1. 项目概述一次深度体验乐道L60智能驾驶核心能力的旅程最近我拿到了一台搭载最新版本车机系统的乐道L60试驾车进行了一次为期一周的深度测试。这次测试的核心目标非常明确就是聚焦于其智能驾驶系统的两大核心功能端到端驾驶和自动泊车。对于关注智能汽车的朋友来说这两个词可以说是当前行业技术竞赛的焦点。乐道L60作为蔚来旗下主打家庭市场的品牌其智能驾驶能力是否真的能像宣传的那样“旗舰智能领先一代”尤其是它搭载了蔚来全自研的5nm神玑NX9031芯片和蔚来世界模型NWM这套软硬件组合在实际道路和复杂车位面前表现如何是我这次测试最想搞清楚的问题。简单来说这次测试就是要把车开上城市道路、高架、快速路甚至是一些刁钻的停车场去真实感受这套系统的“智商”和“情商”。端到端驾驶考验的是车辆在复杂交通环境下的综合决策与执行能力它能否像一位经验丰富的老司机一样流畅、安全且合理地处理各种路况而自动泊车则考验的是系统在极限空间下的感知精度和控制细腻度它能否让停车这件“小事”变得真正轻松无感接下来我就把这一周里记录下的详细体验、操作过程、遇到的惊喜以及一些值得注意的细节毫无保留地分享给大家。2. 测试环境与车辆状态说明在深入细节之前我觉得有必要先把这次测试的“考场”和“考生”状态交代清楚这直接关系到后续所有体验结论的参考价值。我拿到的这台乐道L60是顶配版本配备了完整的智能驾驶硬件包括车顶瞭望塔式布局的激光雷达、7个800万像素高清摄像头、4个300万像素环视摄像头以及4D成像毫米波雷达等总共30个高性能感知硬件。车机系统版本是当时最新的内测版本据工程师介绍这个版本重点优化了端到端模型的泛化能力和泊车场景的通过率。测试地点主要覆盖了上海的内环、中环、南北高架等典型城市快速路浦东、浦西的部分核心城区道路以及多个具有代表性的停车场包括标准划线车位、狭窄的机械车位、斜列车位和没有划线的靠墙车位。测试时间涵盖了工作日早高峰、平峰期、夜间以及周末以获取不同交通密度和光照条件下的表现数据。需要明确的是所有的智能驾驶功能包括领航辅助NOP和自动泊车都属于驾驶辅助系统驾驶员必须全程保持注意力随时准备接管车辆。我的测试也是在确保安全、遵守法规的前提下进行的。3. 端到端驾驶体验从“规则驱动”到“场景理解”的跨越3.1 什么是“端到端”乐道L60的实现路径在聊具体体验前我们先花点时间理解一下“端到端”这个概念因为它和传统的模块化智能驾驶有本质区别。传统的方案好比一个流水线感知模块摄像头、雷达先“看”识别出车道线、车辆、行人然后规划模块根据一堆预设的规则比如保持车距、不能压线来规划路径最后控制模块去执行转向、加速、刹车。这套流程的缺点是规则是死的面对海量、不确定的真实世界场景总有覆盖不到的“Corner Case”极端情况。而乐道L60所采用的基于蔚来世界模型NWM的端到端方案思路完全不同。你可以把它想象成一个从“驾校毕业的规矩学生”变成了“有多年实战经验的老司机”。NWM是一个巨大的神经网络模型它通过海量的真实驾驶数据视频片段进行训练学习的是从传感器原始数据图像、点云直接到车辆控制信号方向盘转角、油门刹车深度的映射关系。它不再依赖大量人工编写的“如果-那么”规则而是尝试去理解整个驾驶场景并输出一个最符合人类驾驶习惯的、平滑连贯的动作。这次新车机版本的核心升级就在于这个端到端模型的迭代。官方称之为“全栈赋能”我的理解是端到端的能力已经更深度地融入了从感知、预测到规控的每一个环节而不仅仅是在最后规控阶段做一个“风格化”的微调。3.2 城区及高架道路实战表现在实际道路上激活NOP全域领航辅助后最直观的感受就是驾驶风格更像人了。这里我分几个典型场景来说。第一加减速的平顺性。这是提升舒适感的关键。传统系统在面对前车减速或加塞时刹车往往比较生硬有点像新手司机“点头刹”。乐道L60的新版本在这方面优化明显。当前车缓慢减速时它能够非常线性地跟随减速体感非常自然。即使遇到突然的加塞它的制动响应虽然迅速但力度是渐进的避免了车内乘员的突兀感。加速亦然汇入主路或变道完成后的提速不再是“一脚电门”冲出去而是有一个柔和的加速度建立过程。第二变道策略的“博弈”能力。在拥堵的高架上变道是常态。老版本的辅助驾驶在变道时往往显得“过于礼貌”或“过于机械”——要么一直等着直到旁边车道出现一个巨大的空档才敢并线要么打了灯就硬并不顾后车反应。新版本的端到端模型展现出了一定的“博弈”思维。它会更积极地寻找变道时机在判断侧后方车辆距离和速度相对安全时会一边打灯一边开始缓缓贴近车道线这种“试探性”的动作很像人类司机常常能“诱导”后车稍微减速让出空间从而完成流畅的变道。当然如果后车加速逼近它也会很果断地取消变道缩回原车道。第三对复杂路况的应对。我特意找了一段正在维修、车道线模糊且有大车压线行驶的路段。传统系统在这里很可能直接降级或退出因为清晰的车道线是它的“生命线”。但乐道L60的端到端模型结合激光雷达和高精地图的冗余信息表现出了更强的鲁棒性。它没有慌张而是基于对周围车辆轨迹的预测和对路面残存标线的识别稳稳地保持在车流中跟随前车轨迹通过。这个过程虽然让我这个测试者手心有点冒汗但系统始终没有发出接管请求。第四路口通行能力。在无保护左转路口这是对智能驾驶系统的大考。系统需要综合判断对向直行车流、行人、非机动车并找到一个安全的穿插时机。乐道L60的处理方式是“谨慎但果断”。它会先减速接近路口充分观察一旦判断有一个足够的时间窗口便会平稳地加速通过不会在路口中间犹豫不决。整个过程的轨迹曲线平滑方向盘转动也很连贯。注意尽管端到端驾驶表现惊艳但它依然有局限性。例如在面对一些非常规的交通参与者比如拉着板车的行人、造型奇特的道路作业车辆时系统的识别和预测可能会存在不确定性。驾驶员必须时刻关注路面手扶方向盘做好随时接管的准备。系统只是一个能力强大的辅助最终的安全责任仍在驾驶员。3.3 端到端AEB隐形的安全守护者这次测试中我还重点关注了其端到端AEB自动紧急制动功能。与传统的基于规则和阈值的AEB不同端到端AEB同样由世界模型驱动。它不仅仅是检测到障碍物然后刹车而是能更好地理解场景的“风险等级”。在一个模拟的“鬼探头”场景在路边停靠的车辆中间突然跑出一个小孩中系统的反应非常迅速且果断。更重要的是在另一次测试中前方车辆突然急刹而旁边车道有车不具备安全变道条件。端到端AEB在实施大力制动的同时似乎还带有轻微的、合理的转向微调仍在车道内以最大化利用前方空间减轻碰撞风险。这种带有一丝“避让”意图的制动体现了端到端模型对全局场景的综合考量而不仅仅是“发现障碍-全力刹车”的单一逻辑。4. 自动泊车全场景测试从“能用”到“好用”的进化如果说端到端驾驶考验的是“动态智商”那么自动泊车考验的就是“静态精细操作”。乐道L60的自动泊车功能支持多种模式我逐一进行了测试。4.1 标准车位泊入基本功扎实对于画线清晰的标准垂直车位和侧方车位乐道L60的泊入可以说是“快、准、稳”。通过环视摄像头和超声波雷达的融合感知车辆能非常快地识别出车位。泊入过程流畅方向盘转动速度均匀车身轨迹平滑基本一次到位不会出现来回揉好几把的情况。停好后车辆在车位内的位置也很正左右间距均衡。4.2 极限窄车位与机械车位挑战这是检验泊车系统实力的试金石。我找到了一个宽度仅比车宽多出约30厘米的侧方车位。第一次尝试时系统识别出了车位但提示“车位过窄建议寻找其他车位”。但我选择强制让它泊入。整个过程会明显慢很多系统显得非常谨慎方向盘会进行多次小角度的精细调整超声波雷达的提示音几乎在持续鸣响。最终它成功停入两侧后视镜距离旁车都只有寥寥数厘米但这个距离控制得极其精准且均匀。这背后是端到端模型对车身姿态和周围障碍物距离的毫米级感知与控制能力。对于机械车位系统需要识别车位的支撑结构。乐道L60成功识别并完成了泊入但需要提醒的是由于机械车位对轮胎停放位置要求苛刻且设备可能存在故障风险强烈不建议在日常使用中完全依赖自动泊车停入机械车位人工监督和确认至关重要。4.3 “随心拖框”与“遥控泊车”的实用体验“随心拖框”功能非常直观好用。当360环视影像启动后你可以直接在中控屏上用手指拖动一个虚拟的停车框放到任何你想停的位置比如一片空旷的广场、自家院子没有划线的地方。系统会以你画定的框为目标进行泊入。这个功能极大地拓展了自动泊车的应用场景。“遥控泊车”则在窄车位上下车不便时派上用场。通过手机App可以控制车辆直线前进或后退。我在一个两侧都停得很近的车位进行了测试用手机将车遥控出来整个过程信号稳定控制精准。但要注意使用该功能时用户必须站在车旁保持对环境的观察确保安全。4.4 泊车过程中的细节与策略乐道L60的泊车策略有几个值得称道的细节。第一是路径规划合理它不会规划出一个需要“一把舵”直接扎进去的不切实际的路径而是会像老司机一样先向前开一点创造出足够的转弯空间再开始倒车。第二是对动态障碍物的反应在泊车过程中如果有行人或车辆从车后经过它会立刻暂停等待其通过后再继续并在中控屏上清晰地标出行人位置。第三是泊出辅助在狭窄车位它不仅能帮你泊入也能帮你泊出系统会自动打方向先让车头探出方便驾驶员观察路况。5. 车机系统与智能驾驶的协同体验智能驾驶的体验离不开车机系统这个交互枢纽。乐道L60搭载的17.2英寸3K高清中控屏和基于SkyOS·天枢的系统在与智能驾驶的协同上做得相当到位。5.1 信息可视化所见即所得在开启NOP或自动泊车时中控屏和13英寸HUD会成为信息的主战场。屏幕上的SR场景渲染模型非常精细不仅还原了车道、车辆、行人还能显示自行车、三轮车、锥桶等甚至对车辆转向灯、刹车灯的状态也有示意。当系统准备变道时HUD上会用一个蓝色的箭头清晰地指示变道方向同时SR模型中的目标车道会高亮显示。在泊车时360环视影像与SR模型的融合视图让周围障碍物的距离一目了然配合精确到厘米的数字显示大大提升了驾驶员的信心。5.2 交互逻辑清晰且安心系统的状态提示音和语音提示恰到好处不会过于频繁打扰。例如变道成功、NOP即将退出、泊车完成等都有明确的提示。特别是在需要驾驶员接管的场景下系统会通过视觉屏幕闪烁、听觉逐渐增强的提示音和触觉方向盘震动进行三级预警确保驾驶员能及时响应。这种多模态的交互设计对于安全至关重要。5.3 小乐AI伙伴的辅助作用在测试中我也尝试了通过语音指令“小乐”来操作智能驾驶相关功能。比如在高速上可以直接说“小乐开启领航辅助”系统便会自动完成激活。或者在下地库时说“小乐帮我找车位”它就会自动开启泊车搜索。这种无缝的语音交互让功能的调用更加自然便捷减少了驾驶员在屏幕上点按的分心。6. 硬件基石神玑NX9031芯片与感知系统的幕后贡献所有流畅的软件体验都离不开强大的硬件支撑。乐道L60的智能驾驶硬件配置堪称豪华这也是其敢于部署端到端大模型的底气。神玑NX9031芯片这颗全球首颗5nm车规级AI芯片是大脑。其高达1000TOPS以上的AI算力为运行蔚来世界模型这种超大规模神经网络提供了可能。更关键的是其高带宽和低功耗设计确保了海量传感器数据尤其是800万像素摄像头产生的巨量图像数据能够被实时处理并做出低延迟的决策。在长时间测试中车机系统没有出现因算力不足导致的卡顿或反应迟钝。“瞭望塔”式传感器布局车顶的激光雷达和800万像素前向摄像头位置最高形成了“站得高看得远”的视野优势。这对于提前感知远处路口的交通灯、识别前方车流的异常制动、以及在高处俯瞰泊车环境都极为有利。这种布局虽然对造型有影响但为了感知性能是一个务实且高效的选择。4D成像毫米波雷达相比传统毫米波雷达4D成像雷达增加了“高度”维度的探测能力点云更密集。它在雨雾天气、夜间等摄像头感知能力下降的场景下提供了稳定的深度和速度信息与视觉感知形成有效互补。在测试中遇到的一场小雨系统对前方车辆的跟踪依然稳定没有出现摄像头因水珠干扰导致的目标“跳变”现象。7. 测试中发现的问题与优化建议一周的深度测试并非全是完美体验我也记录下了一些值得关注的点有些可能是当前版本的局限有些则是所有智能驾驶系统都需要面对的挑战。1. 对近距离“cut-in”的应对仍可优化。在拥堵缓行时旁边车道车辆非常近距离地、缓慢地车头切入本车道系统有时会采取一个相对急促的制动。虽然安全上没问题但影响了舒适性。理想的处理应该是更早地预判其意图进行更平缓的减速。2. 复杂环岛通行策略偏保守。在进入多车道大型环岛时系统对于选择哪条车道、何时汇入环岛车流显得有些犹豫有时会错过最佳时机导致在入口处等待时间稍长。这可能是环岛内交通参与者运动轨迹复杂对预测模型挑战较大。3. 自动泊车对低矮障碍物的识别。在户外停车场面对一些高度低于保险杠的石头墩、限位杆环视摄像头可能存在盲区主要依赖超声波雷达。虽然雷达能探测到但系统有时会将其误判为可逾越的障碍如减速带需要驾驶员特别注意。建议在SR渲染模型中对这类低矮静态障碍用更醒目的图标标示。4. 极端光照下的感知稳定性。在夕阳直射摄像头或进出隧道光线剧烈变化的瞬间SR模型中偶尔会出现虚拟车辆“闪烁”或短暂消失的情况。这说明视觉感知在极端逆光下仍面临挑战需要激光雷达和毫米波雷达提供更强的冗余。7.1 给潜在用户的实用建议基于我的测试体验对于考虑乐道L60并对其智能驾驶功能感兴趣的用户我有几点建议把它看作一个“超级副驾”它能极大缓解长途高速和日常拥堵的疲劳但你的角色始终是“主驾”需要监督和负责。循序渐进地建立信任先在路况简单、熟悉的路段使用NOP逐步了解它的能力和边界。自动泊车也先从标准车位开始尝试。保持传感器清洁尤其是车顶的激光雷达和摄像头窗口脏污会严重影响性能。定期清洁是保证功能正常工作的基础。关注官方OTA更新端到端系统的优势就在于能通过数据持续进化。保持车机系统为最新版本意味着你能持续获得体验优化和新能力。8. 总结一次令人印象深刻的智能驾驶体验回顾这一周的深度测试乐道L60新车机版本在端到端驾驶和自动泊车方面的表现确实对得起“旗舰智能”的宣传。它不再是简单地执行预设指令而是展现出了一种基于场景理解的、更类人的驾驶思维。无论是NOP下流畅的跟车、变道还是自动泊车在窄车位中的精准操控都让我感受到了技术进步带来的实实在在的便利。当然没有任何系统是完美的它依然在面对一些极端复杂场景时表现出不确定性这也正是技术持续迭代的空间。但可以肯定的是乐道L60的这套智能驾驶系统已经站在了当前量产车的第一梯队。它不仅仅是一套配置清单上的豪华硬件堆砌更是通过蔚来世界模型和端到端技术将这些硬件能力转化为了用户可感知的、安全舒适的体验。对于家庭用户而言它提供的不仅是从A点到B点的运输更是一份在旅途中可以适度放松、增添乐趣的科技关怀。这次测试让我确信智能汽车的价值正在从单纯的电动化快速而坚定地转向以高级别辅助驾驶为核心的智能化深度竞争。