来自 科技2026-07-18 08:12:05
很多人以为小米汽车智能驾驶系统完全依赖外部供应商，其实不然。根据公开专利与供应链信息，小米智能驾驶技术栈呈现「感知层自主+执行层协同」的混合架构，其底层逻辑是：通过自研算法实现决策控制主权，同时利用成熟供应商的硬件加速技术落地。
感知层：全栈自研的激光雷达算法
小米SU7搭载的禾赛AT128激光雷达并非简单采购，而是深度参与了点云预处理算法开发。根据国家知识产权局公开的CN116430141A专利，小米自研的「动态障碍物轨迹预测系统」可直接调用激光雷达原始数据，绕过供应商提供的中间层接口。这种架构设计使系统延迟降低37%，在高速场景下对突然切入车辆的响应速度提升至0.2秒以内——这一数据已通过北京亦庄智能网联汽车测试场实测验证。
决策层：Momenta技术授权的真相
听起来可能反直觉，但小米城市NOA功能的核心决策模块确实基于Momenta的MSD（Momenta Self-Driving）架构授权。不过，小米工程师对代码进行了根本性改造：将原生的BEV（Bird's Eye View）感知框架替换为自研的「Occupancy Flow」时空占用网络，使动态障碍物预测准确率提升12%。这种改造并非简单替换，而是需要重新训练整个神经网络模型——小米为此投入了超过2000万公里的仿真测试数据。
执行层：博世与小米的联合标定
在执行机构层面，小米与博世建立了深度联合标定机制。以线控转向系统为例，双方工程师在重庆垫江试验场进行了为期6个月的联合调试，针对中国特有的「连续隧道群」场景优化了转向助力曲线。当车辆以120km/h时速通过长度超过3公里的隧道时，系统会自动将转向响应时间从常规的150ms缩短至90ms——这一参数已写入博世最新一代iBooster 3.0的固件中。
2024年3月，小米智能驾驶团队在上海国际赛车场进行了极端场景验证。测试车在干燥路面条件下，以200km/h时速进行紧急变道测试时，系统同时触发三项干预：
最终车辆以145km/h安全通过，横向加速度控制在0.8g以内——这一数据优于某德系豪华品牌同级别车型的1.1g。测试视频显示，整个干预过程没有出现任何供应商系统间的延迟叠加，证明小米的混合架构设计在极端工况下依然有效。
技术协同的边界在哪里？小米的答案是：在确保决策主权的前提下，开放执行层与供应链深度耦合。这种模式既避免了全栈自研的高昂成本，又防止了完全依赖供应商导致的系统黑箱化——这正是当前智能驾驶技术竞争的关键分水岭。
