芝能科技出品

增程式电动车一直像一个“带着瑕疵的妥协”，既满足了电驱的平顺与低成本补能，又不得不依赖发动机兜底。

当然用户对“亏电感”的集体抱怨却成为这一架构挥之不去的阴影：当电池电量不足，油耗飙升，动力迟滞，噪音与振动骤然放大，车辆体验从电驱的丝滑跌落到燃油的粗粝。

这背后是能量管理的固有局限。传统系统只能被动响应当下工况，缺乏全局视角与前瞻规划。无论是发动机效率点的游离，还是能量回收的割裂，都使得增程式始终停留在“临时补救”的层面，这是一种工程可行，却始终难以摆脱“不完美”的技术路线。

所以和插电混动里面的技术一样，现在增程技术也开始围绕以 AI 能量控制平台为核心，将驾驶行为、道路环境和能量分配纳入同一套预测模型，转向主动优化。

01

增程的问题的解决方案

● 传统方案遇到的问题

在传统增程架构中，发动机通过增程器为电池和电驱电机供电，但其运行工况往往难以保持在高效区间。

电池电量充足时，发动机工作较少，不会暴露明显问题；但在亏电状态下，发动机必须频繁介入，而工作点在低效率区间的概率大幅增加，导致油耗上升。此外，电驱系统的能量损耗在负载波动时更加明显，加重了亏电带来的整体能耗问题。

多数现有增程式车型的能量管理策略较为简单，常基于SOC（电池荷电状态）阈值触发发动机介入，或根据瞬时车速和功率需求进行被动分配。这种模式缺乏对道路环境和用户习惯的预测能力。

例如，车辆在进入长上坡前没有提前储能，往往需要在坡中大幅提高发动机输出，造成油耗和噪声急剧上升；而在下坡时如果电池已满，又无法有效利用能量回收。

增程式动力系统需要在发动机与电驱之间不断切换能量来源。若切换过程缺乏足够的精细控制，驾驶者往往会感受到动力响应延迟、发动机噪声突兀或车身抖动加剧。

这些细节体验直接构成了“亏电感”，也是增程式车辆在与纯电动车对比时的最大短板。

● 如何改善，技术方案与实现路径

广汽星源增程技术的办法，是在硬件上优化了发电机效率与电驱损耗，在软件上则通过AI能量管控体系重新定义了能量分配逻辑。

该体系依托中央计算平台的算力，结合导航大数据、实时传感器信息与用户行为建模，形成四大核心策略。传统系统通常在“看到需求时才开始反应”，而广汽的AI能量管理强调“提前准备”。

通过与导航系统联动，结合交通流量和坡道路况信息，AI平台能够提前判断能量需求并做出策略。

在技术实现上，平台基于动态规划算法，在状态节点空间中搜索最优工作序列。每秒完成一次迭代计算，使能量分配始终保持动态最优。

例如，当系统识别到前方十公里将有长上坡时，会提前启动增程器补电，避免中途因功率不足而被迫高转速运转；而在长下坡前，会降低电池SOC，为能量回收留出空间，系统将发动机运转频率控制在最优区间内，同时提升能量回收的有效性。

能量策略可以通过学习用户习惯建立个性化模型，能够识别143类驾驶场景和20条常用路径，对驾驶风格、车速习惯、充电规律进行建模。

例如，对于经常在夜间家用桩补电的用户，系统会在白天保持相对较低的终点SOC，以提升能量使用效率。而对经常依赖公共充电站的用户，系统则会保持较高SOC，避免长时间亏电带来的油耗和体验下降。

这种基于个体差异的自适应策略，使车辆不再只以统一逻辑运行，而是“因人制宜”地优化能量管理。

现有车辆通常只提供几档能量回收强度，驾驶者需手动选择，通过融合雷达、摄像头等感知信息，实时识别跟车状态、道路坡度和交通流密度，并结合驾驶员的操作习惯预测下一步动作。在滑行或减速时，系统自动调节回收力度，实现“刚刚好”的能量回收。

02

带来的结果和变化

结果变化最大的是平衡效率与舒适性，最大化能量回收，延长续航，又避免了因回收过强导致的急减速和乘客不适感，尤其适合城市拥堵环境，能显著降低用户对增程车的负面感知。

在油电切换上，广汽的AI平台预设了333种功率分配方案，并以微秒级频率计算车速、发动机转速、功率需求与NVH参数，实时选择最优解。

这意味着在驾驶员突然加速或减速时，系统能立即匹配动力需求，既保证响应速度，又避免发动机高转速带来的噪音与振动。

这项技术的价值在于，用户几乎感受不到油电切换的存在，增程车的驾驶体验更接近纯电动车，而能源效率却得到了保障。

在国内外市场，很多品牌也推出过增程式方案，主要思路是通过发动机高效区间控制和能量回收策略来降低油耗。

能量管理大多是基于规则的固定逻辑，缺乏对用户个性化的学习。例如，发动机启动和停机往往依赖单一阈值触发，未能充分考虑驾驶环境。能量回收与油电切换的控制粒度有限，多数仅能做到秒级反应，而在复杂工况下仍会出现动力迟滞或NVH不佳的问题。

改进的地方主要是在于：

◎ 预测性调度：通过导航数据和超视距路况识别实现“提前布局”，而不是被动响应。

◎ 个性化学习：利用大数据和用户习惯建模，形成差异化补电策略，这在现有增程方案中较为罕见。

从用户角度看，星源增程技术的最大价值在于“减少存在感”。传统增程车的“亏电感”往往非常直观，表现为加速迟滞、发动机突然介入带来的噪声和抖动，发动机的介入被平滑化，能量回收的调节更智能，用户的主观感知被显著弱化。

个性化的补电策略也让车辆逐渐“了解”驾驶者。例如，一位用户习惯每天通勤40公里，那么系统会在行程末端自动优化SOC，让车辆在整个通勤过程中保持最佳效率，体验不仅提升了经济性并增强了用户对车辆智能化的认可度。

小结

通过 AI 主导的预测调度与毫秒级功率协同，可以让油电切换变得不再尴尬，也让亏电状态下的驾驶体验得以延续电驱的平顺。

增程式的尴尬，本质上是硬件效率与能量管理的不匹配。硬件的边际提升已接近极限，只有算法和系统整合才能继续突破。

未来，增程式能否摆脱“过渡技术”的标签，取决于这种架构级优化能否在更多车型、更多用户场景中验，当 AI 真正接管能量管理，它或许会让增程式走向一个新的阶段。

       原文标题 : 增程式的“痛点”可以用AI修复？！如何让油电无缝切换？