小米YU7 GT纽北智驾慢3分钟！700TOPS算力为何跑不过人类？

发布日期：2026-07-23 13:14    点击次数：151

同一台车，同一条赛道——小米YU7GT在纽北跑出两组成绩：人类车手7分22秒755，自动驾驶10分29秒483，差距整整3分7秒。纽北全长20.832公里，73个弯道，近300米海拔落差。这3分多钟，究竟差在哪？[[2]][[3]][[8]]

人类驾驶圈速

7分22秒755

2026年5月，纽北SUV圈速纪录

自动驾驶圈速

10分29秒483

2026年6月22日，全球首个纽北自动驾驶纪录

芯片算力

700 TOPS

NVIDIA Thor芯片，搭配激光雷达+4D毫米波雷达

赛道全长

20.832公里

73个弯道，近300米海拔落差

3分7秒差在哪：三层原因

安全优先的走线策略：因为算法首要目标是"安全完赛"而非极限压榨，所以入弯点更保守、路线更宽，直接让每个弯道损失时间。[[2]][[3]]

传感器感知边界：因为激光雷达+4D毫米波雷达在高速过弯时存在置信度边界，系统无法像人类凭G值感知即时压榨轮胎抓地力极限，所以刹车点提前。[[6]][[19]]

算法决策保守性：因为系统需同时处理胎温、风速、坡道等实时变量，冗余优先级高于速度，所以整体节奏比人类车手慢出约3分钟。[[2]][[3]][[9]]

两次纽北挑战核心参数

人类驾驶：7分22秒755，车手任周灿，2026年5月，刷新SUV纪录14秒[[8]][[21]]

自动驾驶：10分29秒483，全程无人干预，2026年6月22日[[3]][[4]]

传感器配置：1颗激光雷达、1颗4D毫米波雷达、11颗高清摄像头、12颗超声波雷达[[22]][[25]]

芯片算力：NVIDIA Thor，700 TOPS[[25]][[28]]

人类车手 vs 自动驾驶：决策逻辑对比

人类车手

极限逻辑

·走线：贴路肩、切最短弧线

·刹车点：靠G值感知压榨至最晚

·风险容忍：接受轮胎抓地极限

·信息来源：身体感知+经验判断

自动驾驶

安全逻辑

·走线：保守入弯，保留安全冗余

·刹车点：依传感器置信度提前制动

·风险容忍：以可靠完赛为上限

·信息来源：雷达+摄像头实时建模

纽北无人驾驶≠日常智驾

三个概念需区分：辅助驾驶（如日常NOA）需驾驶员随时接管；无人驾驶（本次纽北）全程无人介入，依赖车载AI自主决策；L4量产落地指在开放道路任意场景下无人化，目前尚未实现。[[12]][[27]]

纽北测试验证的是极端工况下系统的稳定性，覆盖了现实中难以复现的高G值、陡坡、连续盲弯场景，但不等于系统已具备城市复杂路况的L4能力。[[7]][[19]]

这3分钟往后能缩到哪

如果算法持续迭代、纽北赛道数据积累足够（本次已有超5000圈虚拟仿真训练基础），则走线策略和刹车点选择有收窄空间；如果传感器精度提升、置信度边界扩展，系统或能在高速弯中更晚制动。[[6]]

但差距能缩至多少、需要多少个迭代周期，尚无数据支撑。自动驾驶完全追平人类职业车手的极限反应，在当前技术路径下不可视为必然结果。[[2]][[12]][[27]]