小米澎程智驾，有哪些值得看的？

本文首发于智驾最前沿微信公众号，9月7日，小米澎程正式上市。

结合此前已经公布的技术信息来看，澎程采用的是多传感器感知、高算力计算平台、基于XLA的辅助驾驶算法，以及更高集成度的域控制架构。

其中，N90 Max还进一步增加了一颗后向固态激光雷达。

小米澎程的这套智驾方案，真正值得讨论的并不是配置表有多长，而是这些硬件和算法能否组合成一套完整的辅助驾驶系统？

01

多传感器解决的不是看得更多

澎程的感知硬件比较完整，包括激光雷达、4D毫米波雷达、11颗高清摄像头、12颗超声波雷达，以及2颗涉水雷达。

同时，车内还配有DMS摄像头，部分摄像头采用ALD镀膜。

图片源自：小米

这些传感器承担的任务并不相同。

摄像头主要负责目标类别、道路结构、交通标志以及车道等视觉信息；激光雷达能够提供更直接的三维距离信息；4D毫米波雷达则能够补充距离、速度以及部分空间信息；超声波雷达主要服务于近距离环境感知和泊车场景。

涉水雷达则针对特殊环境提供额外的感知信息。

DMS关注的则是驾驶员状态，而不是车辆外部环境。

当辅助驾驶系统需要驾驶员承担接管责任时，驾驶员是否保持注意力，本身也是系统安全的一部分。

所以，澎程这套传感器组合并不是简单将看见的能力不断叠加，而是让不同传感器在距离、速度、目标类型以及特殊环境等方面形成互补。

但传感器数量和智驾能力之间，并不存在简单的正比关系。

11颗摄像头、激光雷达或者毫米波雷达的数量都不能直接证明一套系统的实际驾驶能力。

真正决定这些硬件能发挥多少作用的，还包括传感器标定、时间同步、数据融合、模型和算法，以及软件栈能否高效利用这些数据。

02

700TOPS之外

更值得看的是计算架构

澎程采用NVIDIA DRIVE AGX Thor（英伟达Thor-U）辅助驾驶芯片，公开信息显示其智驾计算能力达到700TOPS。

图片源自：网络

需要补充的是，TOPS并不能直接等价于智驾性能。

算力更准确的作用，是为更复杂的感知、预测、规划以及模型推理提供计算资源。

随着辅助驾驶越来越依赖更复杂的神经网络和模型，系统需要处理的数据量和计算量不断增加，高算力平台也成为重要基础设施。

澎程并不只是把算力做高了，还采用了四合一域控制架构，将辅助驾驶域控制器、座舱域控制器、通信模块以及整车域控制器进行更高程度的集成。

图片源自：网络

过去汽车电子系统会按照功能拆分成多个控制器，辅助驾驶、座舱、车身控制、通信等系统各自承担不同任务。

随着车辆软件化程度提高，不同系统之间需要交换的数据越来越多，控制器数量和系统之间的通信复杂度也随之增加。

将多个功能集中到更高集成度的平台上，有利于减少部分硬件和系统之间的割裂，也为辅助驾驶、座舱、通信以及整车控制之间的数据协同提供了更统一的平台基础。

需要注意，四合一域控本身并不意味着智驾能力一定更强。

它首先解决的是系统架构、硬件集成和资源协同问题，最终效果仍然取决于软件架构、计算资源分配、实时性设计以及功能安全等因素。

也就是说，700TOPS解决的是有多少计算资源的问题，而域控架构解决的是这些资源如何被组织起来的问题，两者并不是一回事。

03

XLA到底扮演什么角色

9月7日的发布会上，小米对澎程的硬件配置、HAD辅助驾驶的功能覆盖以及车辆各项参数都做了比较详细的说明，但XLA认知大模型的技术细节几乎没有展开。

作为小米智驾非常重要的技术基础，这里还是给大家展开聊聊。

首先需厘清一个概念，HAD是澎程搭载的辅助驾驶系统，属于产品层面的功能集；XLA则是这套系统背后的核心算法架构，官方称之为基于XLA架构的下一代辅助驾驶算法，覆盖泊车、城市和高速等场景。

两者不是并列关系，而是系统与核心模块的关系。

XLA全称Xiaomi XLA认知大模型，是小米在2026年3月随新一代SU7发布的第三代辅助驾驶技术方案。

在此之前，小米辅助驾驶经历了两个阶段。

第一代是规则驱动的无图开城方案，第二代是数据驱动的端到端模型。

XLA标志着小米辅助驾驶从数据驱动迈入了认知驱动的新阶段。

图片源自：网络

为什么小米要将其叫作XLA而不是行业常见的VLA（Vision-Language-Action）？

雷军在发布会上解释过，XLA强调的是多模态的认知输入，即除了视觉和语言，还融入了声音、机器人数据等多种模态。

XLA基于小米自研的Xiaomi MiMo-Embodied具身基座模型打造，是一个将辅助驾驶与机器人技术相结合的具身智能基座模型。

从技术定位来看，XLA试图让系统具备理解能力，也就是学会常识与因果推断，而不是仅仅依赖数据模式匹配。

小米智驾团队负责人陈龙将这一阶段的核心提炼为认知驱动，目标是让大模型像人一样具备通识和推理能力，做到举一反三。

落实到具体技术上，XLA有几个比较明确的特点。

图片源自：网络

1）多模态融合

XLA架构将激光雷达的精准测距、视觉的丰富语义、导航的全局视野、声音的动态反馈、乃至机器人物理AI交互数据进行有机融合。

X代表的就是原生支持多模态的数据输入。

2）潜空间推理

XLA引入了潜空间推理模式，系统不再需要把思考过程翻译成人类语言，而是在潜空间中直接用高维机器语言进行推演，兼顾了低时延和推理能力。

随后小米在XLA基础上进一步发布了Xiaomi OneVL模型，将VLA、世界模型和潜空间推理三大技术路线统一到同一框架中，推理延迟最低仅0.24秒。

3）可解释性

为了避免端到端时代的黑盒问题，XLA保留了整个推理过程的可解释性与可追溯性。

在需要分析模型思考过程时，可以把潜空间推理解码成人类能看懂的语言。

澎程全系搭载的HAD辅助驾驶系统，正是基于XLA认知大模型构建的，官方称之为全栈式智驾解决方案。

04

为什么还有一颗后向激光雷达

在此次发布会上，有一个很小的细节，那就是N90 Max增加了一颗后向固态激光雷达。

这颗雷达由RoboSense（速腾（参数丨图片）聚创）基于车规级E平台打造，采用全固态数字化架构。

小米官方给出的参数是，这颗后向激光雷达最高测距精度可达2厘米，水平视场角140°、垂直视场角105°，主要用于补充后向高精度感知，并服务泊车辅助。

官方同时注明，实际测距效果会受到天气、目标反射率以及镜头洁净程度等因素影响。

这颗雷达不应该只是简单地理解成多了一颗雷达。

它其实更进一步地补充了车辆后向的三维感知能力，在地库泊车、窄路倒车等场景中，能够更精准地识别路沿、台阶、悬空设施及侧后方行人车辆。

图片源自：网络

对于大尺寸SUV而言，车辆后方近距离区域的空间结构更加复杂。

在原有摄像头、毫米波雷达和超声波雷达基础上增加后向激光雷达，可以进一步获得这一方向更加精细的距离和空间结构信息，尤其能够服务于泊车等近距离场景。

因此，N90 Max增加后向激光雷达，更像是针对特定方向和特定使用场景进行感知补强。

05

最后的话

如果把目前披露的信息放在一起看，澎程的智驾路线其实比较清晰。

多传感器感知、高算力计算平台、基于XLA的辅助驾驶算法，再配合更高集成度的车辆电子电气架构，这并不是一条脱离行业主流的路线。

但硬件和架构只是基础，这套系统在复杂场景中的实际表现，还需要真实路测来验证。