“一个余承东，累死百万小编”这句话可真不是吹牛。

华为常务董事、终端BG董事长、智能汽车解决方案BU董事长余承东在与东方甄选高级合伙人、与辉同行负责人董宇辉直播中，解释了“发明主动安全”一词的争议，表示当初忽略了两个字“全向”。“全向”主动安全是华为在业界第一个提出的。”他说道。

得，就因为这一句话，小编们就又要不得不挖历史找技术，百万小编有的是天生乐子人，有的是因为出于爱，有的是因为严谨，总之大家又开始忙活起来。

毕竟如今，流量才是王者，这才是关系到自己的KPI啊。买不起国产新势力，是不是你自己不够努力，是不是需要反思一下？那就多写点蹭流量啊。车企老板登上热搜开心，消费者学到新知识开心，老板给小编加鸡腿开心，这种三赢的事情必须得多多益善。

那我们今天也来蹭一蹭。

从主动安全说起

互联网的记忆非常短，我们只看一月前。

六月，华为车BU董事长余承东在直播时称：“智能驾驶不仅能降低驾驶疲劳，关键核心是提高安全性；主动安全（在）整个产业界是华为我们率先提出来的，我们用高阶智能驾驶系统让前向AEB能力提升到很高的水准。”

这一言论迅速引发了专业汽车博主们的不满。有博主表示：“把汽车造好，技术固然重要，但是认知、逻辑是前置于技术的。我不是要吐槽，为什么余总的一些言论经常会带来争议呢?”

小编我也想问为什么华为都卖的这么好了，还要有争议？没有争议我能找到主动安全这个话题吗？

说多了，让我们回到严肃话题，主动安全是什么。

主动安全（Active Safety）指的是在车辆行驶过程中，通过各种技术手段和系统来预防事故的发生，或者在事故发生前减少事故的严重性。主动安全系统通过实时监测车辆的运行状态和周围环境，及时提供警示或自动采取措施来避免潜在的危险。

常见的主动安全系统包括：

自动紧急制动系统（AEB）：在检测到可能的碰撞时，系统会自动施加刹车以避免或减轻碰撞。

车道保持辅助系统（LKAS）：当车辆偏离车道时，系统会发出警报，并且在必要时进行轻微的转向调整。

自适应巡航控制系统（ACC）：根据前方车辆的速度和距离，自动调整车速以保持安全距离。

盲区监测系统（BSM）：在车辆的盲区内有其他车辆时，系统会发出警报以提醒驾驶员。

防碰撞预警系统（FCW）：在检测到潜在的碰撞风险时，系统会发出警报以提醒驾驶员采取措施。

那么“全向”主动安全又是什么呢？

问界新M7凭借27个传感器融合感知，打出了一套安全装备遥遥领先的组合拳。华为黑科技 ADS 2.0上车，问界新M7实现了前向、侧向和后向主动安全，宣告着这套被华为命名“全向防碰撞系统”正式全球首发。其中驾驶员最常用到的前向主动安全（AEB）功能，识别前方障碍物到刹停，问界新M7已支持最高90km/h的速度，大幅降低鬼探头、开门杀情况的发生。对比业界普遍5-60km/h的自动刹停能力，问界新M7的后项AEB最低可支持1-12km/h，实现了1-90km/h全覆盖，倒车时遇到路人、锥桶、护栏可主动刹停，真真“想撞都难”。

如图所示，问界新M7包含了1个激光雷达，3个毫米波雷达，12个超声波雷达，以及11个摄像头。豪华的传感器以及高级传感器融合技术，让华为实现了所谓的“全向”主动安全。

但也有媒体报道，无论是侧向还是后向的安全，华为都不是最早的。比如倒车紧急制动功能其实也不算新功能。有统计显示，早在2017年，美国就有5%的车辆配备了倒车紧急制动功能，而从2018年起，美国道路安全保险协会（IIHS）也开始对具备该功能的车型进行测试与评级。

再比如，对于侧向安全，在沃尔沃的部分车型上，就搭载了名为“碰撞预防系统－用于避让操作的转向辅助”功能，该功能可在仅通过制动无法避免碰撞的情况下帮助驾驶员避开障碍物。在雷克萨斯的部分车型上，这项功能名为“预碰撞安全系统PCS带紧急转向辅助功能ESA”，该功能可识别前方的车辆与行人，当系统判断可能发生碰撞时，会通过预警、主动制动与紧急转向的方式，尽可能避免碰撞发生。

关键技术——传感器融合

“全向”主动安全的关键是传感器的融合，传感器们彼此配合，实现了对现实世界信息的完整采集。华为采用了27个传感器，涵盖了从摄像头到毫米波雷达再到激光雷达的全覆盖，从而实现了前后侧面的实时全面感知。

传感器融合的必要性在于其能够综合利用不同传感器的优点，弥补单一传感器的不足，从而实现更可靠和精确的环境感知。这对于自动驾驶和高级驾驶辅助系统（ADAS）的安全性和性能至关重要。以下是具体原因：

多样化的信息来源：

摄像头提供高分辨率的图像和RGB颜色信息，可以精确识别交通标志、车道线和其他视觉特征。

雷达具备出色的速度和距离测量能力，能够在各种天气和光照条件下可靠工作。

激光雷达提供高分辨率的3D环境映射，能够精确检测周围环境中的物体和自由空间。

冗余性和故障容忍：

单一传感器的故障或性能下降（如摄像头在夜间或恶劣天气下的性能下降）可以由其他传感器弥补，提供更高的系统可靠性和冗余性。

多场景适应性：

在复杂的城市环境中，摄像头可以识别交通信号灯和行人，雷达可以检测快速接近的车辆，激光雷达可以创建精确的环境地图。

在高速公路驾驶中，雷达的远距离检测能力和摄像头的车道识别能力相结合，可以更好地实现车辆的纵向和横向控制。

应对极端条件：

雷达在雨雪天气和雾霾条件下的性能优越，可以在视觉传感器失效时继续提供关键数据。

激光雷达在光照变化和阴影条件下依然能够提供稳定的环境感知。

从L2+到L5级别的自动驾驶，对环境感知的要求越来越高，单一传感器难以满足这些需求。传感器融合可以提供更全面和准确的环境感知数据，支持更高级别的自动驾驶功能。

更高级的功能

激光雷达和雷达可以在车辆高速度行驶时提供精确的障碍物检测和距离测量，摄像头则可以辅助识别道路标志和信号。

优化成本

同时，通过传感器融合，可以在保证高性能的同时，优化系统成本。例如，可以通过雷达和摄像头的组合减少对昂贵的激光雷达的依赖，同时保证系统的整体性能。

传感器融合的另一大关键是处理。传感器融合需要高度复杂和强大的处理器来实时处理大量的数据，并做出准确和快速的决策，总体而言，高性能，高实时性，支持复杂算法，高安全性以及低功耗是处理器不断追求的方向。

高性能计算能力

并行处理：传感器融合涉及处理来自多个传感器的数据，包括摄像头、雷达和激光雷达的数据。这需要处理器具备强大的并行处理能力，能够同时处理和分析多路数据流。

高带宽：处理器需要支持高带宽的数据传输，以便快速接收和发送大量数据。例如，高清摄像头和激光雷达生成的数据量非常大，要求处理器能够高效处理这些数据。

实时处理

低延迟：自动驾驶系统要求极低的延迟，因为车辆在高速行驶时，每一毫秒都至关重要。处理器必须能够实时处理传感器数据并做出快速反应。

确定性响应：系统需要在确定的时间范围内完成计算，以确保车辆能够在紧急情况下及时做出反应。这要求处理器具备高实时性能和确定性响应能力。

高效的算法处理

先进的信号处理能力：处理器需要支持复杂的信号处理算法，如图像处理、点云处理和目标检测。这包括滤波、数据融合、目标跟踪等多种算法。

机器学习和人工智能支持：自动驾驶系统广泛使用机器学习和人工智能算法来提高感知和决策能力。处理器需要具备加速机器学习模型推理和训练的能力，如支持深度学习的专用硬件加速器（例如GPU或TPU）。

可靠性和安全性

冗余设计：为了保证系统的可靠性，处理器设计需要考虑冗余，包括硬件冗余和软件冗余。这可以确保在部分硬件故障的情况下，系统仍能正常运行。

安全性：自动驾驶系统必须确保数据和操作的安全性，防止外部攻击。处理器需要集成高级的安全机制，如加密、安全启动和防篡改技术。

低功耗

高能效：车辆的电子系统需要尽量减少功耗，以节省电力和延长电池寿命。处理器需要具备高能效，在提供强大计算能力的同时，保持较低的功耗。

写在最后

无论如何，随着人们对于驾驶体验的要求越来越高，对于安全性的需求越来越高的当下，“主动安全”还是值得OEM们继续努力，也值得芯片公司们持续耕耘。更多精彩内容请关注订阅号：汽车开发圈