技术专家指出，NOA 系统在检测到障碍物后，通常需完成 “感知 - 决策 - 执行” 闭环。根据行业标准，L2 + 级系统应预留至少 3-5 秒的驾驶员接管时间。此次事故中……
2025 年 3 月 29 日晚，安徽铜陵德上高速发生一起小米 SU7 标准版碰撞事故，车辆与隔离带水泥桩碰撞后起火燃烧，导致车内三人遇难。4 月 1 日，小米公司通过官方渠道公布事故细节，披露车辆事发时处于 NOA （Navigate on Autopilot）智能辅助驾驶状态，并详细列出系统日志与时间线。
此次事件引发公众对智能驾驶系统可靠性、人机协同机制及新能源汽车安全性能的讨论。
雷军发文，承诺不会回避
4月1日晚间，小米CEO雷军回应此次事件。
雷军表示：29日晚上的这起事故，我的心情非常沉重。三位年轻女孩不幸离世，这样的消息，对她们的家人、朋友，乃至我们每一个人，都是难以承受的悲痛。我代表小米，表示最深切的哀悼，也向她们的家人致以诚挚的慰问。我们团队第一时间成立了专项小组，30日赶赴了现场，31日配合警方调取并提交了我们掌握的车辆数据。由于事故还在调查，我们一直没有接触到事故车，很多问题此刻还没有办法回答。
“等到此时，我觉得我不应该再等了，我必须站出来，代表小米承诺：无论发生什么，小米都不会回避，我们将持续配合警方调查，跟进事情处理的进展，并尽最大努力回应家属和社会关心的问题。谢谢大家的关注和批评，你们说的每一句话，我们都听见了，记下了，我们会用行动回答大家的问题。”雷军表示。
事故过程与系统响应分析
根据小米公布的技术细节，事故前车辆以 116km/h 时速开启 NOA 功能行驶。事发路段因施工修缮，车道被路障封闭并改道至逆向车道，系统于 22:44:24 检测到障碍物并发出风险提示，同时主动减速。驾驶员于 22:44:25 接管车辆，进行转向和制动操作（左打 22.06 度方向盘，制动踏板开度 31%），但最终以 97km/h 时速与隔离带水泥桩发生碰撞。从系统预警到碰撞仅间隔 4 秒，而驾驶员实际操作时间仅 1 秒。
技术专家指出，NOA 系统在检测到障碍物后，通常需完成 “感知 - 决策 - 执行” 闭环。根据行业标准，L2 + 级系统应预留至少 3-5 秒的驾驶员接管时间。此次事故中，系统减速至碰撞前的 97km/h，实际减速度约为 - 4.7m/s²，接近常规紧急制动（-8 至 - 10m/s²）的一半，可能存在减速策略保守或执行延迟问题。此外，障碍物识别算法在施工改道场景下的适应性存疑，未能提前预判逆向车道的路障。
小米将目前所知并提交给警方的信息，摘要公布如下：
3月29日 22:27:17 NOA激活，车速116km/h
3月29日 22:28:17 轻度分心报警
3月29日 22:36:48 NOA发出脱手预警提示“请手握方向盘”
3月29日 22:44:24 NOA发出风险提示“请注意前方有障碍”，发出减速请求，并开始减速
3月29日 22:44:25 NOA被接管，进入人驾状态，方向盘往左转角22.0625度，制动踏板开度31%
3月29日 22:44:26 方向盘往右转角1.0625度，制动踏板开度38%
3月29日 22:44:26-28之间 车辆与水泥护栏发生碰撞
3月29日 22:44:28 车端Ecall触发
3月29日 22:44:39 车端Ecall接通，确认事故发生，并报警、呼叫120急救服务
3月29日 22:45:06 与车主取得联系，确认非车主驾驶
3月29日 22:47:15 调配120成功
3月29日 约23时许 120抵达现场
电池安全与燃烧原因推测
从上面的信息可以看出，碰撞发生后，小米公司立即启动了紧急救援程序，与车主取得联系，并报警、呼叫120急救服务。车端Ecall系统触发并成功接通，确认事故发生。然而，据网友爆料，车辆撞击护栏后车门锁死，电池爆燃，导致车内人员无法及时脱困。
事故后车辆爆燃，引发了大众对电池安全的质疑。SU7 搭载的 CTP（Cell to Pack）电池技术通过结构优化提升能量密度，但碰撞后电池包变形可能导致热失控。根据现场图片，车辆前部严重损毁，推测碰撞冲击力可能破坏电池模组结构，电解液泄漏遇高温或短路引发燃烧。
网友发布的事故车辆图片
此外，车门锁死问题尚未明确，用户手册显示 SU7 配备应急机械解锁装置，但极端情况下能否有效启用仍需验证。
行业数据显示，新能源车碰撞后燃烧概率约为 0.0001%，但高速碰撞引发的结构性破坏可能显著增加风险。比亚迪、宁德时代等企业已通过 “不起火电池” 技术降低热失控概率，但小米 SU7 的电池安全设计需进一步接受检验。
网友发布的事故车辆图片
智能驾驶要负多少责任？
此次事故凸显智能驾驶系统的局限性。NOA 功能虽能处理常规路况，但施工改道等非常规场景仍是行业痛点。特斯拉 Autopilot、小鹏 NGP 等系统均曾在类似场景下出现误判。
专家指出，当前 L2 + 级系统依赖高精度地图与实时传感器融合，但施工改道导致地图数据滞后，激光雷达在雨雾天气下性能衰减，均可能影响系统决策。
驾驶员状态监控也是关键。系统日志显示，事故前 17 分钟内多次发出分心报警与脱手预警，但驾驶员未及时响应。人机协同设计存在矛盾：系统既鼓励驾驶员保持注意力，又通过辅助操作降低驾驶强度，易导致 “自动化依赖”。欧盟最新法规要求 L3 级系统必须配备 DMS（驾驶员监测系统），但 L2 + 级无强制要求，企业在用户教育与技术约束间需找到平衡。
武汉理工大学智能交通系统研究中心特设研究员田凯长期关注驾驶“人因”与安全分析，他对记者表示，此次事故责任认定的关键在于调查车辆碰撞前5秒的详细过程，主要包括驾驶员的情况、车辆的控制和辅助驾驶系统以及外部环境三个方面。
“在车辆情况的调查上，首先是视觉感知系统是否准确识别了前方障碍物，识别后，预警是否及时和清晰，是否触发了AEB（自动紧急刹车系统）等。AEB介入条件比较多，夜间情况下，没有激光雷达，距离感知会受限。”田凯表示，“另外比较关键的是，事故车辆处于NOA智能辅助驾驶状态，这通常需要在驾驶员的监控下运行。在使用辅助驾驶功能前，车辆是否明确提醒了这一功能的适用范围和操作条件。”
田凯表示，此次事故发生在夜晚的高速施工路段，多种不确定性因素叠加导致极端驾驶场景，有可能超出了目前辅助驾驶功能可以覆盖的场景。“用户在开启辅助驾驶之后，还是需要去监控动态的驾驶任务。否则一旦发生事故，驾驶员短时间内难以顺畅接管系统。车企在宣传自动驾驶和辅助驾驶功能时，对用户应该有一个正确的引导。”
行业在技术上的改进方向
场景化算法优化：针对施工改道、临时路障等场景，需增强多传感器融合感知能力，提升异常工况识别精度。
人机交互升级：强化 DMS 系统，通过红外摄像头与生物识别技术实时监测驾驶员状态，必要时强制接管。
电池安全冗余设计：优化碰撞能量吸收结构，采用热阻材料延缓热扩散，完善紧急断电与解锁机制。
数据透明化：建立第三方数据存证平台，确保事故数据真实性，避免车企自证清白的争议。
断电下的逃生机制：在新能源汽车的设计中，应更加注重极端情况下的应急逃生机制。
小米公司在事故发生后迅速成立专项小组，积极配合警方调查，并向家属提供支持与帮助。公司还强调将继续全力配合警方工作，确保事件处理公开透明。然而，事故的负面影响已对小米股价造成冲击，4月1日午后小米集团股价一度跌超5%。
目前，铜陵警方已成立专项调查组，事故责任认定需结合车辆数据、现场勘查及第三方鉴定结果。此次事件为智能驾驶技术发展敲响警钟，行业需在技术可靠性、法规完善与用户教育层面协同改进，方能实现 “安全第一” 的自动驾驶愿景。
您可能感兴趣
