最近在网上看到一个讲智驾算法的视频，视频制作是挺不错的，不过作者可能还是学生，不是在一线搞量产的，所以对于一些实际的量产做法和最新的量产进度并不是很了解，比如他讲的延迟，我今天就展开聊一聊吧。

人要反应时间，那智驾系统要不要反应时间呢？当然是需要的。并且这里要注意一个很关键的口径区别：模型时延≠整个系统的时延。

什么意思呢？从一个事情发生，车的摄像头拍下的那一刻算起，首先处理图像并且输送给智驾芯片，这里就有一点时延；然后是智驾芯片的计算，现在其实很多端到端模型的优化已经很不错，这一步做到300ms内也都不稀奇。

再然后，是把输出的信号交给底盘执行。这一步的时延往往被很多人忽略，觉得“在电线上光速传输，可以忽略”，但实际上首先车辆内部的通信是有固定频率的，比如100Hz就是每10ms发送一次数据，并且有些关键部件的还是国际top供应商提供的（这没办法，像ESP这种安全性部件，很难一下子取代），别人也不直接开放执行器权限给你。所以你要先把信号发给相应的控制器，再由控制器去让执行器执行，这样一层层下来，时延就也不能忽略了。

当然以后如果能进一步做到将这些东西都全部自研，那么时延是有望进一步下降的。但就现在而言，整个系统的“响应时间”普遍是在0.5秒~1秒级别。就比如说从一个突发事件出现，到实际上刹车建压，做出明显减速，大致需要这么长的时间。

那作为对比，“人”这个系统的响应时间要多久呢？这就必须分情况讨论了。如果是“全神贯注等一件事发生”，那么人从看到事情到做出手部动作，反应很快的人的极限反应时间也要200ms左右，如果是做出脚部动作就要约300ms左右了。再加上比如脚踩刹车到刹车泵真正建压至少还要几十ms，整个“系统”的最低响应时间大约在0.3-0.4s。

也就是说，理想情况下，如果你盯着一个地方等一件事发生，而且脚也放在刹车上，随时准备踩下去，那么反应确实是有机会比智驾更快的。有人可能就会说，那我还要智驾干啥？但是——

如果你在观察左边，结果右边出现危险了呢？如果你脚踩的是油门呢？或者你犹豫了一瞬间怕自己踩错呢？毕竟人驾大部分时候踩的都是油门。而且如果有些场景你还要转头观察后视镜呢？这时延一下子就成倍增长了，而智驾可不用看扭头

甚至如果你恰好恍惚了一下，或者是走神了呢？如果都是理想情况，那全国每年就不会有十几万起严重的交通事故了。

实际上，人开车也永远是在“防御”与“效率”直接找平衡。比如夜间经过一堆停着的车，不可能说因为怕鬼探头，就只敢乌龟爬的速度。对于“轻度风险”或者“潜在风险”，“老司机”的方式往往是带一点方向，尽可能离风险远一点，同时控制速度不会开太快。现在的端到端智驾，当然也会学习这种方式。

那你说，“老司机”就一定不会出事吗？当然也不是，一是人有反应极限，刹车还有物理极限。二是如果都是理想情况，还是那句话，就不会有那么多事故了。

人是不可能100%保持最佳状态的，看回放都会觉得“我上我也行”，但实际上，你可以在99.9%的时候都做得很好，而剩下的0.1%呢，只能指望不要运气不好？

这个时候如果有一个辅助驾驶，也能在99.9%的时候做得很好，那么两个合在一起，出问题的概率不是从1‰变成了0.5‰，而是变成了百万分之一。

杠精可能会继续说百万分之1也不是0，但只要实际平时开车的人都知道这个价值有多重要。