小米SU7 Max的智能驾驶系统(HAD)在城市复杂路况下的表现呈现出“快速迭代、能力边界持续扩展,但风格偏向谨慎”的鲜明特征,其最新OTA版本依托XLA认知大模型,已在异形障碍物识别、无标线道路通行等难点场景取得实质性突破。
一、核心升级:XLA认知大模型与硬件基础
1. 全系标配的感知与算力冗余
小米SU7 Max全系标配700TOPS算力的Thor芯片、激光雷达、4D毫米波雷达、11个高清摄像头及12个超声波雷达,为复杂场景的实时感知提供了坚实的硬件基础。
新一代SU7交付即搭载Xiaomi XLA认知大模型,该模型原生支持多模态输入,能将激光雷达测距、视觉语义、导航全局视野与声音、机器人物理交互数据进行有机融合。
2. 潜空间推理与黑盒可解释性
XLA架构引入了潜空间推理(Latent CoT)模式,系统直接在“高维机器语言”中推演决策,兼顾了低时延与高推理能力,避免了传统端到端模型的“黑盒”问题。
当需要分析模型思考过程时,系统可将“潜空间推理”解码成人类可理解的语言,提升了系统的可追溯性与可控性。
二、城市复杂路况的实测表现
1. 异形障碍物识别与应对
小米SU7近期在感知层面完成升级,新增对路面异形障碍物的识别能力,包括石块、纸箱、散落物等非常规目标,可在一定速度区间内实现检测与预警。
这对于城市施工路段、临时堆放物等突发场景具有显著的安全提升意义。
2. 无标线道路与狭窄路段的通行
有用户实测,在无标线的乡间小路上开启辅助驾驶,车辆能够维持行驶路径,但驾驶员需要保持高度紧张,手在方向盘、脚在刹车上。
另有用户分享视频显示,小米智驾1.3.0版本实现了“有路就能开”,甚至能应对崎岖山路的复杂路况。
3. 博弈策略:谨慎而丝滑
在内环路复杂的汇入口,SU7的博弈过程表现出谨慎的特征,会等待后车选择跟随或超车后,再加速并入主道,整个过程被评价为“足够丝滑”。
多名车主反馈,小米辅助驾驶的整体风格“柔和谨慎”,有时明明加速能通过,系统宁愿减速等待,这符合安全优先的企业价值观。
4. 通勤效率与接管率
有车主反馈,在单程15公里(城市路加三环封闭道路各半)的通勤中,使用1.15.3版本后接管次数已少于3次,系统能够“在保持基本关注前提下让辅助驾驶进行大部分抉择”。
另一车主的800天用车报告中提到,最近使用辅助驾驶频率越来越高,主要是因为系统“越来越丝滑”。
三、OTA迭代速度与技术路线演进
1. 两年三代的技术跨越
小米智驾从第一代规则架构,到端到端,再到今天的XLA架构,连续跨越多个技术世代,进展非常快。
2025年10月30日城市领航全量推送,2025年11月16日端到端全场景智能驾驶开启定向内测,2025年12月底开启先锋版推送。


2. 2026年的关键版本节点
2026年3月,新一代SU7交付即搭载XLA认知大模型,并在第一个版本实现了语音控车、商场地库车位级领航等功能。
2026年4月,新增对异形障碍物的识别能力。
2026年5月,1.16版本推送,被车主评价为“辅助驾驶体验有巨大进步,越来越像一个经验丰富的驾驶者”。
四、极限能力验证:赛道与极端工况
1. 赛道自动驾驶的底层验证
小米先后在浙赛、纽北等极限赛道完成了无人自动驾驶刷圈,浙赛SUV总榜第11名、纽北10分29秒483成绩直接证明了其感知-决策-控制链路在极端工况下的可靠性。
赛道自动驾驶考验的是极限场景的控车能力,包括200km/h以上时速下的毫秒级决策、弯道速度控制与轮胎抓地力衰减应对。
2. 从赛道到城市的安全冗余
雷军指出,自动驾驶跑纽北的核心目的之一是训练系统具备“专业车手”般的控车能力,一旦这种能力成为系统的日常能力,面对城市突发避让、湿滑路面等场景时,安全处理上限将大幅提升。
这意味着城市智驾的“谨慎”风格背后,是基于极限工况验证出的安全冗余设计。
五、仍需关注的局限性
1. 早期版本的短板
有用户在2025年7月反馈,早期版本存在侧向识别能力弱、盲目变道等问题,比如遇到左侧每一辆违停的车都想跟、到了右转路口才忽然停住想跨三个车道右转。
2025年7月懂车帝测试中,存在施工路遇卡车识别较晚差点撞车的情况。
2. 当前版本的保守倾向
即使到2026年6月,仍有用户认为小米辅助驾驶“不够猛”,明明加速能过却减速等待,这种保守策略虽然安全,但在某些高流量场景下可能影响通行效率。
小米汽车官方在所有场合明确强调“辅助驾驶无法替代人驾,请务必时刻关注路况”,这既是法规要求,也反映了当前系统的功能定位。
六、综合评价与展望
核心优势:硬件全系高规格冗余、XLA认知大模型的多模态融合能力、极限赛道验证带来的安全上限、远超行业平均的OTA迭代速度。
核心短板:风格偏向保守、部分复杂博弈场景(如多车道无保护转弯)仍需优化、早期版本的识别失误问题需通过持续迭代彻底解决。
发展潜力:小米已投入超过1000亿用于智驾研发,1800多人的团队中包括上百位博士,且已打通“车辆-机器人-AI”三域的具身基座大模型,后续将VLA技术与世界模型融合是其明确的路线图。
本文由AI生成











