（图片来源：摄图网）

（记者 张苏慧）据央视新闻报道，工业和信息化部发布汽车驾驶辅助系统领域首个强制性国家标准《轻型汽车自动紧急制动系统技术要求及试验方法》（GB39901—2025），该标准将于2028年1月1日正式实施。

新标准的出台，意味着乘用车行业大规模前装AEB（自动制动系统）的时代即将到来。相关行业专家表示，AEB强制标配不仅是技术升级，更是对汽车安全理念的转变。从“被动防护”到“主动预防”，车辆安全性也将得到大幅提升。

强制性新国标推动AEB技术普惠

AEB系统就像车辆的“智能哨兵”，能实时监测前方路况，发现碰撞风险时先发出预警，若驾驶员未及时反应，便自动启动制动减速，最大限度避免或减轻事故伤害。

近年来，AEB救人的案例屡见不鲜。不久前的一个雾夜，一辆搭载该系统的车辆在低能见度下正常行驶，一名闯红灯行人突然闯入视野盲区，AEB系统毫秒级响应，最终在距离行人数米处刹停，化解了悲剧。

此前，AEB的装配率与车辆价格高度相关，导致不同价位车型在安全配置上存在显著差异。30万元以上车型 AEB 装配率高达 93%，但8万元以下车型的装配率仅2.6%，10万元以下车型也仅3.11%，这意味着近97%的入门级车主，在面对“鬼探头”、十字路口横穿等高频危险场景时，可能只能依赖自己的反应速度。这种“安全配置按价分级”的现象，使得大多数预算有限的消费者无法享受到本应普及的主动安全保护。数据显示，2025年1-10月，我国乘用车整体AEB装车率为67.8%。新国标的实施将彻底打破这一局面，确保无论消费者购买何种价位的车辆，都能获得基础的安全保障，显著缩小安全配置鸿沟。

AEB存在能力边界与局限性

AEB系统作为一种辅助驾驶功能，其核心由三大模块构成：传感器（感知）、控制器（决策）和执行器（执行）。然而，AEB并非旨在实现完全自动驾驶，而是作为应急辅助，在特定场景下为驾驶员提供安全支持。

AEB系统存在天然的局限性。早期AEB系统主要针对车辆识别，对行人和骑车人的识别能力有限。例如，对身高低于1米或高于2米的行人、弯腰蹲下的行人、穿着特殊服装（如雨衣）或打伞的行人，以及在黑暗环境中或紧贴墙壁的行人，识别成功率会显著降低。

AEB系统还存在速度范围限制，通常在特定速度范围内才能有效工作，例如，当车速超过80km/h时，系统往往仅能实现减速缓冲，难以完全避免碰撞。系统功能还可能因特定条件被抑制，例如在驾驶员未系安全带或方向盘进行大角度干预时，AEB可能不会触发，这是出于安全考虑的设计选择（如防止紧急制动时乘员被甩出或车辆侧翻）。系统在恶劣天气（如大雨、大雾）下的性能也可能显著衰减。

AEB系统的误触发（“幽灵刹车”）问题也是所有车企面临的共同难题。系统可能因隧道阴影、前方物体反射等因素错误判断风险，导致无故紧急制动。这种误触发不仅影响驾驶体验，更可能引发后车追尾事故；过于保守则可能在危险时无法及时介入。在安全与体验间找到最佳平衡点，考验着工程团队的智慧。

此外，当AEB未能避免事故或发生误触发导致事故时，责任如何界定仍是法律和保险领域需要持续探索的课题。部分消费者可能因过度信任AEB而放松警惕，误将“辅助驾驶”当作“自动驾驶”。法律实践表明，驾驶员始终是车辆操作的责任主体。在一起相关产品责任纠纷案中，法院明确指出，当驾驶员违反交通规则（如闯红灯）导致事故时，不能以AEB未介入为由要求车企担责。车企有义务通过用户手册等方式清晰说明系统局限，而驾驶员有责任了解这些限制并保持专注驾驶。

AI能力提升，全维度升级 AEB 系统

在强制性新国标的驱动下，AI技术的融入将进一步推动AEB系统的智能化普及。

在感知层面，AI极大地扩展了AEB系统的识别广度与精度。传统的AEB系统主要依赖预定义的规则识别车辆、行人等有限目标，而借助持续进化的大模型，系统现在能更精准地辨识小动物、异形障碍物等难以预见的危险。例如，由Momenta飞轮大模型赋能的AEB系统，已经能够有效识别突然闯入道路的牛、马、羊等动物，即便在夜间或被部分遮挡的复杂场景下也能做出有效响应。同时，AI热成像技术的应用进一步补强了系统的全天候感知能力。麦格纳公司开发的基于卷积神经网络的热感应系统，通过对超过7000万帧道路图像进行训练，能够有效区分在夜间散发热量的消防栓与真实行人，显著降低了误判率。这类技术弥补了传统摄像头在逆光、眩光等恶劣条件下的感知短板。

AI的赋能更深刻地体现在决策机制的优化上。通过引入端到端技术，系统能够更直接地处理传感器原始数据，缩短了从感知到决策的路径，从而有效缩短了系统延迟。一个前沿的探索是Dual-AEB系统，它创新地将多模态大语言模型引入决策过程。该系统通过MLLM对驾驶环境进行深层次的语义理解，能够解读如“前车刹车灯亮起”这类间接线索，从而预测潜在风险，实现更早的预警和制动。这种将快速响应的规则模块与深度思考的AI模块相结合的方式，在确保安全的同时，大幅提升了决策的智能化水平。

此外，AI是推动多传感器实现深度融合与高效协同的核心引擎。它通过先进的融合算法，将激光雷达、毫米波雷达、摄像头以及热成像传感器等不同类型传感器获取的多源异构数据进行高效整合，使得AEB系统能构建出更精确、更可靠的周围环境模型。小米汽车在其AEB系统的升级中，也将识别目标扩展到如水马、墙壁、立柱等静态障碍物，这背后正是AI模型通过海量数据训练后，获得的强大泛化能力。这种基于数据迭代的持续优化，构成了一个自我完善的“飞轮”，使得AEB系统能够不断适配更多未知的长尾场景，筑牢行车安全防线。