（问题）近年来，新能源汽车智能化进程加快，辅助驾驶功能从高速巡航、车道保持扩展到城市道路和复杂交通场景。但用户体验上，“顿挫感”“急刹急转”“跟车忽快忽慢”等现象依然常见，尤其在弯道、并线、拥堵跟车和突发插入等情况下，系统容易出现控制偏硬、动作不连贯。对消费者来说，平稳性不仅关系乘坐舒适度，更直接影响安全感与信任，也是智能驾驶从“能用”走向“好用”的关键门槛。 （原因）业内普遍认为，不够平顺往往来自三个环节的短板。一是感知理解不足：道路要素复杂，车辆、行人、两轮车行为不确定性高，当单一传感器能力有限或融合精度不足时，目标识别易抖动、预测不稳，导致控制端频繁修正。二是决策逻辑过于“规则化”：依赖固定阈值和规则库的方案对长尾场景覆盖有限，面对施工改道、临时障碍、夜间弱光、雨雪遮挡等情况，容易在“过于保守”与“过于激进”之间摆动，表现为急刹或不必要的急加速。三是控制策略偏“刚性”：若控制层更强调满足即时约束而忽视舒适度指标（加速度、加加速度、横摆变化等），乘坐体感就可能变得突兀，进而削弱体验与信任。 （影响）理想汽车此次公布的新一代自动驾驶模型，将“行得更稳”作为升级目标，表达出新的行业信号：智能驾驶竞争正在从“拼功能”转向“拼体验”。据企业介绍，新模型通过多传感器协同增强对周边环境的连续理解，并以端到端学习降低对固定规则的依赖，使车辆在跟车、变道、过弯及应对突发事件时更连贯。若涉及的能力在更多真实道路中得到验证，可能带来三上影响：对用户而言，更平稳的加减速和更柔和的转向有助于减少晕车与紧张感，缓解长途和拥堵中的疲劳；对交通安全而言，更稳定的车速控制与轨迹保持有望降低追尾、剐蹭等常见风险；对行业而言，“体验指标”可能继“是否具备城市领航”等功能之后，成为新一轮竞争焦点，推动企业持续投入数据、算法与安全验证体系。 （对策）从企业披露的技术路径看，提升平稳性不是单点优化，而是“感知—预测—决策—控制”全链路协同。其一，感知侧强化多源信息融合，通过激光雷达与高清摄像头等协同，构建更细颗粒度的环境理解，提升对车辆切入、前车减速、路面起伏等细节的提前识别与预判，减少后端“被动补救式”控制。其二，在决策侧引入数据驱动的学习框架，利用海量真实驾驶数据学习更接近成熟驾驶员的处理方式，让策略在不同场景中更自然、更连贯。其三，在控制侧强调“柔性控制”，将车辆动力学状态、路面附着条件、载荷变化等纳入实时计算，并加入舒适度相关指标约束输出曲线，避免“一刀切”的加速度或转角指令，提高动作细腻度。其四，在安全侧坚持“先验证、再上车”，通过大规模仿真与实车测试叠加验证，降低极端条件下的功能风险，确保体验提升不以安全为代价。 （前景）多方观点认为，随着算力成本变化、数据规模扩大以及训练与验证体系逐步完善，智能驾驶将进入更强调“精细化”的阶段：一上，长尾场景处理能力将成为衡量系统成熟度的重要指标，决定其能否更广泛环境中稳定运行；另一上，持续迭代机制将加速体验优化，使车队级更新更具可行性。但也需要看到，技术演进必须与法规要求、道路基础设施条件、用户使用边界提示同步推进。尤其在复杂城市交通中，应持续强化对驾驶员注意义务的提示、功能适用范围说明及风险预警机制，推动形成可验证、可追溯、可解释的安全闭环。
智能驾驶的价值不只是替人“多做一些”，更在于把每一次加速、制动与转向做得更克制、更稳定、更可预期。以“行得更稳”为目标的升级，体现出行业从炫技回归务实、从参数竞赛转向体验与安全并重的趋势。面向未来，只有在安全边界清晰、验证体系扎实、用户信任持续累积的基础上，智能驾驶才能真正成为提升出行效率与生活品质的可靠伙伴。