小米汽车在 2025 年搭载的激光雷达（LiDAR）是其智能驾驶系统的核心传感器，主要用于实现高精度环境感知、提升自动驾驶安全性和扩展功能边界。结合搜索资源中的技术细节与应用场景，其具体作用可从以下维度展开：
一、核心功能：构建三维环境地图
激光雷达通过发射激光束并接收反射信号，每秒可生成超过 153 万个点云数据，实时构建车辆周围 360 度的三维空间模型。以小米 SU7 为例，其搭载的禾赛 AT128 激光雷达采用 128 线设计，在 10% 反射率下探测距离达 200 米，可精确识别障碍物轮廓、车道线、交通标志等细节。这一能力直接支持以下场景：
- 障碍物检测：识别异形障碍物（如施工围挡、倒地树木），并区分静止与动态目标（如行人、骑行者）。
- 车道级定位：通过点云数据与高精地图匹配，实现厘米级定位精度，确保车辆在复杂路口（如无保护左转）的精准行驶。
- 动态路径规划：在高速领航辅助（NOA）中，激光雷达实时监测前方车辆的速度与距离，辅助系统预判变道时机，避免因视野盲区导致的碰撞。
二、技术融合：多传感器协同工作
小米汽车采用 “激光雷达 + 摄像头 + 毫米波雷达 + 超声波雷达” 的多传感器融合方案，各传感器优势互补：
- 视觉传感器：通过 800 万像素双目摄像头识别物体颜色、纹理及交通信号，但受光照影响较大（如逆光、强光）。
- 毫米波雷达：在雨雪天气中稳定探测目标速度，但分辨率较低（无法识别小物体）。
- 激光雷达：提供高精度三维结构信息，弥补视觉与毫米波雷达的不足。例如，在夜间或隧道内，激光雷达可精准识别无反光标识的障碍物。
- 超声波雷达：辅助近距离泊车，检测车位线及周边障碍物。
通过算法融合，小米 SU7 的智能驾驶系统（Xiaomi HAD）可在极端场景下保持鲁棒性。例如，雨雪天气中，超分辨率占用网络技术对激光雷达数据进行降噪处理，避免将水花误判为障碍物。
三、功能落地：从辅助驾驶到完全自动驾驶
激光雷达是小米向 L4 级自动驾驶迈进的关键硬件，目前已支持以下功能：
- 城市领航辅助（City NOA）：在复杂城区道路中，激光雷达实时感知行人、非机动车及突发状况（如 “鬼探头”），辅助车辆自动变道、绕行障碍物。例如，小米 YU7 的激光雷达可识别狭窄路段的障碍物，并规划倒车避让路径。
- 代客泊车（AVP）：通过激光雷达与高精地图结合，车辆可自主完成 2 公里内的停车场巡航、车位识别及泊车操作，支持记忆泊车、跨楼层泊车等复杂场景。
- 紧急制动（AEB）：激光雷达与毫米波雷达协同，在高速行驶中提前 200 米探测障碍物，触发紧急制动，缩短制动距离（小米 SU7 Max 版 100km/h-0 制动距离仅 33.3 米）。
- 自动变道与避障：在高速行驶中，激光雷达识别相邻车道的车辆间距，辅助系统完成安全变道；在拥堵路段，可自主规避事故或施工区域。
四、成本与技术突破：推动激光雷达普及
2025 年激光雷达成本显著下降，速腾聚创等厂商的固态激光雷达成本已降至 200 美元以下，为小米等车企规模化应用提供了基础。小米通过以下方式实现技术与成本的平衡：
- 定制化设计：禾赛 AT128 激光雷达采用 “瞭望塔式” 布局，风阻系数降低 4counts，兼顾性能与外观。
- 算法优化：通过端到端模型与数据驱动架构，减少对高精度地图的依赖，降低硬件冗余需求。
- 量产规模：小米 SU7 连续 5 个月蝉联中大型纯电轿车销冠，规模化生产摊薄激光雷达成本，使其得以搭载于 20 万元以上车型。
五、用户体验与安全冗余
激光雷达不仅提升功能上限，还增强了用户对自动驾驶的信任：
- 透明化感知：车机界面可实时显示激光雷达点云数据，帮助用户理解系统决策逻辑。
- 安全冗余：小米 SU7 的制动系统采用四重冗余设计（DPB+ESP10 + 动能回收），确保在激光雷达或其他传感器失效时仍能安全制动。
- 极端场景优化：针对中国复杂路况（如无标线道路、行人混行），激光雷达与道路大模型结合，实时生成拓扑地图，提升系统适应性。
总结：激光雷达的战略价值
对小米而言，激光雷达是其智能驾驶生态的 “基础设施”。它不仅是实现高阶自动驾驶的必要条件，还通过数据积累反哺算法迭代（如训练端到端模型），形成技术壁垒。随着成本下降与法规完善（如《北京市自动驾驶汽车条例》支持 L3 级功能），激光雷达将成为 2025 年智能汽车的标配，而小米通过硬件创新与软件优化，正加速这一趋势的落地。
