蔚来的智能安全辅助系统通过大模型技术和数据闭环架构，已经做了一个AI Agent的模式实现安全，核心功能之一的自动紧急避让（AES）技术应对了高速复杂场景下的紧急避险需求，弥补了传统自动紧急制动（AEB）的局限性，为用户提供全速域、全场景的安全保障。
如果要用简单的一句话来说，就是在紧急情况下，让一个“AI赛车手”给你提供安全守护。
我们将从蔚来布局AES技术的初衷、实现方案及瓶颈出发，解析其技术逻辑，并探讨蔚来如何在智能驾驶和安全领域通过AI技术实现持续迭代。
当然大家都期待蔚来在行车这边有实质性的更新，我们期待过一段时间的好消息。
蔚来为何布局AES技术：
逻辑、实现与发展方向
蔚来汽车推出的自动紧急避让（AES）技术，目的是解决智能驾驶中的安全问题，开发基于对现有自动紧急制动（AEB）技术局限性的认识。
传统AEB在高速场景下的效果有限，仅依赖刹车难以避免所有碰撞，并可能增加后车追尾的风险，蔚来引入了紧急变道等额外的避险措施，以弥补AEB的功能不足。
针对高密度交通环境中的特定风险，如“鬼探头”和前车急刹等情况，蔚来的AES技术提供了更全面的安全保障。
AES利用大模型架构和多传感器融合感知系统，在60至150公里每小时的速度范围内提供避险支持，可以处理5类共14个具体场景，包括复杂的“鬼探头”和“夹心场景”。当检测到后方追尾风险时，AES能够迅速执行变道操作，减少连环追尾的可能性。
我们实际测试了4个场景，每个做了两遍。
AES技术有点像是一个AI Agent的程序，通过深度学习算法快速识别和预测潜在危险，并规划出最佳避险路径。
相比传统的规则算法，AES的响应速度更快，能够在极短时间内完成避险决策。这不仅提高了车辆的主动安全性，还减少了因紧急刹车或驾驶员误操作导致的事故。用户反馈显示，AES使行车过程更为安心，降低了驾驶焦虑。
AES技术也面临挑战，在连续避让的情况下可能会产生新的风险，算法需要进一步优化，AES还需要大量的实车验证来确保其鲁棒性，而高性能计算硬件的应用增加了量产成本。
复杂道路环境和极端天气条件也对AES的感知与决策提出了更高要求。蔚来计划通过扩展真实驾驶数据集来改进AES的表现，特别是在少见的长尾场景中。公司还将结合天鹰座超感系统和高性能计算平台，提升AES的决策精度和响应速度。
蔚来看待AI
在智能驾驶与安全中的作用
蔚来将AI技术视为推动智能驾驶进化的核心动力，其核心价值体现在多个方面，通过深度学习驱动的场景识别，大模型架构结合群体智能系统能够快速学习和适配多样化的驾驶场景需求。
闭环数据体系基于20亿公里的驾驶数据构建，每月实现超1000万公里的实车验证，大大缩短了技术验证周期，AI技术通过分析驾驶行为和用户偏好，在提升安全性的同时改善用户体验，实现了个性化与安全性的兼顾。
在智能驾驶技术的迭代方法论上，蔚来采用了端到端决策优化的方式，通过NADArch 2.0架构减少信息损耗并提高整体效率，生成式模型的应用使智能驾驶系统能够对环境进行长时序预测，优化复杂场景下的路径规划和风险应对。
实时反馈与优化机制则依赖于RAMS风险评估系统，及时捕捉系统运行中的薄弱环节，并通过实时模型训练完成优化闭环。
为了进一步完善智能驾驶技术，预埋了高算力平台和激光雷达等高性能感知硬件，为未来升级提供支持。
软件层面，逐步攻克城市、乡村、高速等不同场景中的细节问题，特别是边界条件下的算法优化。生态融合与协同创新也是关键，把智能驾驶与智能安全的全域融合，结合高精地图和车路协同技术，提升整体解决方案的竞争力。
最前沿的电子设计资讯
