在马斯克只给特斯拉L4级Robotaxi留了8颗摄像头时，华为已经为问界M9搭载上了4颗激光雷达、5颗4D毫米波雷达等36颗硬件。

马斯克坚信走纯视觉路线可以完成机器的蜕变，而对于华为来说，“硬件就是底线”，“安全冗余没有‘软件算法’平替”。

那么硬件堆料到底是护城河，还是智商税？

我们拿来一台搭载华为乾崑ADS 4版本的问界M9，让它面对真实的事故复原场景，看看问界M9在这样一套硬件的加持下， 到底能提供多少安全冗余？

点击观看视频：浓雾+暴雨，还能规避障碍物？顶级配置的问界M9有多强

动态危险避让

当我们在高车速的状态下，遇到突然出现的障碍物，刹车也难以规避碰撞风险。

针对这类情况，华为推出了eAES增强型紧急转向辅助功能，让车辆从“刹得住”进化到“绕得开”。

eAES功能直接依赖于车辆的传感器配置，那么新增的传感器能让问界M9的eAES解决哪些危险？我们还原了一些经典场景，用一张图表来直观展示车辆的表现。

当前车突然变道躲开施工，留给我们的避让时间就非常极限。在高速状态下，这样的距离也难以刹停。

而问界M9在120km/h的速度下，不仅可以识别突然闪现的引导锥桶，还能瞬间触发eAES增强性紧急转向辅助，绕过锥桶。

碰到路口斜穿的行人，也可以做到90km/h触发eAES。

当环境切到可见度低的夜间，前车近距离加塞时，问界M9在115km/h的时速下，判断出风险并预测出了对方接下来的运动轨迹，进行了避让。

这里的识别难点在于，加塞车辆的车尾在车轮压线时，车尾几乎还在原先车道，纵向侵占进来的的车侧面积很小，容易被传感器当成噪点过滤掉信息，造成没挡路的假象，或者是根本来不及识别。

而搭载192线激光雷达和4D毫米波的问界M9对前车的轮廓极为敏感。

当然，驾驶员已经看到风险的情况下，要优先自己动手确保安全。

但在人驾来不及反应或者根本没察觉到的部分情况下，问界M9的eAES仍能在毫秒间避免一起事故。

雨、雾

问界M9在车头处布有3颗4D毫米波雷达，除了让感知范围更全面，4D毫米波用电磁波探测的特质，让问界M9具备了挑战浓雾和暴雨的能力。

浓雾场景，浓雾遮挡视线，雾气中的水滴还会打散光束，摄像头和激光雷达的工作能力都会大打折扣。

而4D毫米波雷达发射的电磁波却能穿过浓雾，所以问界M9在70km/h的情况下，能够识别到浓雾后的抛锚车。

暴雨场景，激光雷达光束部分会被散射吸收，摄像头会受光线折射影响产生大量噪点。

4D毫米波雷达的穿透识别能力则远超激光雷达和摄像头，结合算法去除噪点，问界M9在90km/h的情况下还能识别到暴雨中的抛锚车。

全方位

问界M9的主要感知硬件分布位置为：

前向1颗激光雷达和3颗4D毫米波，侧向2颗补盲激光雷达，后向1颗激光雷达和2颗4D毫米波雷达，形成了一个360°环绕的感知系统。

所以它还具备规避侧向风险和后向风险的能力。

先来看侧向。

车门位置通常是感知盲区。

当我们在墙角或有路柱等障碍物的地方拐弯时，一旦没把握住距离卡住车身，那车门通常会被“反复摩擦”。

在这里，我们还原了把问界M9开出车位时方向盘打早了的错误操作，当车侧即将剐蹭柱子时，它直接一把“自救”，触发侧向防碰撞功能刹停。

后向我们测了两项场景。

一项是APA自动泊车时，车尾上方有一个悬空的风机管。

另一项是在有负向沟渠的地方往后怠速倒车。

不管是障碍物悬空还是地面下陷，问界M9都能感知到。在这里，能够直接探测出高度信息的4D毫米波功不可没。

写在最后

通过以上测试可以看到，在突发危险、极端天气和全场景盲区中，问界M9的多传感器融合方案提供了多重保障。

华为用36颗传感器，特别是4颗激光雷达和5颗4D毫米波雷达，构筑了一道感知上的“硬件护城河”。

它或许不是唯一的答案，但在当前技术阶段，它无疑为安全增添了至关重要的一重确定性。

行业技术路线之争远未结束，但对于用户而言，多一份硬件，可能就是多一份保障。

看完本期视频，你更信赖纯视觉还是多传感器融合方案呢？