昨晚测试结束，我和几个搞汽车电子的朋友围在车边，看着屏幕上的点云图，半天没说话。
不是因为我们累了，而是被眼前的场景震撼到了。
左边是搭载华为高阶智能驾驶方案的车辆，右边是小米SU7 Max版——这两款车代表了目前中国新能源市场两种不同的智能驾驶技术路线。今晚的任务很简单：在完全无照明的乡间道路上，测试激光雷达的夜视能力，看看谁能在关键时刻“看见”不该看见的东西。
一、为什么夜视能力这么重要？
很多人觉得，晚上开车开远光灯不就行了吗？
说实话，这个观念已经过时了。
首先，现代城市道路照明越来越完善，但依然有大量无路灯的城乡结合部、山区道路、隧道进出口。在这些地方，人类驾驶员的可视距离通常只有30-50米，而激光雷达的理论探测距离可以达到150-200米。
这20米的差距，在时速120公里的情况下，意味着什么？
我们来算一笔账：
时速120公里 = 33.3米/秒
发现障碍物到刹停，需要反应时间+制动距离
人类平均反应时间：1.5秒
1.5秒 × 33.3米/秒 = 50米（反应距离）
EBD（电子制动力分配）响应时间：0.1秒
制动距离（从120km/h到0）：约70-80米
总停车距离：约120-130米
如果可视距离只有50米，根本刹不住。
所以，激光雷达的夜视能力，不是“锦上添花”，而是“救命稻草”。
二、激光雷达的工作原理：它真的能“看见”黑夜吗？
在对比两款车之前，我们先搞明白一个基本问题：激光雷达到底是怎么工作的？
2.1 激光雷达的基础原理
激光雷达（LiDAR，Light Detection and Ranging）的工作原理，说白了就是“让光飞一会儿”：
- 发射一束激光脉冲
- 激光碰到障碍物后反射回来
- 接收器捕捉反射光
- 计算机计算时间差，得出距离
公式很简单：
距离 = (光速 × 时间差) / 2
光速是30万公里/秒，所以哪怕时间差只有几纳秒，也能精确到厘米级。
2.2 为什么激光雷达比摄像头更适合夜间？
这是关键问题。
传统摄像头依赖可见光，相当于人类的眼睛。夜晚没有光，摄像头就瞎了。虽然有些摄像头带夜视功能，但本质是红外补光，效果有限。
激光雷达不一样。它自带光源——激光器就是它的光源。它不依赖环境光，自己发光，自己接收。
这就好比：
- 摄像头 = 用眼睛看东西，没光就看不见
- 激光雷达 = 自带手电筒，边照边量距离
所以理论上，激光雷达在夜晚的表现应该远优于纯视觉方案。
三、两款车的硬件配置对比
在正式测试前，我们先把两款车的硬件底子摸清楚。
3.1 华为高阶智能驾驶方案（以问界M9为例）
华为的ADS 2.0/3.0系统，在激光雷达配置上非常激进：
【华为激光雷达系统配置】
- 激光雷达数量：1-3颗（视车型而定）
- 激光雷达供应商：华为自研
- 探测距离：最远200米（@10%反射率）
- 水平视场角：120°
- 垂直视场角：25°-30°
- 点云密度：最高220万点/秒
- 分辨率：0.05° × 0.2°
- 工作波长：905nm / 1550nm（高阶版）
- 防护等级：IP67
- 工作温度：-40°C ~ +85°C
华为的激光雷达有几个特点：
- 自研自产：不是买别人的，是自己设计、自己制造，成本控制和性能优化都有优势。
- 905nm和1550nm双波长：905nm成本低，适合量产；1550nm功率可以更高，探测距离更远，对人眼更安全（因为人眼对1550nm的损伤阈值比905nm高10倍）。
- 高转速机械式/混合固态：点云密度高，建模更精细。
3.2 小米SU7 Max版
小米SU7 Max版的智驾方案，采用的是小米自研的系统，但激光雷达部分是和传统供应商合作的：
【小米SU7 Max 激光雷达配置】
- 激光雷达数量：1颗（顶配）
- 激光雷达供应商：禾赛科技（Hesai）
- 型号：AT128（或类似型号）
- 探测距离：最远200米（@10%反射率）
- 水平视场角：120°
- 垂直视场角：25.4°
- 点云密度：约220万点/秒
- 分辨率：0.175° × 0.2°
- 工作波长：905nm
- 防护等级：IP6K9K
- 工作温度：-40°C ~ +85°C
小米选择的禾赛AT128，是目前量产车中性能非常强的一款激光雷达。128线意味着垂直方向有128个激光束，点云密度高，建模精细。
3.3 硬件对比总结
| 项目 | 华为（问界M9等） | 小米SU7 Max |
|---|---|---|
| 激光雷达数量 | 1-3颗 | 1颗 |
| 供应商 | 华为自研 | 禾赛科技 |
| 探测距离 | 200米 | 200米 |
| 点云密度 | 220万点/秒 | 220万点/秒 |
| 波长 | 905nm/1550nm | 905nm |
| 防护等级 | IP67 | IP6K9K |
从硬件参数上看，两者非常接近。但有几个细微差异值得注意：
- 数量差异：华为部分车型配备3颗激光雷达（前向+两侧），小米SU7只有1颗（前向）。这意味着华为的侧面感知能力更强。
- 波长差异：华为高阶版使用1550nm，小米使用905nm。1550nm的探测距离和安全性更好，但成本更高。
- 防护等级：小米的IP6K9K防护等级略高，更能抵抗高压水枪冲洗和灰尘侵入。
四、测试环境与测试用例设计
硬件看完了，接下来是重头戏——实测。
4.1 测试环境
我们选择的测试地点，是一条位于北京郊区的无照明公路：
【测试环境参数】
- 地点：北京延庆区某乡间公路
- 时间：晚上22:00-24:00
- 环境光照：0 lux（完全无月光，无路灯）
- 天气：晴，无雨无雾
- 温度：15°C
- 路面：沥青路面，干燥
- 周边光源：仅远处村庄微弱灯光，不影响测试区域
选择无照明环境，是为了最大化测试激光雷达的真实能力。如果开着远光灯测试，任何激光雷达都能“看见”东西，那就没意义了。
4.2 测试用例设计
我们设计了5个测试场景，从简单到复杂：
场景一：静态障碍物识别
【测试目标】
在100米、150米、200米距离放置不同颜色的静态障碍物，
测试激光雷达能否准确识别并标注。
【障碍物设置】
- 黑色轮胎（反射率5%）
- 白色纸箱（反射率80%）
- 红色反光锥（反射率90%）
- 灰色水泥块（反射率30%）
场景二：动态目标跟踪
【测试目标】
让测试员在车前方100-200米处横向穿越，
测试激光雷达能否持续跟踪并预测轨迹。
场景三：低反射率目标识别
【测试目标】
黑色橡胶垫、深色衣物模特，
测试激光雷达对低反射率物体的探测能力。
场景四：复杂场景干扰测试
【测试目标】
模拟雨天（洒水）、雾气（干冰）、强光干扰（对向远光灯），
测试激光雷达的稳定性。
场景五：夜间行人识别
【测试目标】
穿着深色衣服的行人模型，在50-150米距离突然横穿，
测试激光雷达+自动驾驶系统的响应时间。
五、实测结果：华为vs小米
5.1 场景一：静态障碍物识别
测试数据：
| 距离 | 障碍物类型 | 华为ADS | 小米SU7 Max |
|---|---|---|---|
| 50米 | 白色纸箱 | ✅ 精准识别 | ✅ 精准识别 |
| 100米 | 白色纸箱 | ✅ 精准识别 | ✅ 精准识别 |
| 150米 | 白色纸箱 | ✅ 精准识别 | ✅ 精准识别 |
| 200米 | 白色纸箱 | ✅ 精准识别 | ⚠️ 勉强识别 |
| 100米 | 黑色轮胎 | ✅ 精准识别 | ⚠️ 识别但延迟0.3秒 |
| 150米 | 黑色轮胎 | ⚠️ 部分识别 | ❌ 未识别 |
| 100米 | 红色反光锥 | ✅ 精准识别 | ✅ 精准识别 |
| 150米 | 红色反光锥 | ✅ 精准识别 | ✅ 精准识别 |
| 200米 | 红色反光锥 | ✅ 精准识别 | ✅ 精准识别 |
| 100米 | 灰色水泥块 | ✅ 精准识别 | ✅ 精准识别 |
| 150米 | 灰色水泥块 | ✅ 精准识别 | ✅ 精准识别 |
| 200米 | 灰色水泥块 | ⚠️ 边缘模糊 | ❌ 未识别 |
分析：
- 高反射率物体（白色纸箱、红色反光锥）：两者在200米内都能准确识别，差距不大。
- 低反射率物体（黑色轮胎）：华为在150米处仍能部分识别，小米在100米处就有延迟，150米处完全丢失。这可能与激光雷达的功率和算法优化有关。
- 中等反射率物体（灰色水泥块）：华为在200米处仍有边缘信息，小米在200米处完全丢失。
结论： 在静态障碍物识别方面，华为的激光雷达系统略胜一筹，尤其是在远距离低反射率目标的识别上。
5.2 场景二：动态目标跟踪
测试数据：
| 测试项 | 华为ADS | 小米SU7 Max |
|---|---|---|
| 100米横向穿越 | ✅ 持续跟踪，无丢失 | ✅ 持续跟踪，无丢失 |
| 150米横向穿越 | ✅ 持续跟踪，轨迹平滑 | ✅ 持续跟踪，轻微抖动 |
| 200米横向穿越 | ⚠️ 跟踪丢失0.5秒后恢复 | ❌ 跟踪丢失，无法恢复 |
| 快速变向跟踪 | ✅ 准确预测轨迹 | ✅ 准确预测轨迹 |
| 多目标同时跟踪（3个） | ✅ 全部跟踪，无混淆 | ⚠️ 最远目标偶尔丢失 |
分析：
- 近距离（100米内）动态跟踪：两者都能完美完成。
- 中距离（150米）动态跟踪：华为更稳定，小米有轻微抖动。
- 远距离（200米）动态跟踪：华为能维持跟踪，小米在目标变向时丢失跟踪。
- 多目标场景：华为能同时跟踪3个目标，小米在复杂场景下会丢失最远的目标。
结论： 动态跟踪方面，华为的算法优化更好，多目标处理能力更强。
5.3 场景三：低反射率目标识别
这是最考验激光雷达能力的场景。
测试数据：
| 目标类型 | 反射率 | 华为ADS | 小米SU7 Max |
|---|---|---|---|
| 黑色橡胶垫 | 5% | ✅ 100米内识别 | ✅ 80米内识别 |
| 深色衣物模特 | 8% | ✅ 120米内识别 | ⚠️ 100米内识别 |
| 黑色塑料袋 | 10% | ✅ 150米内识别 | ✅ 120米内识别 |
| 沥青路面裂缝 | 15% | ✅ 清晰建模 | ✅ 清晰建模 |
分析：
- 超低反射率目标（5%-8%）：华为的探测距离更远，这再次印证了1550nm波长（如果使用的是）的优势——更高功率、更远距离。
- 低反射率目标（10%左右）：两者差距缩小，都能有效识别。
结论： 在极端低反射率场景下，华为的激光雷达系统表现出更强的探测能力。
5.4 场景四：复杂环境干扰测试
5.4.1 模拟雨天（洒水）
测试数据：
| 降雨强度 | 华为ADS | 小米SU7 Max |
|---|---|---|
| 小雨（模拟） | ✅ 正常识别，距离略降 | ✅ 正常识别，距离略降 |
| 中雨（模拟） | ⚠️ 识别距离降至120米 | ⚠️ 识别距离降至100米 |
| 大雨（模拟） | ❌ 识别距离降至60米 | ❌ 识别距离降至50米 |
分析：
- 小雨影响不大，两者都能正常工作。
- 中雨时，小米的探测距离下降更明显。
- 大雨时，两者都受到严重影响，但华为的下降幅度略小。
5.4.2 模拟雾气（干冰）
测试数据：
| 雾度 | 华为ADS | 小米SU7 Max |
|---|---|---|
| 轻雾 | ✅ 正常识别 | ✅ 正常识别 |
| 中雾 | ⚠️ 识别距离降至80米 | ⚠️ 识别距离降至60米 |
| 浓雾 | ❌ 基本失效 | ❌ 基本失效 |
分析：
- 雾天对激光雷达的影响是物理性的，水汽会散射激光。
- 华为在轻雾和中雾下表现更好。
- 浓雾下，两者都基本失效，这是所有激光雷达的共同的物理限制。
5.4.3 对向远光灯干扰
测试数据：
| 干扰类型 | 华为ADS | 小米SU7 Max |
|---|---|---|
| 对向远光灯直射 | ✅ 无影响 | ✅ 无影响 |
| 对向远光灯+激光雷达同轴 | ⚠️ 短暂干扰0.2秒 | ⚠️ 短暂干扰0.5秒 |
| 后方远光灯反射 | ✅ 无影响 | ✅ 无影响 |
分析：
- 激光雷达自带光源，对可见光不敏感，所以远光灯直射不影响。
- 但当激光雷达和远光灯同轴时，会有短暂干扰，华为的抗干扰能力更强。
结论： 在复杂环境干扰下，华为的激光雷达系统整体表现更稳定。
5.5 场景五：夜间行人识别
这是最关乎安全的测试场景。
测试数据：
| 测试项 | 华为ADS | 小米SU7 Max |
|---|---|---|
| 50米行人横穿（深色衣服） | ✅ 识别距离45米，响应时间0.8秒 | ✅ 识别距离40米，响应时间0.9秒 |
| 100米行人横穿（深色衣服） | ✅ 识别距离90米，响应时间1.2秒 | ✅ 识别距离85米，响应时间1.3秒 |
| 150米行人横穿（深色衣服） | ⚠️ 识别距离130米，响应时间1.8秒 | ❌ 未识别 |
| 200米行人横穿（浅色衣服） | ✅ 识别距离180米，响应时间1.5秒 | ✅ 识别距离160米，响应时间1.7秒 |
| 群体行人（3人）横穿 | ✅ 全部识别，无遗漏 | ✅ 全部识别，无遗漏 |
分析：
- 近距离（50-100米）行人识别：两者都能准确识别，响应时间差异不大。
- 中距离（150米）行人识别：华为能识别，小米完全丢失。这是关键差距。
- 远距离（200米）行人识别：两者都能识别浅色衣服，但华为的响应时间更短。
结论： 在关键的夜间行人识别场景，华为的激光雷达系统能提供更早的预警，响应时间更短。
六、数据汇总与排名
把所有测试数据汇总，我们得出以下排名：
| 测试项目 | 华为ADS | 小米SU7 Max | 胜出方 |
|---|---|---|---|
| 静态障碍物识别（200米高反射率） |