2. 场景覆盖与功能边界
a.城市NOA：支持120+城市，但施工路段、复杂环岛仍需人工接管（接管率约3次/百公里）。
b.高速NOA：变道成功率92%，但对匝道出口判断依赖高精地图（无图区域成功率降至68%）。
c.代客泊车：支持300+车位类型，但对断头路车位（仅入口无出口）存在15%识别失败率。
3. 算力分配与冗余设计—双Orin-X芯片：
a.算力分配：BEV网络占用200TOPS，Occupancy网络150TOPS，RL模块100TOPS，余下算力用于冗余备份。
b.安全机制：如果有单个芯片失效时，系统自动切换至“安全降级模式”（如仅支持L2级功能）。
三、传统车企的智驾反击与行业变局
1. 价格策略：全系标配的“降维打击”
a.成本控制：通过算法优化减少激光雷达数量（仅4颗），BOM成本较华为ADS低18%，实现全系车型（极氪001、极氪X）标配，起售价下探至25万元区间。
b.竞品对比：特斯拉FSD：算力（144TOPS）与感知冗余不足，但城市NOA覆盖场景更广（接管率1.8次/百公里）。小鹏XNGP：依赖高精地图，无图区域表现可能会比较弱些，但动态避让策略更激进。
2. 生态协同：吉利集团的“数据军火库”
a.数据闭环：路测数据：通过极氪用户贡献每日200万公里真实路况数据，加速模型迭代。L4协同：与Waymo Robotaxi项目共享1000+辆测试车数据，提升极端场景泛化能力。
b.地图依赖：高精地图覆盖：与百度、高德合作，2025年计划覆盖200城，但无图区域功能仍需依赖算法弥补。
3. 用户教育的“信任博弈”
a.功能透明度：用户可通过中控屏查看“决策树”（如变道原因、避让策略），但仅15%用户主动使用。
b.接管频率：复杂城区路段接管率3.2次/百公里，高于特斯拉（1.8次），需通过OTA持续优化。
四、技术折中主义的得与失：
极氪千里浩瀚智驾系统以“感知冗余+算法折中”为策略，实现了传统车企在智驾领域的技术突围，但其竞争力仍受制于以下矛盾：
1. 技术优势
a.场景泛化能力：BEV+Occupancy架构在无图区域表现优于竞品，且成本更低。
b.数据生态：依托吉利集团资源，构建“L2+L4”协同的数据壁垒。
2. 现实短板
a.极端场景短板：夜间暗色行人误报、施工路段锥桶漏检等问题，暴露算法泛化不足。
b.算力冗余：双Orin-X芯片算力利用率仅65%，需通过算法优化提升效率。
3. 行业启示
a.技术路线选择：证明“视觉主导+部分激光雷达冗余”是成本可控的智驾路径，可能成为传统车企的主流方案。
b.用户教育挑战：智驾系统需从“功能堆砌”转向“场景痛点解决”，例如优先优化“施工路段绕行”而非追求“零接管”。