接管次数是衡量城市NOA"能用与否"的最硬核指标——它直接决定了驾驶员需要时刻保持警惕还是可以适度放手。东吴证券2025年1月上海路测将接管细分为安全性接管（客观上功能无法实现或即将出现危险的必要性干预）与非安全性接管（司机主观判断的预防性操作），这一分类方法为理解智驾系统的真实能力边界提供了精准标尺。7家参测车企中，理想以0.87次平均总接管夺得泛化测试桂冠，但深度路测中理想的7.6次接管以效率型为主，揭示了"接管数量≠体验差"的行业真相。
接管次数解码——从7km泛化路测看城市NOA的真实省心程度
东吴证券在大样本泛化路测中统计了全程7km固定路线的平均总接管次数，并将其进一步区分为安全性接管与非安全性接管。安全性接管被定义为"客观上功能无法实现或即将出现危险所采取的必要性接管"，而非安全性接管则指"司机主观判断的预防性接管"——例如嫌弃前车太慢主动要求变道、或预判系统可能处理不好提前介入。
这一分类方法的行业价值在于：同样是一次接管，背后可能是"系统要撞了赶紧救"和"系统能过但太慢了自己来"的云泥之别。在泛化测试中，理想0.87次总接管中0.77次为安全性接管，华为1.00次中0.80次为安全性接管，小鹏1.40次中1.05次为安全性接管——三家的安全性接管占比均超过70%，意味着绝大多数接管并非系统能力不足，而是驾驶员对效率或舒适度的主观追求。
第二梯队的接管结构则截然不同。蓝山3.29次、极氪3.43次、小米3.43次的接管中，安全性接管占比更高，且接管场景集中于环岛、掉头等系统无法完成的先验性断点——这意味着驾驶员并非"嫌慢"，而是"不得不接"。腾势1.93次虽然接管频率接近第一梯队，但掉头尚未实现、环岛能力处于"可用但需警惕"状态，反映出场景覆盖的局限性。
表：2025年1月上海城市NOA泛化路测接管数据对比| 品牌 | 智驾版本 | 平均总接管（次/7km） | 安全性接管（次/7km） | 非安全性接管（次/7km） |
|---|
| 理想 | OTA 6.5.1 | 0.87 | 0.77 | 0.10 |
| 华为 | ADS 3.2 | 1.00 | 0.80 | 0.20 |
| 小鹏 | XOS 5.5.0 | 1.40 | 1.05 | 0.35 |
| 腾势 | BAS 3.0+ | 1.93 | — | — |
| 魏牌蓝山 | Coffee OS 3.1 | 3.29 | — | — |
| 极氪 | OTA 6.3 | 3.43 | — | — |
| 小米 | HyperOS 1.4.5 | 3.43 | — | — |
深度路测的接管分布——场景归因揭示系统能力边界
如果说泛化路测的接管次数是"成绩单"，那么深度路测的接管分布就是"错题本"。东吴证券将1.5小时/25km深度路测中发生的每次接管精确对应到具体场景，形成了7家车企的接管分布图谱。这一方法的独特价值在于：不仅能看"接了多少次"，还能看出"在哪里接"以及"为什么接"。
小鹏XOS 5.5.0在深度路测中的4.0次接管分别分布于换道、障碍物/车辆绕行、右转、掉头四个场景。其中换道、障碍物绕行、右转三者的接管原因均为"旁车干扰"——即系统判断安全冗余不足而请求驾驶员介入，属于外部交通参与者行为不可预测导致的被动接管；掉头场景的介入则是因为需要人工轻踩加速踏板辅助完成，属于"半自动"完成而非完全自主。
华为ADS 3.2同样录得4.0次接管，但分布迥异——高度集中于加塞和避让车辆/行人等主动型、挑战型场景。华为的激进风格使其主动触发的加塞、换道行为频次显著高于其他车型，这些行为在成功时通行效率极高，但在失败时则需要安全员紧急接管。换言之，华为的接管是为"挑战高难度"付出的代价，而非能力不足。
理想OTA 6.5.1深度路测接管7.6次，分布于换道、红绿灯启停、避让车辆/行人、修路、加塞、掉头、窄道通行七类场景。但值得注意的是，其接管多为"非安全性接管"——例如在窄道通行时系统能过但车速偏慢，驾驶员主观介入提速。这意味着虽然理想的接管次数多于华为和小鹏，但大多数是"嫌弃慢"而非"害怕撞"。
安全性接管 vs 效率型接管——为什么7.6次接管体验可能好于4.0次
深度路测中最具启发性的发现是：接管次数与用户体验并非简单的反比关系。理想以7.6次接管位列第一梯队末位，但在试乘评价人的驾驶信任度评分中并未落后——核心原因在于接管类型的差异。
理想的7.6次接管中，大部分被归类为"效率型接管"——即系统已有完整的轨迹规划和速度控制，能够独立完成场景，但驾驶员出于对通行效率的更高要求而主动介入。例如在红绿灯启停场景中，理想系统倾向于稳妥地留出较大安全距离再起步，驾驶员如果赶时间可能会主动踩下加速踏板。这种接管并非系统"做不到"，而是"做得不够快"。
与之对比，极氪的19.0次接管和小米的21.0次接管中，大量集中在环岛、掉头、复杂路口等系统能力边界场景——驾驶员接管的原因不是"嫌慢"，而是系统确实无法独立完成。这种"不得不接"的体验在主观评价中远比"接一下提速"更扣分。
这一发现对行业有重要启示：城市NOA的体验优化不应只盯着"减少接管次数"这一个目标，还应在"无法避免接管的场景中，确保接管是效率型而非安全型"。换句话说，让驾驶员因为"太慢"而接管，远好过因为"要撞了"而接管——前者是体验优化问题，后者是能力缺陷问题。
安全员风格对接管数据的影响——一个容易被忽略的变量
东吴证券在报告中特别指出：安全员的驾驶风格可能对智驾评价产生显著偏差。在1月15日上午的测试中，小鹏/享界/理想分别对应激进/保守/中性的安全员；下午则将小鹏与享界的安全员对换。数据分析发现，同一车型在不同驾驶风格安全员的操作下，接管次数和主观评分存在明显波动。
这一发现揭示了当前城市NOA路测方法论中的一个重要课题：安全员的"信任度"和"干预阈值"本身就是一个变量。保守型安全员倾向于更早介入、预防性接管更多；激进型安全员则愿意给系统更多尝试空间，但在极端情况下可能面临更高风险。不同安全员的干预阈值差异，会导致同一系统的接管次数出现"±30%"左右的波动。
为控制这一变量，东吴证券在1月16日的测试中对腾势、蓝山、极氪、小米四家采用了统一的安全员团队，并确认"安全员驾驶风格并未导致智驾评价的显著偏差"——因为接管场景多因"不能完成场景或安全性考虑"而发生，而非效率考量。这意味着当系统能力边界清晰、先验性断点明确时，安全员风格的影响反而减弱——因为在"系统做不了"的场景中，无论谁开都得接管。
