「安全才是最大的豪華」，看了無數場旗艦車型發布會后，這句話幾乎成了旗艦車型講解安全特性時必選的一句臺詞，無論是被動安全里的籠式車身，高強度金屬材料使用量，電池的槍擊測試和針刺測試；還是主動安全里的 AEB 自動緊急制動，高速爆胎安全控制系統等等，都值得大書特書一下。

但，非豪華車型呢？在非旗艦車型的發布會上，尤其是平價車型的發布會上，我們不會看到這樣的表述，更多的是關于配置同級領先，空間越級挑戰之類的表述。

小鵬最近發布的 2 款車以及 1 個測試，則把一個重要的議題擺到了臺前：動力、空間、配置平權之后，科技與安全，是不是也該平權了？

小鵬 G7 創下行業最高 AEB 剎停速度

前不久，已經開啟預售，即將正式上市的小鵬 G7 進行了一次 AEB 自動緊急制動測試，在白天靜止事故車輛 / 行人前向兩個場景下，剎停速度均達到了 130kph，這也成為了行業最高的 AEB 的緊急剎停速度。

另外，在夜間高速、濕滑路面和前向事故車和前向行人的兩個場景下，小鵬 G7 的 AEB 成功剎停速度為 120kph。

在黑夜行車，隧道內起霧，濕滑路面，前向事故車的較為極端場景下，小鵬 G7 的 AEB 成功剎停速度為 80kph。

AEB 并不算是一個特別新的技術，但卻是一個技術密集程度高，并且仍在不斷迭代的技術，簡單講，AEB 是通過車輛的感知傳感器，包括但不限于毫米波雷達，攝像頭和激光雷達等等，對駕駛環境，主要是前向方向進行感知，當傳感器感知到障礙物，并且系統判定可能產生碰撞的時候，AEB 系統就會計算車輛可能撞上障礙物的時間還有多少，這個時間業界叫 TTC（Time To Collision），然后根據 TTC，以及當下的車速等情況，提醒司機進行制動，或者直接給到制動系統命令進行車輛制動。

「高算力和強模型」和 AEB 有何關系？

今年 5 月 28 日，小鵬 MONA M03 Max 新車上市，小鵬 MONA M03 推出了 4 款全新版型，分別為小鵬 MONA M03 502 長續航 Max、小鵬 MONA M03 600 超長續航 Max，以及小鵬 MONA M03 515 長續航 Plus、小鵬 MONA M03 620 超長續航 Plus，官方指導價 11.98 — 13.98 萬元。

其中 Max 版本標配有雙 Orin-X 芯片，總算力升至 508TOPS，這是 13 萬級別車型里面罕有的配置，同級產品的算力基本上在 100TOPS 左右。

小鵬圖靈 AI 智能輔助駕駛采用了純視覺路線之后，不需要激光雷達元器件，這個技術路線和特斯拉一致。

少一種傳感器數據，就能節省不少算力，進而能夠升級視覺感知模型的容量、參數量和推理的頻率，因為視覺攝像頭的獲取數據的幀率（24fps）大大高于激光雷達（10fps），所以反應速度也會更快，這對需要在高速條件下做感知做決策的 AEB 至關重要。

而才預售沒多久的小鵬 G7 是目前小鵬體系內智能輔助駕駛算力最高的車型，其旗艦 Ultra 版本搭載了 3 顆小鵬自研的圖靈 AI 芯片，有效算力超 2200TOPS，小鵬表示，這樣的算力儲備，是為后續的 L3 級別智能輔助駕駛做好準備。

在智能輔助駕駛方案上，小鵬 G7 行業首發了「大腦 + 小腦」VLA-OL 模型和 VLA+ VLM 大模型，多模態大語言模型技術的出現，讓智能輔助駕駛的上限得到不小提升，包括主動安全在內的下限也隨之提升，相比于依靠編寫規則的智能輔助駕駛方案，大模型支持的端到端方案能夠像人類一樣「看得更明白，想得更清楚」，并且和人類大腦一樣，這套方案具有理解和學習的能力，車能夠越開越聰明。

這里面，「大腦 + 小腦」 VLA-OL 模型能讓智能輔助駕駛可以理解、推理和決策，有「主動思考」和「理解世界」的能力，例如看到前方塌陷，或者遇到救護車的時候，能夠像人類司機進行避讓。這種小概率的場景，在以往依靠工程師寫規則的輔助駕駛方案里很難覆蓋到。

論述了這么多小鵬新車和智能輔助駕駛端到端方案，是因為它們和 AEB 息息相關。因為 AEB 就是典型的「感知 + 決策」場景，感知準不準，決策快不快，決定了 AEB 的效果如何。

理解了這層邏輯，就會明白為什么小鵬 G7 演示的小鵬 AEB 能力為什么能夠大幅進階，因為本質上講，AEB 是一個驗證小鵬純視覺智能輔助駕駛方案在主動安全可靠性的典型場景。

純視覺智能輔助駕駛方案背后，是依賴「高算力和強模型」，強大的模型可以提升感知到的信息的處理效率和精度，而高算力可以讓大模型在車端跑得更順暢，也就是「感知 + 決策」能夠準且快。

進一步講，小鵬使用一段式端到端模型，從感知到決策再到規劃控制，可以一步到位，計算簡化讓端到端模型的延遲大幅降低。

在本地部署過 DeepSeek 不同參數大小模型的人會清楚，參數越小，運行和反應速度也快，對硬件要求也低，但答案質量也會更差，而參數越多，比如 671B 大小的滿血版 DeepSeek R1 生成的答案質量最好，但對硬件要求很高，同時運行反應速度也會慢。

所以說想要又準又快，其實也是個很矛盾的事情，想要智能輔助駕駛決策快，尤其是 AEB 感知準決策快，那模型肯定就需要在本地，因為云端通信的時間太不可控，干擾因素太多，本地運行的話，那模型肯定也不能太大，不然反應也慢，但是模型不過大的話，那也不夠聰明，反過來會影響感知的效率和精度，以及決策的準確性。

小鵬的做法是，先把大算力芯片準備好，圖靈 AI 芯片最高可以運行 30B 大模型，這是能力的上限，也為未來的智能輔助駕駛留有了巨大的冗余。

因為，在小鵬的邏輯中，高算力是智能輔助駕駛的先決因素，算力不夠，強模型跑不動，后面一切都是空談。

在車端模型側，小鵬汽車通過云端蒸餾小模型的方式將世界基座模型部署到車端。「蒸餾」技術能夠讓車端的 VLA 模型在繼承原本云端基座模型能力的前提下，有效地減小模型體積。

其實今年春節期間火爆的 DeepSeek 背后的大模型就是基于 Llama 和 Qwen 系列開源大模型進行強化學習和知識蒸餾而來的。

至此，我們就可以理解小鵬圖靈 AI 智能輔助駕駛采用的端到端大模型方案，VLA 模型和 VLM 模型，圖靈 AI 芯片，以及 AEB 測試成績之間的邏輯關系了。

小鵬寄希望于在蒸餾 72B 云端基座大模型的前提下，保留更多的模型能力加上更強大的車端算力，這樣才可以保證純視覺智能輔助駕駛方案「高算力和強模型」的基礎足夠穩固，進而保證各種「感知 + 決策」場景下的實現能力。

AEB 就是這種能力的具體體現。

用戶用得到的，才有用戶價值

在講小鵬智能輔助駕駛的時候，我特意講到 13 萬的小鵬 MONA M03 里的 MAX 車型都配有雙 Orin-X 芯片，算力有 508TOPS，這一方面是說小鵬在盡可能多的車型上部署「高算力和強模型」，另一方面也是說，即便是小鵬體系內的入門款車型，在智能輔助駕駛能力上，也是和更高端車型處于同一梯隊的。

而小鵬 G7 里面搭載了 3 顆圖靈 AI 芯片，有效算力超 2200TOPS 的 Ultra 版本車型，則著眼于更長遠的未來。

不管如何，小鵬從之前 G6 開始的陽謀就再明白不過：智能輔助駕駛要平權，這個路線貫徹得最徹底的產品就是 MONA M03。

這次 AEB 測試，以及釋放出來的信息，就是讓主動安全技術也要平權。

最近，小鵬汽車高管 @托馬斯電火車就在微博上說，在內部會上，他問何小鵬，不少二三十萬的車智駕算力遠不如 MONA，是不是小鵬汽車選擇錯了？因為這些車其實也可以宣傳「智駕」。

何小鵬的解釋是，小鵬 MONA M03 Max 版本為什么要配與小鵬 G6、G9 還有 P7+ Max 版本同樣的算力，就是因為算力不同，智能輔助駕駛和主動安全的能力也會千差萬別，并且也關系到這輛車幾年后能不能繼續獲得能力上的「思考與成長」。

想要安全平權，前提是算力平權，因為安全關乎每個人，每個場景。

AEB 技術的應用場景非常廣，不僅是高速路上前方車輛事故場景，或者行人亂穿馬路場景，也有不少屬于是日常用車場景，還有就是人類視覺盲區場景。

比如說那個黑夜行車，隧道內起霧，濕滑路面，前向事故車的較為極端場景，人類視覺是受限的，但是純視覺方案里面其實很大部分的感知工作，是通過毫米波雷達和超聲波雷達進行的，這兩種雷達在光線條件差，以及煙霧遮擋情況下，能夠彌補攝像頭感知上的不足。

比如在廣州，電動兩輪自行車（本地俗稱「電雞」）保有量巨大，并且占用機動車道，闖紅燈，亂穿行情況十分嚴重，是造成本地道路事故的主要原因，面對這種情況，AEB 能發揮作用，面對亂入的電雞能夠有效進行主動制動防止碰撞。

另外就是在停車場停車，以及狹窄區域倒車場景，AEB 也能提供額外安全防護，防止誤操作導致的事故。

AEB 巨大的用戶價值，以及在 13 萬檔位上就支持的技術基座，就構成了小鵬「安全平權」的陽謀。

這也說明了，為什么何小鵬的微博里，「安全」一直是一個高頻詞匯。

自去年小鵬 P7+，以及小鵬 MONA M03 發布上市，還有今年 X9 和 G6 煥新，讓小鵬連續 7 個月交付量超 3 萬臺。2025 年 1-5 月，小鵬汽車累計交付新車共 162578 臺，同比增長 293%，同時用戶對擁有城區 NOA 能力的 Max 版本車型更為青睞，銷量和用戶偏好更加印證了小鵬在「安全平權」這件事上的價值。

當然，最后還是需要著重說明強調一點，AEB 最高剎停速度代表能力水平，在極限場景下是作為兜底的功能，并且高速剎停對造成駕駛員和乘客很大的身體沖擊和負擔，我們更應該關注的是 AEB 能否在日常和高頻場景發揮作用。