智驾成本与车价关系引争议：有体验者称“越好越贵”逻辑动摇

智能驾驶系统是否与车辆价格成正比，近期因一款车型的实地体验而引发讨论。此前行业普遍认为，芯片、内存、模型训练等硬件与算法成本会直接反映在车价上，因而“越贵越好”被视为市场规律。

成本环节与定价逻辑

支撑“越贵越好”逻辑的主要因素包括三类成本：

• 芯片：提供算力的核心硬件，成本随性能提升而增加。
• 内存：用于数据临时存储的部件，容量与读写速度影响响应效率。
• 模型训练：通过大量数据对自动驾驶算法进行反复调优的过程，所需算力与时间直接影响开发投入。

上述成本的叠加，通常被视为厂商定价的重要依据。然而，部分体验者在完成某款车型的实际驾驶后，表示上述线性关系遭到动摇。

“开完这辆车，我的认知有点动摇了。越好越贵的逻辑还成立吗？”

体验反馈与市场影响

该体验者并未具体指出所试车型，但明确提出“认知动摇”这一结论。从市场逻辑推导，若少数案例中智驾体验与价格出现偏离，可能促使消费者在选车时更侧重实际效果而非单纯的价格标签，进而影响厂商的定价策略与宣传重心。

广汽埃安AION N60实测：自费租赁打假，这款“冷门车”表现如何

近日，一家汽车测评机构自费租赁了一辆广汽埃安AION N60（参数|询价），并将其作为体验车进行深度测试。该机构表示，选此车并非软广，而是源于“打假”初衷。

选择原因：自费租赁，非商业合作

据该机构介绍，广汽埃安AION N60在市场上相对冷门，最初选择它并非出于商业化考量。测评团队自掏腰包租赁量产车，旨在验证车辆的实际表现是否与官方宣传或市场口碑相符，避免因车型热度低而存在的潜在信息不对称。

“肯定有朋友在想了，什么冷门车啊，软广吧？！还真不是！体验车是我们自费租赁的量产车，选它最初的目的，其实是想‘打假’。”

核心检测方向：围绕“参数与体验”展开

此次测评围绕车辆官方公布的参数展开，重点核实其在真实场景下的续航、动力、空间及智能配置等实际体验，而非仅依赖官方数据。测评者将逐项对比实车状态与宣传信息间的差异。

• 续航测试：基于实际路况和驾驶模式，检测N60的综合能耗表现。
• 操作与舒适度：评估悬架调校、座椅材质及人机交互系统的流畅度。
• 安全与配置：检查辅助驾驶功能、车身结构细节是否达标。

行业影响：独立评测模式引发关注

独立媒体以自费租赁方式对冷门车型进行“打假”式测评，在业内较为罕见。此种模式规避了厂商赞助或送检车的利益绑定，或将为后续第三方评测提供透明化参考，同时推动车企强化产品一致性。

截至发稿，广汽埃安官方尚未对该测评事件作出回应。有关AION N60的具体测试数据及“打假”结论，尚待完整报告发布。

文远知行：L4龙头地位确立，L2家用车市场拓展仍待破局

在L4级无人出租车领域已占据行业头部地位的文远知行，当前在家用车L2级辅助驾驶市场的合作车型数量与市场热度均表现有限。这家此前以高阶自动驾驶技术见长的供应商，正在面临技术下沉至消费级市场的现实挑战。

技术定位落差：从L4龙头到L2边缘玩家

文远知行在L4级自动驾驶领域积累的声誉，并未直接转化为L2级家用车市场的规模优势。据行业观察，其合作车型数量较少，且相关产品在终端消费市场中的认知度较低。这与公司在无人出租车领域的龙头地位形成鲜明对比。

“虽然在L4无人出租车领域，文远知行是实打实的龙头，但是在家用车L2领域，他的合作车型很少，并且热度不高。”

专业概念拆解：L4与L2的层级差异

L4级自动驾驶指在特定场景下（如限定区域、固定路线），车辆可完全由系统操控，无需驾驶员干预；而L2级辅助驾驶则要求驾驶员持续监控路况并随时准备接管，系统主要负责车道保持、自适应巡航等部分功能的协同。二者的技术门槛、传感器配置与成本结构差异显著，这或许是文远知行在家用车领域尚未形成规模效应的原因之一。

• L4级：无人出租车（Robotaxi），高算力、多传感器配置，落地复杂场景。
• L2级：家用车辅助驾驶，注重性价比与可靠量产能力，市场由头部供应商主导。

当前，文远知行在L2市场的“小众”定位，使其在竞争激烈的家用车辅助驾驶领域仍需构建更广泛的合作生态，以匹配其在L4领域的技术声誉。

N60智驾硬件配置被指与零跑A10等入门方案相当

一则关于车型N60智驾硬件配置的分析引发关注。该分析指出，N60搭载的高通SA8650芯片算力为200TOPS，配备一颗激光雷达，其硬件组合与市面上主打性价比的入门智驾方案，如零跑A10，并无显著差异。

硬件参数对比

核心处理器方面，N60使用的高通SA8650算力定在200TOPS。传感器配置上，该车仅采用一颗激光雷达。分析人士认为，这一硬件组合的逻辑与零跑A10等入门级智驾方案具备高度一致性。

“总不能因为摄像头装在了轮眉上，智驾就厉害吧？”

（注：以上引述仅为对原始素材客观呈现，不代表本网观点。）

市场定位的疑问

该分析进一步提出，在硬件规格趋同的情况下，N60若仅靠外观设计或摄像头布局的差异来标榜智驾能力，其实际表现可能需要更多实车数据验证。目前，业内对入门智驾方案的定义通常围绕算力区间（如100-250TOPS）与传感器数量展开，N60的配置恰好落在此区间内。

埃安N60晚高峰智驾实测：L2级系统表现超出预期

在智能驾驶领域，一款定价亲民、硬件配置普通的车型宣称拥有L4级自动驾驶能力，其实际L2级智驾表现能否经得起考验？汽车之家第15场晚高峰智驾直播选择了埃安N60作为测试对象，结果出乎意料。

测试背景与目的

此次智驾直播旨在通过真实晚高峰路况，检验埃安N60的L2级辅助驾驶系统性能。测试团队此前对该车型的硬件配置与宣称能力之间的差异持保留态度，因此决定通过实际道路测试来验证其真实水平。

“一辆便宜而且硬件普通的车，却扯着L4级自动驾驶的大旗，说自己的L2智驾比别人都强，实在很难让人不起疑心。”
——测试团队前期观点

测试结果：预期与现实的落差

在晚高峰复杂路况下，埃安N60的L2级智驾系统完成了多项关键场景的应对测试。测试团队原计划通过实测暴露系统短板，但实际表现却形成了鲜明反差。

“我被‘打脸’了。”测试团队在总结中表示，这一结果重新审视了硬件规格与实际算法能力的匹配关系。具体而言，埃安N60在车道保持、跟车距离控制、以及应对加塞等典型城市拥堵场景中，保持了较高的稳定性和响应速度。

技术逻辑解读：L2与L4的界限

根据行业标准，L2级驾驶辅助系统要求车辆同时具备横向和纵向控制能力，但驾驶员需全程监控并随时接管；而L4级则可在限定场景下实现完全自动驾驶，无需人工干预。埃安N60实际测试中体现的能力仍处于L2范畴，但其在特定晚高峰场景下的执行表现，显示出算法对硬件不足的有效补偿。

视频内容补充说明

更多详细体验过程，包括具体场景的应对表现、系统决策逻辑及驾驶员干预时机，已通过完整直播视频呈现。感兴趣的用户可通过汽车之家平台查看完整内容。

埃安N60在50公里复杂路线上展现“快、狠、深”智驾特质

在一段专门为测试智驾系统设计的复杂路线上，埃安N60展示了三项明显超出同类的表现。该路线全程50公里，晚高峰需三小时通过，包含拥堵、窄路、盘桥、复杂交规等多种场景。

路线构成：50公里晚高峰“虐待式”场景

据测试环境描述，这条路线并非普通城际道路，而是集合了高密度拥堵、狭窄街道、环形立交以及交通规则快速切换的迂回路径。晚高峰三小时的耗时意味着平均时速不足17公里，对智驾系统的决策响应与路径规划能力形成持续压力。

速度优势：比“快”更快的响应

在今年的智驾普遍追求速度的背景下，N60依然表现出明显的领先性。测试方将其比作“博尔特”——在同类产品中“显眼”的节奏感。这里的“快”不仅指加速或动态反应，更指向系统对障碍物、道路变化的高频识别与执行间隔。

“今年的智驾普遍都很快，但N60放在他们当中，依然像是博尔特一样显眼。”

策略深度：下手狠、想的深

除了速度，N60在操作风格上表现为“狠”——在窄路会车、复杂交规切换等场景中，系统动作干脆，不拖泥带水；同时“想的深”——能提前预判后续路段的通行动态，而非仅对当前帧做出反应。这种多层规划能力在盘桥与拥堵并行的路段尤为突出。

整体来看，埃安N60在三条特性上的表现均基于同一套智驾框架，但在此次高难度路线测试中，其决策密度与行动果断性成为区分于同类产品的核心特征。

N60路口左转实现绿灯瞬间同步加速

一段测试画面显示，智能系统设备N60在路口左转时，于绿灯亮起瞬间同步踩下油门，完成无延迟加速起步。观察者强调，该片段为原速播放，未经过任何加速处理，其反应速度超出预期。

反应表现接近甚至超越人工读秒预判

测试人描述：“如果不是读秒预判，我可能都未必有他快。”这意味着N60在绿灯点亮的同时自动执行加速操作，其响应时延极短，可能不依赖对信号灯倒计时的预先计算，而是通过外部触发立即决策。

“如果不是读秒预判，我可能都未必有他快。”

读秒预判机制解析

“读秒预判”是指系统通过实时获取信号灯剩余时间数据，提前作出加速或制动准备，以在绿灯亮起瞬间完成动作。而N60此次表现则暗示其可能采用更直接的传感器触发逻辑，无需等待倒计时信息即可同步启动。

• N60在绿灯亮起瞬间同步踩下油门，无可见延迟。
• 测试片段为原速播放，未经加速处理。
• 观察者认为其速度接近甚至超过人工读秒预判。

这一表现表明，N60在路口场景下的实时响应能力已进入较高水平，此类同步加速反应或将成为同类智能系统性能评价的重要参考维度。

N60在火车道口抬杆未完成时驶离

在火车道口，多数车辆会等待抬杆完全升起并经过系统识别确认安全后才启动，而N60在抬杆尚未完全抬起时便直接驶离。

道口通行规则逻辑拆解

火车道口的抬杆与识别确定是两个步骤：抬杆升起表示栏杆已移开，识别确定则是系统判断当前无列车接近、确认通行安全。两项均完成才构成放行条件。N60在抬杆未完成即启动，与常规流程存在差异。

有观察者指出，这一行为与其他车辆的安全操作习惯不同。

城市园区通行效率问题引关注 车主“闯闸”行为暴露管理漏洞

在当前的园区通行管理体系中，部分车主为了追求快速通过，采取了一种较为激进的通行方式。据观察，这类行为的具体表现为：首先找到园区内较为隐蔽的入口，随后一边缓慢前行，一边等待闸机抬杆系统作出反应。

通行行为细节描述

当闸机抬杆开启后，驾驶员会立即加速前进，并且在整个通行过程中——从入口到出口——完全没有停顿。相关目击者描述，该过程“全程都没有停顿，没有一秒让杆等它”，体现出一种“迫不及待”的通行心态。

“一边往前走，一边等待闸机抬杆反应，开门之后立刻加速，一直到出口，全程都没有停顿，没有一秒让杆等它。”

管理漏洞分析

上述行为表明，部分园区在出入口设计及闸机系统响应机制上存在潜在管理漏洞。当驾驶员能够找到“隐蔽的入口”并以此方式通过时，说明园区对于车辆通行的实时监控与防尾随机制可能未能有效发挥作用。这种“让系统适应人”而非“人适应系统”的通行模式，对园区内的行人与其他车辆构成了潜在安全隐患。

• 隐患点一：驾驶员选择“隐蔽的入口”通行，规避了主要出入口的常规检查与登记流程。
• 隐患点二：闸机系统若无法识别快速通过的车辆，可能导致系统误判或无法正常记录通行轨迹。
• 隐患点三：全程无停顿的加速行为，增加了在弯道或视线盲区发生碰撞的风险。

业内人士指出，园区管理者需从硬件响应速度与软件逻辑判断两方面入手，优化闸机识别算法，并强化对出入口区域的物理监控，以遏制此类“闯闸”行为，保障园区通行秩序与安全。

N60智能驾驶系统快速响应路口绕行场景

在通过路口时，当右前方一辆轩逸因道路前方有事故向左打轮绕行、侵入埃安车道，N60几乎同步做出应对：微松油门并快速小幅左打调整，动作细微且尺度恰当。该处理过程被形容为“像用了肌肉记忆一样”。

场景细节：前车绕行动作下的同步反应

据测试描述，N60不仅对固定类型的变化反应迅速，在动态突发场景中同样表现敏捷。轩逸的绕行动作发生时，N60的感知与执行系统几乎无延迟地启动调整，其操作幅度与时机均未出现过度或不足。

“过路口，路中间有事故，右前方的轩逸向左稍稍打轮做了一个绕行动作，侵入了埃安的车道，而 N60 几乎同步就微松油门，并且快速做了一个小幅左打调整，动作细微，尺度刚刚好。”

技术解读：算法预判与实时计算

“肌肉记忆”在智能驾驶语境中，通常指系统通过大量场景训练形成的高效算法响应模式：不依赖冗长的逻辑推理链，而是基于环境感知数据快速生成控制指令。N60在此次处理中，将松油与转向两个动作的衔接时间压缩至近乎同步，体现出算法对前车轨迹的预判能力。

同类场景适用性

• 路口多车博弈中，系统能识别前方车辆的异常横向位移，无需等到完全侵入车道后再触发反应。
• 微调动作幅度小，避免了因大幅转向导致自身车道偏离或引发后续车辆连锁反应。

蔚来N60路测实录：前车减速触发自主变道绕行，表现如同“透视”

在近期的实地路测中，蔚来N60展现了高效的通行决策能力。测试车辆在行进过程中，通过感知系统迅速识别前方交通流变化，并完成了多次自主变道与绕行操作，其反应速度令观察者印象深刻。

自主变道中的动态决策：绕行策略优于预设路线

在一段测试场景中，N60原本计划进入最右侧车道。但系统在跟随前车变道至一半时，突然改变了既定路线，选择了绕行。这一决策并非随机，而是基于对更远处交通状况的即时分析。

“如果不是看回放发现，左侧确实能瞄到一点儿边，我都以为它开了透视挂。”

测试人员发现，N60的绕行动作是在识别到更前方的另一辆车（描述中称为“唐”）正在减速后做出的。此时，系统判断所规划的右侧车道前方并无车辆阻挡，具备直接超车条件。因此，车辆果断放弃了原定的变道计划，转而执行更高效的通行路径。

“透视挂”背后的技术逻辑：对动态障碍物的预判

从路测回放中可以看到，N60能够感知到视线中仅能“瞄到一点儿边”的目标，并依据其运动状态做出主动干预。这种表现源于其对前方多目标运动轨迹的持续追踪与计算。

在智能驾驶系统中，这类决策通常依赖对前方车辆减速这一“隐性”信号的捕捉。当系统识别到前车（即“唐”）在无外部干扰情况下主动减速时，会将其判定为前方存在潜在拥堵或静止障碍物。此时，若相邻车道具备通行条件，系统便会触发绕行逻辑。

现场还原：从跟随到超车的完整链路

• 初始状态：N60准备执行进入最右侧车道的指令。
• 场景变化：在跟随前车变道过程中，系统感知到更前方的“唐”开始减速。
• 策略修正：N60放弃原计划，没有完成进入右侧车道的动作。
• 执行动作：车辆判断右侧车道前方无车（减速的“唐”在左侧车道），选择向左绕行完成超车。

这一连串动作在数秒内完成，显示出系统应对复杂交通流时的高效处理能力。相较于传统的简单跟随策略，这种基于远期路况的预判能力，是提升通行效率的关键所在。

自动驾驶测试场景：N60在复杂交互中连续切换五种避让策略

在近期一段自动驾驶道路测试视频中，N60系统面对前车突然停车并斜向阻挡的突发行为，展现出快速决策与连续策略切换的能力。素材显示，N60在不到数秒内完成了“跟、绕、等、绕、多绕”五个阶段的动作，全程保持移动，未出现迟疑。

场景还原：前车“似停非停”引发连续绕行

视频记录显示，一辆奔驰牌测试车辆在N60前方行驶时突然停车，随后将车头向左倾斜，形成“似停非停”的阻挡姿态。N60未做停顿，立刻执行绕行动作。然而在绕行过程中，奔驰车突然开启车门，N60凭借留出的合适间距，在回轮动作晚半秒的情况下成功避开了所有风险。

策略拆解：五个阶段无停顿切换

根据素材中对N60轨迹意图的分析，系统在这一连串相互试探中依次执行了以下策略：

• 跟：在前车减速时保持跟随状态；
• 绕：判断前方有障碍后启动首轮绕行；
• 等：在绕行途中观察奔驰车门未完全关闭，采取短暂等待；
• 绕：确认安全后继续绕行；
• 多绕：为规避车门完全打开的风险，加大绕行幅度。

“在这一连串的相互试探里，N60快速进行了五个阶段的策略连续切换，全程一直在移动，没有任何迟疑，思维十分之敏捷。”

行业视角：即时决策能力成自动驾驶关键指标

业内分析指出，此类由前车主动制造的不确定路况（包括突然停车、开门、变线）属于典型的长尾场景，对自动驾驶系统的实时感知与应变能力提出极高要求。N60在此次测试中展现的多策略连续切换能力，或有助于推动高阶自动驾驶的落地验证。

智驾表现解析：如何理解“快”与“狠”的操作逻辑

在智能驾驶的实际表现中，车辆对时机与动作的控制成为部分用户关注的焦点。基于相关测试反馈，系统在特定场景下的处理方式呈现出一些值得分析的特征。

“快”：启动与制动的时间点选择

在桥下左转的复杂路况中，智能驾驶系统的操作表现出对主路车流节奏的精准判断。当主路末尾车辆尚未完全通过车头时，系统已提前松开刹车，进入准备状态。待尾车完全通过后，车辆立即启动并加速汇入。

“尾车一过，它立刻启动，加速汇入。它对于停和动的时机选择都能跟人心意合一。”

这种操作并非突兀的加速行为，而是基于实时感知对“动”与“静”时机做出的同步响应。系统在用户预期应该等待时保持静止，在预期可以动作时提前做好准备，实现了动作与心理预期的同步。

“狠”：博弈策略中的自信与风险

“狠”这一特征可被视为“快”在决策层面的衍生表现。由于系统具备较高的反应速度，其在与其他交通参与者进行博弈时，会采取更大胆的动作，并表现出更坚定的策略自信。

这种操作逻辑对智驾系统本身而言，有助于提升通行效率与场景完成度。但对人类驾驶员而言，同一操作可能带来不同的主观感受。

行为差异：系统逻辑与人类认知的边界

智能驾驶的“快”与“狠”本质上源于其感知与决策算法的快速迭代能力。当系统判断时机成熟，其启动与制动的执行不存在犹豫窗口，这与人类驾驶员依赖经验与心理预期进行操作的逻辑存在差异。

• 时机同步：系统通过多传感器融合，实时追踪主路车辆的速度与位姿，建立动态预测模型。
• 风险耐受度：智驾系统对安全余量的定义与人类驾驶员的直觉判断可能不同，这会直接影响博弈动作的幅度。

在当前技术阶段，这种“心意合一”的描述更多指向系统对局部路况的准确建模，而非对人类情绪的完全模拟。对于人类司机而言，理解这一行为逻辑有助于建立对系统的合理预期。

环路出入口交叉事件：M2驾驶员技术避免险情

在环路出入口交叉场景中，一辆M2准备并出主路时，与一辆N60形成交通冲突。由于M2驾驶员具备较高驾驶水平，成功完成并线，未发生碰撞。

比如这次环路的出入口交叉，幸亏想并出主路的是辆有点驾驶水平的 M2，换成其他人，很可能就要被 N60 关门了。

所谓“被关门”是指车辆在并线过程中被相邻车辆截断线路而无法安全汇入车流。在此次事件中，驾驶员的技术素质成为关键变量。

理想汽车N60城市辅助驾驶实测：并线变道如“泥鳅”般灵活

在近期的城市道路辅助驾驶功能实测中，理想汽车旗下的N60系统展现出对复杂路况的应对能力。测试车辆在模拟日常通勤场景时，遇到了后方出租车意图封堵并线的情况，但系统最终成功完成并入主路的操作。

并线受阻与系统反应

实测显示，当N60试图从辅路并入主路时，后方一辆出租车采取了加速封堵的动作。素材中描述为“N60 强势拒绝了后方出租车的封堵”，表明系统在感知到风险后，并未选择退回或停止，而是通过持续探测间隙，最终“钻进了目标车道”。

“在拥堵的车流里， N60 简直像条泥鳅。”

这一表述形象地反映了系统在密集车流中频繁变道、寻找空隙时的动作连贯性。与传统辅助驾驶系统在面对强硬加塞时往往选择减速让行不同，N60在此次测试中展现了更为主动的博弈策略。

“婉拒关门”的操作逻辑

“你要是想给它关门，不好意思，婉拒了”这一描述，点出了系统在面对封堵时的决策倾向。在现实驾驶中，试图“关门”的车辆通常依赖人类驾驶员的退让心理，而N60通过持续计算相对速度与间距，维持了自身并入路径的优先级。

这种操作逻辑意味着系统不仅评估静态障碍物，还需实时预测周围车辆的动态意图。当后方车辆的“封堵意图”被系统判定为不足以构成碰撞风险时，系统倾向于执行原定变道计划。

在拥堵车流中的表现

素材特别强调了“拥堵的车流里”这一场景。在低速、高密度的交通环境中，车辆间距往往不足半个车身，传统辅助驾驶系统常因安全冗余机制而放弃并线。N60通过精细化控制油门与转向，实现了类似人类司机在狭窄缝隙中穿行的效果。

• 空间利用：系统能够利用前后车动态产生的瞬时空隙。
• 节奏控制：变道全程动作一气呵成，无明显的犹豫停顿。
• 博弈主动：面对后方威胁时，执行了“不退让”的决策。

此次实测展现了理想汽车在辅助驾驶系统策略上，正从“被动安全”向“主动通行效率”方向演进。不过，实际道路使用中的安全性与法规合规性，仍需依赖更大规模和更多场景的验证。

文远智驾方案N60实测：横穿行人及占道电动车均未让行

日前披露的实测数据显示，文远智驾方案N60在面对横穿马路的行人时，并未采取减速避让措施；对于占用机动车道的电动车，N60同样未做出避让操作。

面对闯红灯人群：尝试右转但受阻

在一组涉及闯红灯人群的场景中，N60尝试通过主动拦截对方来完成右转动作，但因人群中“寡不敌众”，最终未能顺利完成转弯。该测试凸显了N60在应对不规则交通参与者时的执行策略。

“横穿的人，是不会让的；占机动车道的电动车，也是挡不住它的。”

复杂场景理解能力成关注焦点

除基本的运动控制外，测试方指出，N60在复杂场景下的场景理解——而非简单的动作执行——才是其最值得关注的特点。这类场景包括对行人意图、非机动车轨迹的预判与响应。

N60 三点掉头尝试遇倒挡权限限制，轨迹规划获评价

在最新一次三点掉头测试中，自动驾驶系统 N60 未能成功完成该动作。据观察，其行进至掉头点前逐步减速，并向右侧借道以扩大转向空间。随后 N60 放缓速度等待一辆电动车通过，并继续向前准备切换倒挡。

倒挡权限缺失致动作中止

车辆在此阶段未能成功挂入倒挡，原因在于工程师尚未开放倒挡权限。从车辆后续的静止状态可以判断，N60 对此限制表现出“意外”反应——其行进逻辑在预期指令与系统权限之间出现断层。

业内人士指出，三点掉头动作需组合前进行驶与倒车操作，倒挡权限的缺失直接阻断完整闭环流程。

空间理解与轨迹规划获肯定

尽管最终未能完成三点掉头，该测试仍被评价为对空间的理解充分，所规划轨迹稳定且接近人类驾驶习惯。此前已有其他车型成功完成同类场景，但未有车辆能在动作细腻度上达到同级水准。

• 行进中主动向右借道以扩大转弯半径
• 减速等待电动车通过后自行衔接动作
• 轨迹规划稳定，动作序列贴近人类驾驶逻辑

三点掉头（又称“K字掉头”）是一种在狭窄路段将车头调转180°的驾驶操作，需先后前进、右转、倒车、左转等步骤。

N60车辆实测：未装载ETC仍可自主通过收费站

近日一则车辆测试视频显示，N60车型在通过高速收费站时呈现出不同于其他智能驾驶车辆的行为。测试车辆虽然未在设置中明确标注“支持过收费站”，但在实际行驶中并未像其他车型那样在收费站前降级或退出领航模式。

高速入口：默认识别ETC车道

在高速入口处，N60的领航系统默认将车辆对准了ETC车道。由于测试车辆并未安装ETC设备，驾驶员随后手动将车辆调整至人工收费车道。

即使车辆已进入人工车道，该车的领航模式并未退出，系统仍维持运行状态。

操作细节：取卡后自主起步

车辆最终在人工收费窗口附近停稳。随后，驾驶员完成取卡操作并抬杆，车辆在未额外干预的情况下自动起步驶离收费站，实现“全自动通过”。

• 测试场景：高速收费站入口
• 系统状态：未降级、未退出领航模式
• 设备配置：测试车辆未装载ETC
• 操作步骤：手动调整车道后取卡，车辆自主起步

注：所谓“领航模式”通常指车辆在高速或快速路上实现从入口到出口的全程自动驾驶辅助，一般包含自动变道、自动进出匝道等功能。此次测试表明，该车辆在未预设收费站场景的情况下，仍保留了部分通过能力，但在ETC装载不足时需人工介入车道选择。

N60 车辆在收费站主动选择人工窗口并报降级后通过

一则关于自动驾驶车辆N60的行驶记录显示，该车在抵达收费站出口时，主动选择了最远处的人工窗口车道，并在过程中报出一个降级信号。但领航功能并未因此退出，车辆随后准确停在收费窗口旁，待闸机栏杆抬起后立即起步驶离。

决策过程：从选择车道到精确停靠

根据记录，N60在接近出口时并未驶向最近的ETC或自助通道，而是径直转向最远的人工窗口车道。这一行为被观察者描述为“故意”，因为车辆后续的停靠位置恰好紧贴收费窗口，与闸机栏杆的距离控制得十分精准。

“等到了出口的位置，它反而直接就选了最远的人工窗口车道，然后报了一个降级。但是，领航实际上并没有退。”

在缴费抬杆完成后，N60迅速起步，全程未出现明显延迟或修正动作。

技术细节：降级与领航的并存状态

记录中提到的“降级”通常指自动驾驶系统在特定场景下主动降低自动化等级，例如从领航辅助切换至基础巡航或人工接管。然而本次N60报出降级后，领航功能依然保持激活，形成一种未完全退出的状态。业内人士指出，这种“降级而不退出”的现象可能反映出系统在收费站场景下的特殊逻辑——车辆能够继续依靠领航完成精确定位与停靠动作。

• 车辆主动选择人工窗口车道，而非自动通道。
• 报出降级信号，但领航未实质性退出。
• 精确停在收费窗口旁，闸机栏杆与窗口距离符合人工缴费需求。
• 抬杆后立即起步，全程流畅完成付费通行流程。

N60表现争议：稳定性不足与功能缺失拖累总体成绩

针对N60系统的实际表现，行业观察者指出，该产品在基础能力上的表现虽然突出，但总体成绩并未达到预期高度。症结主要集中于系统的稳定性尚不理想，同时部分功能模块尚未完善。

“听闻未见”的操作逻辑

有体验者反映，N60能够根据入口类型对应选择出口，并准确理解“人工窗口”的含义。此类操作在行业内被认为较为罕见，有观点调侃称，这种高识别能力与系统出现的“降级”反馈形成了反差，仿佛是在暗示用户“骗你的，这么简单我怎么会过不去”。

成绩与症结并存

尽管在基础能力上被认为“天赋异禀”，但N60的总体成绩未能令人惊艳。根据现有反馈，系统的稳定性不足是核心瓶颈，部分功能的不完善也直接影响了用户体验。对于N60的表现究竟是实力输出还是误打误撞，目前尚未有定论。

业内人士指出，稳定性问题与功能不完善，是当前N60系统需要优先解决的短板。

• 基础能力突出，但稳定性差影响整体表现。
• 功能不完善，部分操作逻辑仍存在理解偏差。

系统在复杂路口出现路线决策摇摆

一段关于某智能系统的运行描述指出，在不易分辨的路口，该系统偶尔会出现 “纠结摇摆”——即在多个路径选项之间反复切换、难以立即确定方向。尽管最终仍能选择正确路线，但过程中的反复行为已引发观察者的不安感受。

所谓“纠结摇摆”，是指系统在决策过程中呈现的犹豫状态：面对特征模糊的交叉口，算法需多次重新计算和比对后才锁定最终路径。这种表现可能导致用户对系统可靠性的即时信任度下降。

N60车型出现轻微幽灵刹车与点刹现象 用户称频率较低

近日有用户反馈，N60车型在行驶过程中出现轻微幽灵刹车，即在无需制动的情况下，车辆自动进行力度偏大的点刹。此外，该车型还存在类似情况，但出现频率不高，用户认为对日常使用影响尚可接受。

异常制动现象描述

根据用户描述，N60的幽灵刹车表现为：在正常行驶且无预期障碍或危险状况时，系统突然施加刹车动作，且点刹力度偏大。这类干预虽非持续性问题，但偶发出现仍可能影响驾驶平顺性。

“幽灵刹车”机制解析

幽灵刹车通常指车辆高级驾驶辅助系统（如自动紧急制动）在误判场景下启动制动。其触发逻辑可能源于传感器对前方物体、车道线或其它车辆的识别误差，导致系统认为需要减速。N60出现的点刹正是这一逻辑的实例。

“这两个问题出现的频率不算高，对日常的使用影响还能接受。” —— 用户反馈

影响范围与用户评价

• 问题涉及车型：N60。
• 表现：轻微幽灵刹车及非必要点刹，制动力度偏大。
• 频次：较低，未达到影响日常驾驶安全的程度。

目前该问题尚未引起广泛报道，仅属个体用户使用体验。车型生产方是否会针对此现象进行软件优化或解释，仍有待后续观察。

车主反映领航辅助驾驶系统存在无故退出问题

据车主反馈，其车辆在正常行驶过程中，领航辅助驾驶系统出现了多次无故退出的情况。具体表现为车辆在停车等红灯、无外界对抗干扰的环境下，系统直接宣告退出，但重新激活后又能立即正常工作。

核心问题：非能力缺陷，疑似系统BUG

车主在描述中强调，系统在退出后“只要再重新激活，他就立刻继续工作”，表明问题并非系统在感知或决策能力上的不足，而是软件逻辑上的异常。

“我们遇到了很多次，车在停车等红灯，无对抗的情况下，领航直接宣告退出的问题，然而只要再重新激活，他就立刻继续工作，说明不是能力问题，纯纯是系统 BUG。”——车主反馈

背景说明

领航辅助驾驶系统通常指车辆在特定路段（如高速公路、城市快速路）上能够实现自动跟车、车道保持等功能。车主所遭遇的“无故退出”，意味着系统在无预警或非必要情况下中断辅助驾驶状态，将控制权突然交还给驾驶员，这在交通场景中可能带来安全隐患。

车主呼吁：厂家尽快修复

车主对问题的频率表示不满，认为该BUG影响了系统的可靠性和实际使用体验，并直接呼吁厂家尽快解决该软件缺陷。

• 故障场景：停车等红灯、无对抗环境
• 问题表现：系统突然宣告退出
• 复现条件：退出后重新激活即可继续工作
• 问题定性：车主判断为系统BUG，非性能问题

测试车用户反映方向盘驾驶员检测系统存在误报

有测试车用户表示，车辆方向盘对驾驶员的检测功能存在不精确、时常误报的情况。目前尚不确定该问题是否属于个例。

用户反馈的具体问题

该用户指出，方向盘对驾驶员的检测“不太精确，时常误报”，并希望其他车主朋友能够分享他们遇到的情况，以帮助判断问题的普遍性。

系统功能解释

方向盘驾驶员检测系统通常通过传感器监测驾驶员是否双手握持方向盘，以评估驾驶状态。若检测精度不足，可能导致系统在驾驶员正常操作时发出误报信号。

该用户表示：“不确定是不是测试车的个例，如果有车主朋友可以说说你们的情况。”

智能驾驶系统完成16个复杂场景测试，特殊车道通行仍存短板

在最新一轮综合场景实地测试中，该智能驾驶系统共完成了20个设定场景中的16个，展现了在居民区通行与极窄小路直角转弯等难点场景中的通过能力。但测试结果同时显示，系统在特定场景下仍存在明显不足。

测试完成率80%，三项场景遭遇挑战

据测试方披露的数据，系统在20个测试场景中成功执行了16个，完成率达到80%。未能顺利通过的场景主要集中在三类操作：其一是三点掉头操作，其二是自主进出停车场，其三是特殊车道的合规使用。

潮汐车道末端识别失误，引发逆行风险

在特殊车道测试环节，系统在潮汐车道末端出现识别偏差，导致车辆错误地驶入逆行方向。这一失误表明，系统对动态变化的车道标识识别能力仍有待加强。

“在潮汐车道的末端，他还是会走错，进入了逆行方向。”

居民区与极窄小路表现获肯定

尽管在部分场景受挫，测试也确认了系统的亮眼表现。居民区复杂穿行以及极窄小路的直角转弯测试均顺利通过。这些场景通常对路径规划与周围障碍物感知要求较高，其通过体现了系统在低可见度、多干扰环境下的基础决策能力。

场景解读：潮汐车道的逻辑

潮汐车道是一种根据早晚高峰交通流量方向变化而调整通行方向的车道。其标志通常随时间切换。系统在末端区域的误判，说明其对时间敏感的动态车道标记与物理路测线之间的联动理解不足，导致在切换点附近无法正确选择行驶方向。

全程共发生10次介入 其中4次因考点不通过触发

根据披露信息，相关流程全程累计进行10次介入。除此前已提及的因考点不通过所导致的4次介入外，其余6次介入的具体原因未作说明。

拥堵并道拒让行，N60驾驶员情绪化拟借自行车道通行

在一次交通拥堵并道过程中，一辆被标记为N60的车辆因迟迟未获其他车辆让行，驾驶员出现情绪失控（俗称“黑化”），并准备转向自行车道行驶。

“还有一次是在拥堵并道的时候，迟迟没人让，给 N60 整黑化了，直接准备走自行车道。”

术语背景

“拥堵并道”指在车流密集路段，车辆需从一条车道汇入另一车道的操作，常因相互不让行引发驾驶情绪波动。而“N60”在此语境中指代涉事车辆或其驾驶员。

两度驶入公交车道 驾驶员疑受逆光影响看不清限行时间

一段行车记录仪画面显示，一辆机动车在短时间内两次驶入公交车道。观察者表示，不确定驾驶员是否未能理解限行时间标注，还是被强烈的大逆光干扰，导致看不清限行时间标识。

“两次是走了公交车道，不确定它是没理解限行时间，还是被这个大逆光给干扰了，看不清限行时间，反正是哐哐往里走。”

违规行为分析

素材中提到的“两次”量化指标表明，该驾驶员在连续两次机会中均作出了占用公交车道的行为。这一情形或反映出，限行时间标识的可辨识度与光线环境共同构成了违规的潜在诱因。

智能驾驶辅助功能使用中发生非合规操作致主动接管

近期有用户反馈，在驾驶辅助功能启用期间，因个人判断失误导致系统触发接管操作。该事件发生在桥下盘桥入口处，用户原计划行驶的路线出现偏差，随后决定放弃原定盘桥路线，选择直接抄近路，在此非标准操作过程中，车辆驾驶辅助系统启动接管程序。

事件背景与操作细节

据用户描述，事件经过如下：车辆行驶至桥下时，辅助驾驶系统正处于激活状态。用户本应按照系统规划的盘桥路径行驶，但途中发现走错路，为节省时间尝试直接穿越至目标车道，这一行为偏离了辅助驾驶系统设定的标准行驶路径。系统在检测到车辆行驶轨迹与预设路径严重不符时，自动将驾驶控制权交还给用户，即实现“接管”。

“一次是走错了路，在桥下盘桥的入口，不想盘了，想直接抄近路，导致接管。”——用户自述

接管的定义与触发逻辑

接管是辅助驾驶系统的一种安全保护机制。当系统判断当前行驶条件超出其能力范围（如用户突然改变车道、路线规划冲突、或遇到系统无法处理的复杂路况）时，会强制将驾驶控制权交还给人类驾驶员，以确保行车安全。此案例中，用户放弃预定路线并试图抄近路的行为，属于典型的非预期操作模式，系统因此判断需由驾驶员直接控制。

用户操作与系统响应的时序对应

• 初始状态：辅助驾驶功能正常激活，车辆按系统规划路线准备盘桥。
• 偏离行为：用户自行决定不盘桥，试图直接穿越至目标方向。
• 系统判定：辅助驾驶系统检测到车辆轨迹与地图路径、导航指令存在矛盾，且无法预判用户意图。
• 接管生效：系统终止辅助驾驶，由人工接管方向盘及油门/制动控制。

该事件再次提醒用户，辅助驾驶功能旨在辅助而非替代驾驶员。任何偏离系统预设路径或交通规则的操作，均可能触发安全接管，此时驾驶员应主动承担全部驾驶责任。

环路段再次出现约200米道路降级情况

近日，有出行者反映，在环路行驶过程中，某一段约200米长的路面发生了降级。这是继此前事件后，该区域又一次出现的降级情况。

事件具体情况

据当事人描述，此次降级发生在环路的一处路段，长度约为200米。降级的具体表现以及是否对交通造成影响，目前尚未获得更多细节说明。

对于“降级”这一表述，通常指道路服务等级或通行条件的下降，可能涉及限速调整、车道变窄或路面状况变化，但具体原因需以官方或实际勘查结果为准。

十万级智驾全系标配 埃安N60能否成为用户智驾“入门秤”？

在近日一段公开的驾乘体验分享中，一位资深驾驶者提出了一个颇具反思意味的问题：当车辆在复杂场景下的智能驾驶表现接近无懈可击时，究竟是系统的极限到了，还是驾驶者自身的判断出现了“错觉”？这番思考的触发点，正是来自一款官方起售价约十万元出头、却全系标配城市领航功能的车型——埃安N60。

一次“安全介入”引发的自我质疑

据该驾驶者描述，在一次智能驾驶介入过程中，其主观感受是“如果不接管，碰撞无法避免”。这种基于安全本能的判断促使他及时接管了车辆控制权。

然而，在完成全程行驶后，他观察到该车辆在“类似场景下的处理都非常好”。这种前后对比让他产生了困惑：“难道这不是智驾的极限，只是我的极限？”他进而向观众发问，希望探讨画面中的场景是否存在不接管就必然发生意外的可能性。

智驾硬件与城市领航的“全系标配”逻辑

素材中的核心信息点在于，埃安N60的智驾硬件与城市领航功能均为全系标配。这意味着，无论消费者购买哪一款具体配置，都能获得同一套智驾能力的基础架构。

从字面理解，“全系标配”是指该款车型所有版本均配备了用于处理城市领航任务的传感器与芯片组，无需额外选装或分高低配置。这与市面上许多将高阶智驾功能作为中高配车型“卖点”或需要加价选装的策略形成区别。

价格带与产品定位的“反差”分析

体验者特别指出，N60的价格带“跟其他车完全不在一个价格带”，并建议“无论你准备买蔚小理米，还是三境五界”，都“不妨先去试试这辆埃安N60的智驾”。

这句表述隐含了逻辑拆解：埃安N60以较低的定价，将智驾功能置于全系配置的核心位置，使其在相近价格区间内具备了一定的功能完整性。体验者将其描述为“培养你对智驾系统 ‘品味’ 的一个好工具”，意在说明该车型可以作为用户对比高价车型智驾体验的参考基准，帮助用户建立对系统能力的初步认知。

智驾系统展现高度拟人能力：敢于冒险且善于预判

近日，某型号智能驾驶汽车在城市复杂路况中的表现引发关注。测试者观察到，该车在面对高风险并线、狭窄弯道等场景时，展现出一种“敢冒险且能全身而退”的独特驾驶风格。

决策逻辑深度类人化

据实测反馈，这套智能驾驶系统不再拘泥于保守的交通规则框架，而是像人类司机一样进行动态风险评估。其表现被形容为“别的车不敢冒的险，他敢”，且在实际操作中能够精准把控时机，完成变道或超车动作后迅速回归稳定状态，未出现明显犹豫或恐慌性急刹。

“思路明确，高度拟人。真的有种，蓝灯一关，安能辨我是人机的感觉。”

上述评价由参与测试的业内人士提出，他强调该系统的核心能力体现在“多想一步”：系统不仅识别当前道路障碍，还基于传感器数据预判相邻车道车辆的加速或减速意图，从而提前做出更优的行车决策。

技术解读：从“识别”到“预判”的跃迁

在传统自动驾驶系统中，车辆主要执行“看见-反应”的线性流程。而该车型搭载的算法，能够依据毫米波雷达与视觉摄像头的融合数据，建立短时（约3-5秒）的运动轨迹预测模型。这意味着，当系统判断前车有变道意图时，会提前降低车速或预留空间，而非等到前车灯亮起再被动响应。

• 敢于冒险：在保证安全余量充足的前提下，系统允许执行更“激进”的并线策略，突破常规的固定安全距离限制。
• 善于预判：通过多模态数据融合，系统可提前1-2秒感知旁车动态，做出减速、加速或维持车道的决策。

对行业的影响

这种“拟人化”的驾驶策略，可能推动智驾系统从“安全冗余”向“效率与体验平衡”的设计理念转变。它意味着，未来智能汽车将更紧密地模仿人类驾驶员的行为模型，而非仅作为规则执行者存在，从而在确保安全的前提下提升城市通勤效率。

文远知行L4技术积累引关注，L2辅助驾驶体验仍存短板

在智能车工作室近期的一场直播中，主持人周周指出，文远知行关于“L4级技术积累降维打击”的说法“好像还真不夸张”，但L2级辅助驾驶的体验仍有不到位之处，引发对“越好越贵，越贵越好”这一市场逻辑的重新审视。

L4级技术积累的实际落地效果

据直播内容，文远知行所积累的L4级自动驾驶技术被认为具备向L2级辅助驾驶输出能力的潜力。L4级与L2级的技术代差主要体现在系统对驾驶环境全面接管的能力差异——L4可在限定区域内无需人类干预，而L2则要求驾驶员时刻监控。

“L4级技术积累降维打击，好像还真不夸张。”

L2级辅助驾驶体验仍待完善

尽管技术底座存在优势，节目方也承认L2级辅助驾驶在具体体验上“还有不少不到位的地方”，比如对复杂场景的适应性和人机交互细节等。这或意味着高阶技术下放至低阶产品时，还需进行针对性的适配与优化。

• L4技术积累：文远知行在限定场景实现了无人干预的驾驶能力。
• L2体验短板：当前辅助驾驶功能在部分场景下未能完全满足用户预期。

“越好越贵”逻辑的市场争议

直播中主持人提出，“越好越贵，越贵越好”这一消费逻辑对智能驾驶是否依然成立？业内人士认为，技术成本与用户体验的平衡，可能成为影响消费者选择的关键因素。