老司機開夜路總是要慢一點。
因為夜晚光線不夠充足，可見距離變短，道路信息、路面路標都不如白天清晰，所以夜晚開車總是更加謹慎。
同樣，夜間場景也是智能駕駛技術突破的難題。如果是晚高峯的城市路況，複雜度就更大。在夜間，攝像頭捕捉的圖像十分模糊，對車輛和行人等環境變化的感知會比較難，同時，車燈的夜間照明功能也會對視覺傳感器帶來較大影響。
當然，也並非沒有解決的辦法。
28公里，廣州晚高峯，0接管繼今年6月完成城市道路智能駕駛挑戰後，智己又開啓了城市晚高峯智能駕駛挑戰。
這次挑戰途經華南快速路、廣州環城高速以及核心區域城市道路，包括合流、分流路線，以及一些岔道，幾乎覆蓋了城市晚高峯可能遇到的所有行車場景。
夜幕降臨，智己汽車IM AD測試車開啓IM AD上路。
第一個挑戰是進入高架後的合流、分流路段，測試車並沒有遲疑，直接選擇一條路線通過。惡劣的光線環境並沒有對測試車造成干擾。
上匝道後進入前方匯流狀態，但不同於常規城市快速路，廣州華快匯入口多為右側，智己汽車IM AD精準識別到前方匯流入口，提前根據右側主路車流的情況，適當減緩速度“觀望”主路情況，識別到右側主路前方、後方均車輛無車通行後，果斷向右完成匯流。
此次測試還經歷了行車過程中常見的兩個突發情況：
遭遇違規加塞：當測試車行駛前方匝道匯流出口，右側車輛未打燈狀態下突然變道加塞。
智己汽車IM AD在前車向左變道的第一時間精準識別，並完成了減速決策。由於距離、車速均有餘地，智己汽車IM AD選擇了以“讓速不讓道”的方式應對當前場景，平穩降速避讓，動作幅度非常輕柔，避讓完成後，提速回歸正常行駛。
遭遇新舊車道線：測試車正常行駛過程中，地面同時出現新舊車道線。
智己汽車IM AD在有舊線存在的情況下，沒有出現左右搖擺的情況，直接以新線為參照物進行居中行駛。夜間環境下，車道線識別更加考驗視覺感知與高精地圖的協作。
在整個過程中，智己測試車都沒有急停急起，系統緊急退出等情況發生，IM AD的處理靈敏、老練，始終保持着乘坐舒適性，整個過程中實現0接管，完成了一次難度更大的挑戰。
為什麼夜間智能駕駛更難？目前已經公開的數起智能駕駛事故，已經印證了夜間場景的難度。
今年8月，美國國家公路交通安全管理局（NHTSA）對自2018年以來涉及特斯拉Autopilot自動輔助駕駛功能引發的11起事故展開調查，其中一個發現是11起事故大多發生在夜間。
2018年Uber智能駕駛夜間測試時，以69公里的時速將一位橫穿馬路的行人撞死，導致美國智能駕駛測試被一度叫停。
其實兩個案例也分別對應了智能駕駛夜間場景的兩個技術難點：
傳感器精度和算法。
特斯拉堅持採用的純視覺方案對於夜間場景的感知能力更弱。
首先，攝像頭的作用距離和測距精度不如毫米波雷達，同時，攝像頭更容易受光照、天氣等因素的影響。
攝像頭在夜間捕捉清晰圖像的能力較弱，對車輛和行人等環境變化的感知不夠高，可靠性並不好。
除了特斯拉以外，行業內基本採用的都是藉助超聲波雷達、毫米波雷達與攝像頭互補，激光雷達也越來越多地被應用在其中。這是保證智能駕駛系統夜間行駛的安全前提。
但是，採用多傳感器融合的方案也不是萬無一失。
在Uber的案例中，儘管其測試車輛採用了感知融合方案，但是其在探測到行人後的處理方式出現問題，才造成了最終事故。
説明其算法作出的決策有問題。
感知能力是硬件能力，同時需要高算力芯片的處理能力，當然還需要軟件能力的配合。也就是智能駕駛系統的決策能力，來完成感知之後的判斷和操控。
據公開的調查結果顯示，車禍發生前Uber的智能駕駛系統已經檢測到行人，但因其行走在人行橫道之外，而將其識別為一個物體，並且沒有作出提前降速以及剎車等反應。
夜間場景除了光線問題，還會經歷很多突發狀況，如何像人一樣做出正確的駕駛決策，是對算法的考驗。
所以，算法要能持續提升。
採用純視覺方案的特斯拉之所以對自己的智能駕駛能力非常有信心，是因為它打造了自己獨特的神經網絡系統，能夠通過道路上行駛的特斯拉收集大量數據並實現自主學習。
利用數據引擎對算法進行訓練，不斷提升算法，這是智能駕駛系統得以持續升級的重要原因。這也是智能駕駛系統得以應對智能駕駛各種極端場景的保障。
智己死磕的智能駕駛都有哪些優勢智己L7應該是在正式上市前智能駕駛路測做的最多的量產車了。而且智己選擇的都是更貼近我們日常生活的城市路況進行測試，這樣也讓我們更容易理解智己做智能駕駛技術的目的：
打造成為更像人的智能駕駛體驗。
從硬件來看，智己L7搭載了12顆高清攝像頭，5顆毫米波雷達，12顆超聲波雷達，軍工級超高精度慣導、高精度地圖以及5G V2X車端技術。
當然，在這輪爭搶激光雷達量產落地的軍備競賽中，智己也並非毫無準備。
目前智己的測試車都沒有搭載激光雷達，但是量產車可以升級到英偉達OrinX和2個激光雷達，實現實現全場景、超視距的全路況感知。
除了智能硬件，最重要的還是智己的人工智能超級算法，以數據為主的驅動路線。
數據驅動，是通過前期大量的數據積累，可以對中國道路的複雜路況，不斷通過數據去進行目標感知識別，比如此前測試中出現的外賣配送員等，可以輕鬆識別和避讓。
其實，除了大量數據，智己IM AD還有一整套基於數據的工具鏈，來完成整個系統的快速迭代和進化能力。
此次測試中，測試車在合流、分流路線的決策，比如提前變道和降速，實際都是依靠算法實現精準控制，也能夠保持乘坐的舒適性。包括在駕駛過程中對變道車輛的預測，都是通過數據驅動，不僅提前識別變道車輛，並且做出了正確的行進規劃和策略預判。
做到數據驅動，並儘可能覆蓋更多非典型場景，最重要的前提是車企要具備軟件算法自研的能力。採用Mobileye解決方案的車企是無法做到這種迭代的。
通過數據驅動完成算法迭代的方式，聽起來和特斯拉很像，但是二者有明顯的區別。
智己IM AD與特斯拉FSD相比，除了在技術路線上，一個採用感知融合方案，一個採用純視覺方案外，兩個最大的不同在於，智己採用的是本土化數據。也就是説，對於適應中國複雜路況的能力，智己的優勢更大。
雖然此次智己選擇的夜間通勤工況，並不是最為複雜的場景。例如極端天氣、非鋪裝路面等情況，對智駕系統而言也是極大的考驗。但在量產落地後，智己L7還將支持激光雷達和英偉達Orin X平台的升級。更高的算力、更強的感知不僅能夠覆蓋更多使用場景，也會增加智駕的安全性。
在智能駕駛還沒有真正到來之前，關於智能駕駛技術的比拼，其實都是對高級輔助駕駛的體驗比拼。
也是因此，智己從客户感知角度設置了信任增強體驗系統。在人機共駕的狀態下，增強機器駕駛員和人類駕駛員的溝通體驗。
比如它會在路況過於複雜的時候，通過視覺、聲學，以及安全帶震動報警等方式提醒駕駛員，不會讓駕駛員經常遇到非預期的接管。
這種信任增強溝通能力，是結合多維感知信息和全方位動態預測技術，通過屏幕、語音、聲音、DLP大燈、安全帶震動等多層級人機交互，實現接管預判和提醒。
這也是在對智能駕駛激進宣傳的氛圍中與用户駕駛行為的理性實踐中找到一種平衡方式，既能夠讓駕駛者充分認識到智能駕駛系統的能力，又不會因過分依賴系統導致不必要的事故發生。
智己不僅是上汽集團的戰略項目，股東方還有張江高科和阿里巴巴，集地方資源和科技資源於一身。
智己的戰略地位，決定了它將會也必將掌握智能駕駛的核心技術。
上汽強大的技術背景，為智己汽車提供了得天獨厚的技術支撐；而阿里的入局又為這家企業注入了互聯網企業的強大創造力。因此智己不僅僅是一家車企，它更是一家科技公司。
一方面核心技術不受制於人，一方面集合更多的資源，這也是我國這一階段高端品牌的新模式。
智己試圖通過智能駕駛打開差異化競爭點，其在智能化的破局上，代表的其實也是上汽的未來。