2025 年小米汽车在毫米波雷达的应用上展现出明确的技术路线与行业前瞻性。从公开信息来看，小米 SU7 系列车型（如 SU7 Ultra）已明确搭载毫米波雷达，其配置方案与技术策略可归纳为以下几个方面：
一、毫米波雷达的配置与功能定位
- 硬件配置
小米 SU7 Ultra 2025 款标配3 颗毫米波雷达，主要分布于前保险杠及两侧翼子板区域，配合 1 颗激光雷达、11 颗高清摄像头及 12 颗超声波雷达，形成多传感器融合的感知网络。
- 核心作用：毫米波雷达主要负责实时监测车辆周围障碍物的距离、速度及相对运动轨迹，支持自适应巡航（ACC）、紧急制动（AEB）等基础 ADAS 功能，并在雨雪、雾霾等恶劣天气下弥补摄像头和激光雷达的局限性。
- 数据融合：与激光雷达、摄像头协同工作，提升智能驾驶系统的冗余性和可靠性，例如在暴雨、大雾等场景下保障高速 NOA（自动辅助导航驾驶）和城市 NOA 功能的安全执行。
- 技术方案选择
小米未采用行业前沿的 4D 毫米波雷达（如比亚迪、长安等车企使用的加特兰 Alps-Pro 系列），而是沿用传统 3D 毫米波雷达。这一选择可能基于成本控制与技术成熟度的考量 ——3D 毫米波雷达成本约为 1000 元 / 颗，而 4D 雷达单颗成本可能超过 2000 元。
- 未来升级空间：行业趋势显示，4D 毫米波雷达因具备俯仰角探测能力，正逐步成为高阶智驾的主流配置。小米若在后续车型中引入 4D 雷达，可进一步提升对障碍物高度的识别精度，优化复杂路况下的决策能力。
二、自动驾驶系统与毫米波雷达的协同
- 端到端全场景智驾（Xiaomi HAD）
小米 SU7 Ultra 搭载的 Xiaomi HAD 系统，通过毫米波雷达与激光雷达、摄像头的融合感知，实现从停车位到目标停车场的全程无缝衔接。例如：
- 障碍物绕行：毫米波雷达实时监测车辆周边动态，结合激光雷达的 3D 点云数据，系统可精准识别临停车辆、施工路段等障碍物，并规划绕行路径。
- 极端天气应对：在低光照或强降雨环境下，毫米波雷达的穿透能力可辅助视觉传感器维持感知稳定性，确保高速领航、自动泊车等功能的连续性。
- 算力与算法支持
小米采用双 NVIDIA Orin-X 芯片（总算力 508 TOPS），支持毫米波雷达数据的实时处理与多传感器融合。其算法框架（如 BEV+Transformer + 占用网络）可动态调节感知范围，提升复杂场景下的决策效率。
- 数据训练：小米通过用户驾驶数据训练端到端模型，优化毫米波雷达与其他传感器的协同逻辑，例如减少急加速 / 急刹车，提升轨迹平滑度。
三、行业对比与技术挑战
- 行业趋势与竞争格局
- 4D 雷达普及：2025 年，4D 毫米波雷达在乘用车领域的渗透率预计超过 40%，比亚迪、长安等车企已将其作为智驾方案的核心传感器。
- 小米的差异化策略：小米选择 “激光雷达 + 3D 毫米波雷达” 的组合，与特斯拉的纯视觉方案、华为的多激光雷达方案形成差异化竞争。这种配置在成本可控的前提下，兼顾了高阶智驾的感知需求。
- 技术挑战与优化方向
- 成本与性能平衡：3D 毫米波雷达的探测精度（如角度分辨率）仍逊于 4D 雷达，小米需通过算法优化（如多雷达点云融合）弥补硬件短板。
- 法规与标准适配：随着《北京市自动驾驶汽车条例》等政策的实施，毫米波雷达的性能需满足更高的安全冗余要求，例如故障检测与备份机制。
四、未来展望
- 技术升级路径
- 4D 雷达引入：若小米在 2025 年后的车型中采用 4D 毫米波雷达，可进一步提升对障碍物高度的识别能力，优化匝道汇流、隧道通行等场景的决策逻辑。
- 传感器融合深化：结合 VLM（视觉语言大模型）与端到端算法，小米可能将毫米波雷达数据与语义地图、交通规则库深度融合，实现更拟人化的驾驶行为。
- 生态整合与用户体验
小米通过澎湃 OS 实现 “人车家全生态” 联动，毫米波雷达数据可与智能家居、手机等设备共享，例如：
- 远程车况监控：用户通过手机 APP 实时查看毫米波雷达监测的周边障碍物信息，辅助判断车辆停放环境的安全性。
- 跨设备协同：在家庭场景中，毫米波雷达可联动小米安防设备，实现车辆周边异常行为的远程预警。
总结
2025 年小米汽车在毫米波雷达的应用上，以 3D 雷达为基础构建了多传感器融合的感知体系，支撑其端到端全场景智驾功能。尽管未采用前沿的 4D 雷达技术，但其配置方案在成本、性能与行业趋势之间取得了平衡。未来，随着技术迭代与法规完善，小米可能进一步升级毫米波雷达的硬件与算法，以应对高阶智驾的复杂需求。
