如何评价仰望U8辅助驾驶撞货车导致司机与乘客重伤？

“进入隧道”场景对视觉智驾方案存在特殊的挑战，这有必要借这个机会说个清楚。

任何感光元件，包括我们自己的视网膜锥形细胞，都对可感知的光线强弱有一个上下限。我们举一个假设性的例子，比如最低是15，最高是100。意思是啥，就是亮度为15的东西，才能在一片漆黑中稍微有一丁丁点细节。要是这东西亮度都不到15，那在画面里就会被淹没在绝对的黑色中，完全无法被看出来。同样道理，亮度100的东西在画面上就是纯白。比这更亮的景物也会被淹没到一片纯白之中完全不可分辨。

现在问题来了，自然界不管你这些规定，阳光照下来就有大量的事物亮得刺眼，阴影一遮，就有大量的事物幽暗难辨。我们的眼睛能感知的就只有15-150这一段，为了尽可能的把景物纳入我们的感知之中，就要靠瞳孔的大小变化来调整画面。瞳孔缩小一半面积，所有景物的亮度就都要减半，这样原本亮度150的景物就会变成75，就低于100了，就从一片雪白的掩盖中浮现出来了。但是与此同时，原本亮度为28的事物，现在也减半成了14，低于15的下限了，原本我们看得见它的，现在它却要沉没到纯黑之中了。

反过来，如果我们的瞳孔放大一倍，那么就是原本被黑色掩盖的亮度只有10的事物现在会变成20，因为大于15下限而变得可见，同时原本亮度为60的景物会翻倍变成120，因为超过100上限而被淹没在纯白色之中。

我们的瞳孔遵循着一个非常简单的算法——眼睛里看到的景物的总平均亮度决定瞳孔的大小。如果总平均亮度高了，瞳孔就会自动缩小，让画面占比最大的部分变暗，落到中等亮度区，以便得到最好的观察。但这个调整就会不可避免的导致原本相当暗的景物的亮度低到无法被探测，被黑暗掩盖。

而这个自动曝光机制就导致了“进隧道”这个场景对视觉方案的智驾车有高度风险。

因为在进隧道之前，隧道口仅仅只占到画面的极小部分。绝大部分画面都是隧道外的山体，如果还正好碰到阳光强烈，这部分山体会非常明亮，逼得镜头缩小光通量，先去照顾大部分景物的观察，而隧道内的景物的亮度即使有隧道内灯光的照射，也根本无法与强大的阳光相比。在智驾镜头看来，这里就几乎是一片纯黑，很难看出这片漆黑里到底有什么东西。

镜头根本就没看见任何色彩变化，又何从去生成什么避让方案？

更悲催的是——甚至不要谈隧道内有什么障碍物，就是这隧道本身有些弯曲，站在隧道外被阳光晃的眯起眼的智驾镜头也一样看不出来——一片乌黑，哪有什么“弯曲”可见？

在时速100公里（即秒速28米）的状态下，离着洞口30米，跨度为18-23米的四车道隧道半圆形洞口也仍然占不到总画面的三分之一。

一秒后，洞口内景物的画面占比就会陡然从低于30%突然提升到100%，原本隐藏在一片漆黑中难以分辨的一切就都要突然涌现到画面之中，就像凭空从空气中跳出来的一样。

这个时候智驾系统对地形的感知、对障碍物的认识都会发生瞬间切变，一秒前基于一片漆黑作出的驾驶决策可能被这一秒内涌现的大量信息完全推翻。

能不能在这电光火时的一瞬间做出正确判断，对视觉处理能力、智驾算法、系统算力、机械部分的反应能力、应对能力都是极为严峻的考验。

要缓解这个问题，单从纯视觉的角度来看，首先就是要提高感光器件的动态范围上下限。

要是你可以把范围从8-100提升到4-200，那么很自然的，你的眼睛不做调节也可以获得丰富得多的细节。

但这又带来另一个问题——如果你的图像色彩只有8位深度（即从极低到极高只分256个级别），那么在你只提升动态范围而不提升色深分辨率的前提下，不少细节会被有限的色彩掩盖掉。一些看似明暗变化不大的细节就可能被看成一平如镜，同样会引起严重问题。

因此，提高了动态范围，往往要同步的提升色彩深度分辨率，而这个变化在传感器硬件上先就有很大的成本——大动态范围、高色彩精度的传感器比较低规格的产品不仅贵得多，而且娇贵得多，酷热和极寒都会干扰这娇弱敏感的感光能力，带来复杂的纠偏和后期质保问题，而在另一面，提高了色彩深度分辨率又会大幅的画面数据处理负担和线路带宽的负担，并对本就忙不过来的算法芯片带来额外负担。

又要更贵、又要更不稳定、更容易坏、还会算得更慢。所以不但要换镜头，还要预备维保成本和客诉成本，还要升级芯片算力——如果还有得升的话。

还记得蔚来在发布会上展示的那个“夜景被神玑芯片处理成亮如白昼”就是在展示“强大的芯片算力支撑高动态范围感知”的能力。

这也是为什么绝大部分厂商都认为必须要用激光雷达补充视觉方案的关键原因之一——还这么大一套升级其实还未必能解决隧道问题。

万一隧道里的灯临时故障怎么办？阳光比预想的还强烈，护坡角度还刚好配合怎么办？刚好有一辆灰色车坏在了隧道口内十几米处怎么办？本车车速很快怎么办？

就算提高了动态范围、色彩分辨率、芯片算力，在极端条件下这瞬间的“瞳孔从最小到最大”的挑战仍然非常严峻。

毕竟这问题发生在数据采集和预处理阶段，智驾系统的分析和决策根本还没来得及介入。采集到的就是一片均匀的漆黑，ai如何凭空生成完美应对？

所以大多数厂商都觉得激光雷达对视觉方案的补充是不能被省略的。

就这一个“白天进隧道”的场景，已经非常值得多保一道险了。

特别声明——这既不是在说纯视觉方案厂商肯定没有解决这个问题，也不是在说这起仰望的事故一定是因为这个原因（仰望U8有三激光雷达）。

只是这个车祸的视频刚好让人触景生情，所以借此机会把这个问题聊一聊，提示大家注意这个问题的存在罢了。

智驾车进入隧道前，务必要减速慢行，最好不要在这个时候过于信任智驾的探测能力和决策水平。类似这种隧道口内不远处就堵着一辆灰褐色车的情景挑战很大，如果隧道自身有曲度就加倍危险，不要轻易赌运气。

另外试车时务必测试一下进出隧道瞬间车载影像的切换顺滑度。测一下夜景期间的图像清晰度和滞后程度。（找人在车前方挥手，查看视频内挥手与肉眼直视画面之间的延迟程度）。

这几个看似不起眼的性能表现其实是非常重要的。

那些夜景增强能力差，增强延迟大的系统，你要买可以，但在进隧道时自己要高度警惕。

就说到这里吧。