要做什么——而这正是纯视觉方案当前面临的最大挑战之一。
从用户反馈看，博越L小蓝灯版的NOA系统在光线良好、标线清晰的结构化高速道路上的表现获得了肯定。系统能平稳跟车、自主变道、提前2公里规划进出匝道，动作“顺滑得像是在黄油上滑冰”。但当环境条件偏离理想状态时，系统需要驾驶员保持高度监控。这是所有L2+系统都需要明确的前提：技术辅助，而非完全替代。
一个看似矛盾的现象值得关注：博越L小蓝灯版在大力宣传“纯视觉无图”技术路线的同时，依然保留了3颗毫米波雷达。这3颗77GHz雷达分别布置在车头中央和车身两侧，最远探测距离210米，角度分辨率1.5度。在特斯拉已经彻底砍掉毫米波雷达的今天，吉利为何选择保留？
答案在于毫米波雷达在纯视觉架构中扮演的独特角色——它不是主力感知器，而是专注冗余的安全备份。
从技术分工上看，摄像头擅长分辨物体材质和纹理，能识别“这是什么”，但对精确测距存在天然局限。毫米波雷达则擅长测量距离和相对速度，能不受雨雪雾霾等恶劣天气影响提供稳定的目标信息。在博越L这套系统中，摄像头是感知主角，负责环境理解；毫米波雷达是配角，负责关键时刻的交叉验证。
这种交叉验证的价值在几个关键安全场景中体现得尤为明显。比如前方静止车辆或突然减速的车辆，摄像头可能在强逆光或低对比度情况下出现识别延迟，而毫米波雷达能基于多普勒效应更早发现相对速度变化。再比如横向切入的车辆或行人，摄像头受限于视场角和遮挡，可能无法第一时间发现，侧向毫米波雷达则能提供独立的预警信息。
更重要的是，毫米波雷达充当了系统的最后一道安全防线。当视觉感知受到极端天气或复杂光照干扰时，毫米波雷达提供了一条不受影响的感知路径。这相当于给系统上了“双保险”——视觉为主，雷达验证。一旦两个传感器信息出现重大分歧，系统可以采取保守策略，或提前向驾驶员发出接管请求。
这种配置反映了主机厂在成本、可靠性和功能宣称之间的务实折中。相比成本高昂的激光雷达，毫米波雷达技术成熟、成本可控；相比完全押注单一传感器的激进路线，多传感器冗余提供了更高的安全下限。对于一款定位11万元级别的燃油SUV来说，这是一次精明的成本与性能平衡——在控制成本的同时，通过毫米波雷达的补位，提升了系统在长尾场景中的鲁棒性。
纯视觉方案最大的想象空间，其实不在当下的表现，而在于未来的成长性。博越L小蓝灯版搭载的这套系统，其核心价值可能随着时间的推移而不断增加，这就是数据驱动的“越用越聪明”。
数据飞轮效应是纯视觉方案的核心增长引擎。随着搭载千里浩瀚H3系统的车辆在全国各地行驶，回传的海量corner case（极端案例）数据将不断反哺中央算法训练。暴雨中识别模糊的障碍物、雪地里分辨被覆盖的车道线、夜晚识别异常停靠的车辆……这些原本让算法头疼的场景，经过足够数据的训练，处理能力有望逐步提升。这种成长模式与人类驾驶员的经验积累有着相似的逻辑。
通过OTA升级神经网络模型，系统可以持续优化各个环节的性能。目标识别模块可以学习识别更多类型的障碍物；轨迹预测模块能更准确地预判交通参与者的行为；决策规划模块则能在复杂场景中做出更拟人化的判断。随着算法的迭代，系统处理边界场景的能力理论上会不断增强。
但这种成长并非无限。硬件性能构成了算法优化的物理天花板。博越L小蓝灯版的摄像头分辨率、帧率、动态范围都是固定的，虽然地平线J6M芯片的128TOPS算力为当前功能提供了充足冗余，但随着算法复杂度提升，算力需求也会相应增加。此外，某些涉及物理原理的难题——比如在缺乏立体视觉情况下的精确绝对测距——难以仅通过软件算法完全弥补。
从现有信息看，博越L小蓝灯版的首任车主能免费享受5年NOA高速高架领航辅助功能服务。这暗示着系统未来可能有持续的功能升级。虽然目前官方没有明确公布具体的OTA升级计划，但基于纯视觉方案的特性，随着算法成熟度的提升，处理场景的丰富度和稳定性有望逐步改善。
需要提醒的是，对“OTA解决一切”的期待需要保持理性。硬件决定了能力的基础线，软件优化是在这个基线之上的提升。博越L现有的传感器配置定义了它当前和未来一段时间的能力轮廓。当用户面对宣传中的“未来可升级”时，需要区分哪些是硬件限制下的合理提升预期，哪些可能是过度承诺。
梳理完技术细节，最终要回答的还是那个最实际的问题：对于消费者来说，12万左右的博越L小蓝灯版，到底值不值得选择？而更根本的问题是，在当前的L2+时代，纯视觉和融合感知两种路线，该如何务实选择？
博越L小蓝灯版的实践已经给出了一些答案：这是一套在特定场景下高效经济的方案，依赖强大的算法和有效的传感器冗余，具备成长性但存在明确的物理边界。它最大的价值在于让原本需要20万元以上才能体验的高阶辅助驾驶功能，以11.99万元的价格进入了燃油车市场。
对于追求极致性价比、主要通行于条件良好城市的用户来说，经过市场验证的纯视觉方案是一个务实且成本效益高的选择。如果你大多数时间在光线良好、标线清晰的高速和高架道路上行驶，偶尔面对的城市拥堵场景也以跟车为主，那么这套系统能够显著减轻驾驶疲劳。但必须清晰认知的是，你需要承担起“L2+系统监管者”的责任——在恶劣天气、复杂路口、异常路况时保持高度警觉，随时准备接管。
对于那些预算更充足、对全天候全场景能力有更高要求，或经常通行于复杂环境的用户来说，激光雷达融合感知方案提供的额外维度信息和更强的安全冗余，在当前技术阶段仍然是更稳健的选择。激光雷达直接输出的高精度3D点云，为系统提供了不受光照影响的立体空间感知；多传感器融合架构在面对极端天气和复杂场景时，拥有更高的容错率和安全下限。
市场竞争态势也在发生变化。哈弗H6智驾版、长安CS75 PLUS高阶版都在规划中，博越L小蓝灯版率先上市抢占了市场先机。10万级燃油SUV市场正式进入了智能驾驶内卷的新阶段。有用户试驾后反馈，高速NOA确实能在无图状态下工作——地图APP没打开，导航也没联网，车辆照样能自动变道超车、进匝道、汇入主路。过隧道突然没信号时，系统不慌，靠视觉加惯导继续跟车。
最终，在L2+级别辅助驾驶的选择上，没有绝对的“最佳”，只有“最适合”。纯视觉方案正凭借其成本和数据优势快速追赶，通过算法优化不断缩短与融合感知方案的体验差距；而融合感知方案在绝对性能和安全冗余上仍占据优势，但需要用户为额外的硬件成本买单。消费者的选择应该基于三个维度：自身的日常用车环境、预算约束、以及对新技术风险的个人承担意愿。
博越L小蓝灯版的价值，不仅在于为市场提供了一个11万元级的智驾选择，更在于它为整个行业提供了宝贵的实践案例——当智能驾驶从电动车的专属标签走向“油电同智”，技术的普及路径和消费者的接受度曲线会如何演变？这个问题，可能需要更多用户的实际体验来回答。
如果你经常长途驾驶且对智能辅助有实际需求，同时预算又相对有限，那么这套系统可能值得认真考虑；但如果你的用车环境充满不确定性，或者对安全冗余有着极致要求，那么更高阶的融合方案或许是更稳妥的选择。
全部评论 （0）