这是一份针对极氪007 GT最新NZP智能驾驶系统的详尽实测报告。通过在升级版复杂地图上的1小时26分钟挑战，内容揭示了系统在应对各种真实路况时的能力边界与决策逻辑，为关注智能驾驶技术的用户提供了极具价值的参考。
智能速览
NZP 6.7在复杂转弯和防御性驾驶方面表现出色。
在长尾场景下存在问题，如盲区十字路口和车道选择。
系统对小障碍物（塑料袋）的感知很有趣，但决策逻辑有待完善。
窄路通行能力受限于OCC精度，偶尔需要接管。
全程测试共接管5次，其中3次为安全接管，2次为效率接管。
精华内容
本次实测聚焦于升级版极氪NZP系统，通过模拟城市复杂路况，全面检验其在新场景下的适应能力与决策逻辑。
基础路况表现
在园区内道路、大曲率带坡度左转以及通过闸机等基础场景中，NZP系统表现稳定。系统能够识别并纳入导航的半公开道路，并在出园区时主动将车速降至10码以下，展现了良好的防御性驾驶意识。对于无保护的左转，系统规划轨迹合理，未选择内切等危险路径，平稳通过。
在通过闸机时，系统界面能渲染出栏杆并做到停车等待、平稳起步，基础的交互和执行能力值得肯定。
复杂场景挑战
面对城中村、盲区路口及突发状况时，系统的表现则优劣参半。在城中村路段，NZP能保持40km/h限速行驶，汇车后提速果断。但在典型盲区路口，系统以27码的速度通过，缺乏防御性减速，给驾驶员带来心理压力。
面对右侧车辆的突然切入，系统反应迅速，及时触发AEB警告并刹停，避免了碰撞。但在隧道内，系统未能根据实际车流调节速度，保持40码匀速行驶，通勤效率稍显不足。
感知与决策逻辑
系统的感知与决策机制展现了有趣的特点。面对前方塑料袋，系统能准确识别并减速，但在靠近后仍选择碾压，推测是因视角变化和传感器噪声，系统将其从障碍物改判为地面。
在极窄桥梁会车时，因OCC占用网络精度不足且缺乏自主脱困功能，系统在尝试无果后停滞，需人工接管才能通过。这表明当前技术在极限空间利用上仍有局限。
长尾场景短板
测试中暴露的短板主要集中在导航与场景理解不足。一次因导航指令错误，导致车辆在盲区路口未减速甚至加速，引发安全接管。另一次在车站附近，因无法理解特殊车道结构，出现轨迹“画龙”和跳变，导致接管。
根本原因在于系统对这些长尾场景的训练数据不足，场景理解能力有待加强。在面对环岛等常规场景时，系统则表现正常，安稳通过。
极氪NZP 6.7版在日常通勤，尤其是城市左转时的防御性驾驶表现已相当出色，体感提升显著。但在处理极端长尾场景和复杂路口时，其场景理解能力仍是短板。随着后续版本的迭代，这套智能驾驶方案的潜力值得期待。
