辅助驾驶系统可以简单总结为用雷达以及摄像头将路况的实时信息发送给处理器，经由处理器做出判断并且最终再由软件系统做出最后决策的一项操作流程。其实目前很多车辆的硬件水平都很出色，比如摄像头的像素以及雷达的精度，处理器的算力也很高，但是实际体验不好的原因就是因为软件层面的缺失。
其实特斯拉早在几年前就提出了这个概念，并不是摄像头和雷达越多越好，也不是算力越高越好，这两者只是能够识别出道路状况，但是接下来的系统如何操作车辆才是重中之重。系统的学习能力才是最重要的，这就像是人的经验积累一样，经历过越多的场景就能够做出越合理的判断。
飞凡R7也采用了类似的理念，硬件固然重要，但是软件层面同样不能忽视。R7不论是摄像头、雷达还是处理器都有着很高的水准，但软件层面的细致考量才是R7辅助驾驶系统体验感出色的源头，这套系统针对不同的场景做出了相应的优化。
全速段跟车距离和性能体验优化：在确保安全的前提下，综合计算前车速度、路面情况以及天气变化等综合因素，适度缩短并保持合理跟车距离，为可能出现的意外情况，预留充裕的时间与足够的距离，既可极大程度解放双脚，又可有效降低被加塞的可能。
变道准备和变道退回性能体验优化：自动识别虚线实线的同时，感知周围车辆动态，计算预变车道前后车辆距离与速度，优化发起变道的变道空间、距离与变道速度，提高变道成功率，实现高效流畅变道。同时，根据变道终止必要度设定更合理更安全的判定基准，减少无效终止变道，以确保当变道不可行时，安全退回，提升变道有效性。
Cut In和Cut Out性能体验优化：提升判断他车加塞意图的准度，更合理地选择加速通过或者降速让行，Cut In识别准确率提高20%，召回率提高15%，提前识别时机提早1S，确保行驶足够平稳，保持流畅且舒适的乘坐体感。
匝道汇入汇出性能体验优化：根据前方路况信息和交通流智能预测情况，更灵活的汇入汇出车速调整和距离和积极性，既可保证避免错过匝道，又兼顾了汇入汇出准备阶段的速度与效率。
大曲率弯道通行效率优化：优化了进弯时的减速幅度和力度，且无拉扯感和锯齿感，以更高效平顺状态完成通行，并始终保持在车道中间。
锥桶等小目标性能提升：单月收集约40万帧有效场景数据，性能提升30%，就连锥桶等小目标的识别准确性都能有效提升，行车更安全。
以上的优化几乎都是在软件层面，只有软件层面做到足够的细致才能够更准确的分析出摄像头以及雷达收集到的信息，并且更好的控制车辆做出相应的反馈。因此很多车企疯狂鼓吹自己的辅助驾驶系统有多少雷达和摄像头，所以很出色。其实并不一定如此，因为硬件对于辅助驾驶系统来说非常重要，但也绝不是越多越好，相反软件算法才是展现出差距的地方。