全站搜索
快科技6月4日消息，鸿蒙智行官方今日发布了5月车主用车报告，公布了近期华为乾崑智驾、华为鸿蒙座舱和华为途灵平台的使用数据情况。
数据显示，鸿蒙智行5月华为乾崑智驾辅助驾驶里程达到7.8亿公里，其中高速领航辅助里程5亿公里、城区领航辅助里程2.7亿公里。
鸿蒙智行历史累计辅助驾驶里程已突破90亿公里（92.4亿公里），即将迈入百亿公里里程碑。
按照5月7.8亿公里的增量计算，6月过后累计里程有望突破100亿公里。
华为乾崑智驾官网实时数据显示，其累计辅助驾驶里程已超115亿公里。
更值得关注的是用户活跃度。报告显示，鸿蒙智行辅助驾驶活跃用户占比已达95.6%，意味着几乎所有搭载华为智驾的车主都在日常使用辅助驾驶功能。
从行业格局看，目前公开披露累计辅助驾驶里程的厂商中，仅华为乾崑智驾与特斯拉FSD突破百亿公里。
2026年4月，华为乾崑智驾系统智能辅助驾驶累计行驶里程正式突破一百亿公里，成为国内首个达成该里程碑的智驾技术平台。
华为持续加码智驾投入。2026华为乾崑技术大会上，华为宣布2026年预计再投入180亿元用于乾崑辅助驾驶系统研发。
【本文结束】如需转载请务必注明出处：快科技
责任编辑：霜月
人眼视觉仿生系统：底层逻辑决定产品上限在实际交付中，我们发现一个普遍现象：很多厂商宣称“人眼级动态范围”，但实际场景中，系统在逆光或强光切换时，仍会出现目标丢失或误检。问题出在哪？答案藏在底层逻辑里——人眼视觉仿生不是简单的参数堆砌，而是对视网膜神经元编码、视觉注意力机制、光响应动态平衡的深度复现。选型误区：被“标称数据”带偏的决策很多标称数据背后的真相是：实验室环境与生产现场的鸿沟。比如，某头部...
查看全文
选型陷阱：参数表上的「完美」与量产现场的「残缺」在实际交付中，我们发现一个诡异现象：某头部车企采购的视觉仿生系统，标称动态范围达140dB，理论可覆盖人眼极限的99%场景，但量产车上路后，隧道出口的强光过曝率仍高达12%。问题出在哪？很多标称数据背后的真相是——实验室环境与量产车的光路设计存在本质差异。人眼视觉仿生系统的核心，从来不是「堆硬件参数」，而是光路-算法-硬件的协同效应。这里面的水很深：...
查看全文
人眼视觉仿生系统：疲劳阈值，智驾安全的关键变量在实际交付中，我们发现一个被行业忽视的真相：很多智驾系统标称的“全天候视觉能力”，在连续运行3小时后，目标识别准确率会下降17%。这背后，是人眼视觉仿生系统对疲劳阈值的控制逻辑存在根本性缺陷——系统没有真正理解“视觉疲劳”的生物机制，只是简单复制了人眼的静态参数。选型误区：参数堆砌≠疲劳抗性很多厂商在选型时，会陷入“高分辨率+高帧率=抗疲劳”的误区。听...
查看全文
选型误区：别让“参数”蒙蔽了双眼在实际交付中，我们发现工业园区和停车场管理的智能设备选型，往往陷入“唯参数论”的怪圈。很多标称数据背后的真相是：厂商用实验室环境下的最优值，掩盖了实际场景中的性能衰减。比如，某头部厂商宣称其地磁传感器检测精度达99.9%，但实际交付后，在金属结构密集的工业园区，误报率飙升至15%——金属干扰、电磁屏蔽、多径效应，这些底层物理问题，参数表上永远不会写。选型误区一：过度...
查看全文
场景闭环不是“数据堆砌”，而是“真实场景的精准映射”在实际交付中，我们发现很多企业把“场景闭环”简单等同于“数据采集+算法迭代”，甚至认为只要覆盖足够多的测试场景，就能实现闭环。但真相是：场景闭环的核心是“真实场景的精准映射”，而很多标称数据背后的真相是——采集的场景数据可能根本无法复现真实路况的极端情况，导致算法在实验室里表现优异，一到实际路况就“掉链子”。选型误区：高算力≠场景适配，传感器堆砌...
查看全文
高级驾驶辅助系统的防错机制：从选型误区到生产现场的隐性损耗在实际交付中，我们发现一个普遍现象：很多主机厂在选型高级驾驶辅助系统（ADAS）时，往往被供应商的“标称数据”吸引——比如毫米波雷达的探测距离、视觉算法的识别准确率。但真相是，这些数据大多是在实验室理想环境下测得的，到了真实道路场景，尤其是复杂城市路况，表现可能大打折扣。听起来可能反直觉，但防错机制的设计，才是决定ADAS系统可靠性的关键。...
查看全文
尊龙凯时