引言
近年来，随着教育信息化进程的加快，全国多媒体教室的普及率进一步提升[1]。针对眼部快速发育的学生而言，多媒体教室光环境质量的好坏与学生的视力健康密切相关。吕若然等[2]对北京市2009—2013年中小学校教室照明卫生状况进行了监测，结果显示教室平均照度与合格率均有所下降，特别是多媒体教学设备的普及导致黑板灯的使用和维护被忽视，黑板面照度的合格率更低，多媒体教学设备对学生视力的影响需要进一步研究。尤小芳等[3]调查了上海市中小学生视疲劳的流行现状，并分析了其与多媒体教学环境的关联性，研究表明上海市中小学生视疲劳现状不容乐观，在教学过程中应注意多媒体教学环境对其的影响并采取针对性措施。虞晖等[4]对同步课堂教室的光环境进行了优化设计，重点研究投影区域灯光和教室照明互相影响的问题。本文从视疲劳的角度进行研究，探讨适于多媒体教室光环境研究的实验方案。
①发言人发音不清晰：参观浪潮集团时，一位斯洛文尼亚官员在体验VR设备后说道:“VRtechnology has just gone public shortly.Ireally appreciate that Inspur can follow the trend to develop the VRuser experience.”由于这位官员发音不清晰且语速较快，笔者并未完全听辨出源语信息，但根据VR,public,follow和user experience等词采取了猜测的方式，将此句译为：“公众刚开始接触VR技术，我很欣赏浪潮公司能够紧跟潮流，发展用户体验。”
1 视疲劳的基础研究
视疲劳并非独立的眼病，而是以患者自觉症状为基础，伴随着视知觉活动产生的眼与全身器质性因素相互交织的综合征，因而被称为视疲劳综合征，属于身心医学的范畴[5]。屈光不正(近视/远视/散光等)、长期从事近距离精密工作和视觉显示终端(VDT)等工作、空间照明不足或过强、身体衰弱的人都较容易产生视疲劳。视疲劳的不适症状主要表现为：眼干、眼酸、眼痛、流泪、睁眼不适、眼部灼热、聚焦困难、重影、肩部僵硬、头疼、视觉作业的速度和精度降低等[6，7]。也有研究认为符合下列任一项者即可诊断为视疲劳：近距离工作注视不能持久，易疲劳，伴有头痛、头晕、嗜睡、畏光、流泪、眼酸胀及睁眼困难等不适；眼及眶周疼痛，近距离用眼加重[8]。当代视光学家认为视疲劳是诱发近视及引起近视度数加深的主要因素[9]。
视疲劳的病因机制主要有以下三个方面。①眼部因素：调节性因素，视疲劳的主要原因之一是屈光不正(近视/远视/散光等)，在屈光不正未予矫正时，看远或看近时会运用到较大的调节，造成眼部睫状肌持续紧张，从而导致调节性视疲劳；眼肌因素，人眼的眼肌主要包括眼外肌(上/下直肌、内/外直肌、上/下斜肌，共6条，主管眼球转动)、眼内肌(虹膜括约肌、扩张肌，主管瞳孔扩张收缩；睫状肌，主管晶状体调节)、眼睑轮匝肌和提上睑肌(主管眼睑开合)，当近距离用眼负荷增加且连续作业时间较长时，眼肌会持续地收绷，产生紧张、疲劳、酸胀、麻木的感觉，甚至造成眼部血液流动滞缓、淤血和神经紧张，导致视疲劳[10]，并且其视疲劳症状的轻重与连续作业时间成正比，连续作业时间越长，视疲劳的症状越重[11]；另外，眼部的干眼症、结膜炎、角膜炎、睑缘炎、白内障、睑板腺功能障碍(MGD)等其他原因也可诱发视疲劳。②身体因素：虽然视疲劳的症状在眼睛，但复杂的全身性疾病、产后及病后身体虚弱患者也会出现视疲劳；长时间的脑力劳动、过度焦虑、精神创伤等神经因素亦可诱发视疲劳。③环境因素：包括灯光忽明忽暗、灯光闪烁不稳、空间照明不足或过强，注视目标与背景颜色接近难以区分，注视目标周围存在不和谐色调，桌椅高低不符合人体生理要求，环境存在噪音等环境因素都可引起视疲劳[5]。
2 光与视疲劳的实验研究
2.1 主观评价
主观评价是通过主观问卷的方式获得被试的疲劳状态，主观问卷量表的设计需要在简洁的基础上尽量涵盖所需要的指标信息，以便给被试传达准确的评价标准。目前，疲劳相关自评量表中应用最为广泛的是卡罗琳斯卡困倦度量表(Karolinska sleepiness scale，KSS)和斯坦福嗜睡量表(Stanford sleepiness scale，SSS)。KSS困倦度量表[12]包括1个题目、9点记分——1指警醒度极高，2指非常警醒，3指警醒，4指比较警醒，5指既不警醒也不困倦，6指有点困倦，7指困倦但不需要非常努力就可保持警醒，8指非常困倦需要极大努力保持警醒，9指极度困乏无法保持警醒。SSS嗜睡量表包括1个题目，7点记分，1指完全清醒、精力旺盛，7指基本无意识、接近睡眠。被试根据自己在填写量表时的主观感受选择对应的评分项，得分等级越高，疲劳感越强，反之疲劳感越轻。另外，Trudie Chalder等[13]研制出了疲劳量表FS-14，共包含14个题目，每个题目对应一个疲劳问题，可从不同角度反映疲劳的轻重，14个题目经主成分分析又可分为反映躯体疲劳和反映脑力疲劳两大类。Rechichi等[14]提出了视疲劳的10个主诉症状，包括：眨眼、畏光、眼痒、视物模糊、复视、眼沉重、眼刺痛、流泪、恶心、头痛，并按照表现程度将每一项分为无、轻度、次轻度、中度、次重度、重度6个等级，当具有其中两个或以上症状时即可判定为视疲劳。主观评价方法直接、简单、容易理解，所以应用最为广泛。但主观评价的缺点是容易受到被试者自身主观因素的影响，准确率不高，很多时候并不能准确地反映被试的疲劳状态，结合其他客观评价方法，可以作为一种辅助手段应用于实验中。
耦合度是对系统有无序走向有序时，系统内部参量之间的协同作用的度量，依据系统相互作用的强弱程度，一般可以将耦合的过程划分为低水平耦合、拮抗、磨合和高水平耦合4个阶段[6]。通过灰色关联分析理论，分别求出关联系系数和耦合度，形成耦合指标体系。
2.2 客观测量
视疲劳研究常用的生理参数有脑电(EEG)、心电(ECG)(心率和心率变异性)、皮电(GSR)、脉搏波形(PPG)、体温(SKT)、血氧饱和度、眼动参数等。脑电指标主要包括不同频段的功率谱，重心频率以及疲劳因子等。心电信号中的心率和心率变异性常用来作为评估观看视疲劳的生理指标。研究表明，被试的视疲劳与交感神经、副交感神经活动之间的不平衡相关，在安静状态下，心率变化主要受副交感神经活动的调节，而在运动或者情绪紧张时，交感神经兴奋占优势。心率随着观看视疲劳的增大而增加，和视疲劳具有较好的一致性，可以用来作为视疲劳评估的指标。心率变异性用来反映人体的自主平衡作为一种非侵入式指标，有较高的敏感性，可以重复测量。心率变异性的分析方法分为时域分析和频域分析两种，时域指标主要包括 SDNN、RMSSD、PNN50 等指标，频域指标主要包括 VLF、LF、HF、VHF 等[15]。
深化改革 强化监管 推动水利安全监督工作再上新台阶——访水利部安全监督司司长武国堂 ………………… （24.45）
人眼作为直接感受光刺激的器官，眼部活动的变化最能直观地反映出视疲劳。眨眼、注视、瞳孔大小、眼跳、持续闭合时间、临界闪烁频率(CFF)等指标已逐渐应用于视疲劳研究中。Schleicher等[16]的研究表明眨眼频率和眼跳参数变化与疲劳、困意相关。Caffier等[17]的研究证实了眨眼的相关参数可以作为视疲劳的诊断指标。Papadelis等[18]的研究表明视疲劳与眨眼频率增加以及眨眼持续时间延长有关。Victor 等[19]的研究也证实眨眼频率增加与疲劳有关，眨眼持续时间延长则反映了神经系统的兴奋性下降和生理过程的失活或减慢。Verwey 等[20]通过眨眼来研究驾驶行为中的视疲劳。Borghini等[21]通过建立视疲劳模型发现眨眼次数也会随着视疲劳的加重而增加。Van Orden 等[22]结合眨眼时间、眨眼频率、瞳孔直径等参数来研究持续视觉任务时的视疲劳程度。张莉等[23]通过眨眼频率、注视持续时间、眼跳速度、眼跳频率及幅度等参数研究观看立体显示视频诱导的视疲劳程度。Murata 等[24]基于眼球运动和瞳孔变化来评估VDT作业时的视觉疲劳。Chawla等[25]基于瞳孔大小研究医学影像阅读环境明暗快速变化导致的视觉疲劳。赵峰等[26]的研究表明瞳孔直径变化与视疲劳程度呈正相关关系，光环境下人眼瞳孔变化越小，视觉疲劳程度越小，可见度越好，识别时间越短。王琼华等[27]通过研究提出了一种通过测量瞳孔直径来判断自由立体显示器观看时视疲劳程度的方法。在医学领域，常用PERCLOS算法来评价视疲劳，即当眼睛持续闭合时间大于3 s，且一分钟内有80%的时间是闭合的，这种状态称为疲劳。眨眼频率的高低与视疲劳有着密切的关系。Iwasaki和Akiya[28]的研究证实了临界闪烁频率(CFF)的下降反映了视网膜功能的弱化，所以可以用CFF值来衡量人眼的疲劳程度。
2.3 作业绩效
人借助视觉器官完成视觉工作的能力和效率称为视觉功效，视疲劳导致视觉功效下降的一个重要反映是工作、学习能力和作业绩效的下降。剂量作业法是常用的视觉功效测量方法，采用视觉作业任务量表的形式，常用的视觉作业量表有字母识别、图形识别和数字识别三种[29]。字母识别使用安菲莫夫校字表，该量表是常用的心理学方法，由大量字母随机组成，测试时要求被试在规定时间内从表中划去限定条件的字母。图形识别使用视力追踪测试表和朗道尔环随机组成，视力追踪测试表要求被试按照线条走向从开始选项找到对应的结尾选项，朗道尔环要求被试从表中划去与目标环开口方向相同的项。数字辨识使用数字校对表，该量表基本单元包含两列数字，左右两组数字为一组，两组数字随机组成，可能相同也可能不同，测试时要求被试在规定时间内判定左右数字是否一致并标记出不同的项。测试完成后，通过统计分析受试者完成视觉作业任务的正确率、完成速度和脑力工作指数等绩效，可以判定视觉功效的高低和视疲劳程度。
为了真实反映隧道-地层模型体系在振动中能量的耗散，在动力时程分析时必须考虑阻尼的影响。本文采用Rayleigh阻尼[22-23]。为了保证足够的精度，MIDAS/NX软件程序规定，隐式积分的时间步长还应满足不大于所考虑的最高阵型周期的1/10[24]，并且分析的时间间隔不能大于输入荷载的时间间隔，本文采用的积分步长Δt=0.01。
总体而言，主观评价方法从心理感受层面描述和评价视疲劳，其受个体差异的影响较大，没有统一的量化标准，但采集方便，分析较为简单；客观测量从生理信号和眼动参数来描述人在光环境下的视疲劳状态，数据较为准确，但测量起来麻烦，数据分析较为复杂；作业绩效是从视觉功效层面来评价视疲劳程度，并且因为被试一直有视觉作业任务，可以确保被试在实验过程中始终保持专注，达到实验预期。在视疲劳的实际评估中，需要将三种实验方法结合起来使用(表1)。
表1 实验研究中的视疲劳测量方法Table 1 Visual Fatigue measurement method of experimental study方法类别评价手段测量内容主观评价自我报告KSS困倦度量表、SSS嗜睡量表、疲劳量表FS-14、视疲劳自评量表客观测量生理参数脑电(EEG)、心电(ECG)(心率和心率变异性)、皮电(GSR)、脉搏波形(PPG)、体温(SKT)、血氧饱和度等眨眼、注视、瞳孔大小、眼跳、持续闭合时间、临界闪烁频率(CFF)等作业绩效剂量作业法字母识别(安菲莫夫校字表)、图形识别(视力追踪测试表、朗道尔环)、数字识别(数字校对表)
3 多媒体教室光环境视疲劳实验方案
多媒体教室的视觉识别对象主要包括投影幕布、黑板、讲台和课桌面，四者的视觉物理条件存在一定的差异。如何在同一室内空间中创造出尽量满足投影幕布、黑板、讲台和课桌面四者的光环境，有益于学生的眼部健康，正是多媒体教室光环境研究的重点和难点。首先，多媒体教室投影幕布亮度与黑板、课桌面、环境亮度比值影响学生的视觉健康，过高或过低的亮度对比都会对视觉产生不利影响，研究中需要分别在不同的投影幕布与黑板、投影幕布与课桌面、投影幕布与环境亮度比值条件下进行视觉实验，研究不同比值对学生视觉疲劳的影响，确定适宜人眼视觉健康的投影幕布亮度与黑板亮度、课桌面亮度、环境亮度的最佳比值。其次，研究中需要跟踪观测学生上课时在投影幕布、黑板和讲台三者之间的视觉动向，在三者不同的空间分布组合下进行视觉实验，研究不同空间分布组合对学生视觉疲劳的影响，确定适宜人眼视觉健康的投影幕布、黑板和讲台三者的最佳空间分布组合。
1)生理参数与视疲劳实验。生理参数包含的内容很多，不可能也没有必要对每一项进行分析和研究，因此研究中需要首先确定出与视疲劳最相关和效度最高的生理参数，这是各部分研究开展的前提和基础。设置生理参数与视觉疲劳实验，选择多名学生自愿者，裸眼视力或矫正视力大于等于5.0，无眼部疾病和其他病理因素，以保证实验正常进行和数据可靠。实验中要求被试在电脑屏幕上观看600组图片，每组图片分为2张，分别显示1s，中间无时间间隔，第1张图片为原始图片，第2张图片与第1张图片相同或在原始图像基础上改变图像质量，在2s的图像呈现后，显示屏变为黑屏状态，此时由被试主观判断两张图片是否存在质量上的差别，存在差别点击鼠标左键，不存在差别点击鼠标右键，无论被试是否点击鼠标，2s后程序自动进入下一组图片的比较，实验总耗时45 min。实验过程中，用生理信号记录仪和眼动仪实时记录被试的各项生理参数(脑电(EEG)、心电(ECG)、皮电(GSR)、脉搏波形(PPG)、体温(SKT)、血氧饱和度、眨眼、注视、瞳孔大小、眼跳、持续闭合时间等)，结合大量文献研究和被试视觉作业绩效，通过皮尔逊相关系数分析各项生理参数与视觉疲劳程度的关联度，采用方差分析(ANOVA)研究各项生理参数变化的差异性，最终筛选出关联度最高和变化最明显的生理参数。
2)投影幕布亮度比值实验。选择多名学生自愿者(同上)，分别在不同的投影幕布亮度与黑板亮度、投影幕布亮度与课桌面亮度、投影幕布亮度与环境亮度比值条件下进行视觉实验。在不同比值条件下，运用视觉作业绩效的测定方法，根据实验具体需要在投影幕布、黑板、课桌面上放置视力安菲莫夫校字表、视力追踪测试表/朗道尔环、数字校对表等，测试时被试者不能用手指、笔尖或鼠标辅助追踪，只能用眼睛追踪，每组实验持续45 min，每组实验开始前和实验完成时由被试填写KSS困倦度量表、SSS嗜睡量表和视疲劳自评量表，每组实验完成时要求被试对该比值条件下的显示质量和主观舒适度按语义差别7点量表(SD法)进行主观评价，每两组实验之间休息30 min。实验过程中，用MP160十六导生理信号仪和眼动仪实时记录被试的各项生理指标，结合视觉作业绩效的测试结果，研究视觉疲劳程度、视觉作业绩效、显示质量和视觉舒适度随亮度比值变化的规律，确定适宜人眼视觉健康的投影幕布亮度与黑板亮度、课桌面亮度、环境亮度的最佳比值。
3)投影幕布、黑板和讲台空间分布组合实验。用眼动仪对学生上课时的视觉动向进行跟踪观测，通过分析研究制定实验内容。选择多名学生自愿者(同上)，在实验室现场模拟多媒体教室投影幕布、黑板和讲台的空间分布，在不同空间分布组合下进行视觉实验，每组实验开始前和实验完成时由被试填写KSS困倦度量表、SSS嗜睡量表和视疲劳自评量表，实验完成时还要求被试对该空间分布组合下的主观舒适度按语义差别7点量表(SD法)进行主观评价。实验过程中，用MP160十六导生理信号仪和眼动仪实时记录被试的各项生理指标，结合KSS困倦度量表、SSS嗜睡量表和视疲劳症状自评量表的测试结果，综合研究视觉疲劳程度、困意和视觉舒适度随空间分布组合变化的规律，确定适宜人眼视觉健康的投影幕布、黑板和讲台三者的最佳空间分布组合。
4 结语
人眼是直接接触光刺激的器官，因此视疲劳常常作为光环境质量的评价指标。从以上的分析中，我们已经了解到视疲劳不是独立的眼病，而是属于身心医学范畴的视疲劳综合征，选择恰当的视疲劳测量手段和实验方法十分关键。总体而言，主观评价操作简单、分析方便，但实验结果受主观因素干扰较大；客观测量数据准确，但测量麻烦、分析复杂；作业绩效既有主观的成分，也有客观的成分。根据多媒体教室光环境的视疲劳实验要求，需要研究投影幕布、黑板、讲台和课桌面四种不同的视觉识别对象，其适合的实验方案不是相互独立的，而是需要将主观评价、客观测量、作业绩效三种实验方法灵活运用，形成主客观结合的适于多媒体教室光环境研究的视疲劳实验方案，以获得更为科学准确的研究结果。
参考文献
[1] 梁树英，杨春宇，张青文.基于青少年视觉发育的多媒体教室光环境研究动态[J].照明工程学报，2018，29(6)：11-15.
[2] 吕若然，段佳丽，郭欣，等.北京市2009—2013年中小学校教室照明卫生状况[J].中国学校卫生，2015，36(1)：150-152.
[3] 尤小芳，谭晖，汪玲，等.上海市中小学生视疲劳流行现状及与多媒体教学环境的关联性分析[J].中国学校卫生，2015，36(9)：1297-1299.
[4] 虞晖，赵向军.同步课堂教室光环境的优化设计[J].照明工程学报，2018，29(3)：17-24.
[5] 赵建军，叶建东.视疲劳诊断、病因及其治疗的研究进展[J].中国疗养医学，2014，23(3)：210-212.
[6] 陈燕燕，王莉莉，汤兰兰.不同照明环境下2D/3D显示视疲劳研究[J].电子器件，2016，39(2)：242-247.
[7] 杨春宇，胡皓，向奕妍，等.LED照明环境下照明参数对人眼视疲劳的影响[J].土木建筑与环境工程，2018，40(4)：88-93.
[8] 庄韵，杨瑶华，郑浩，等.141例飞行人员视疲劳病因分析[J].中国疗养医学，2010，19(11)：1051-1052.
[9] 宿蕾艳，庄曾渊.视疲劳病因机制及防治的研究进展[J].中国中医眼科杂志，2010，20(3)：183-185.
[10] Thiagarajan Preethi，Ciuffreda Kenneth J.Visual Fatigue and Accommodative Dynamics in Asymptomatic Individuals[J].Optometry & Vision Science，2013，90(1)：57-65.
[11] Smita Agarwal，Dishanter Goel，Anshu Sharma.Evaluation of the Factors which Contribute to the Ocular Complaints in Computer Users[J].J Clin Diagn Res，2013，7(2)：331-335.
[12] 毛天欣，熊晓，李静华，等.光照的警觉性作用[J].心理科学进展，2018，26(7)：1213-1222.
[13] Trudie Chalder G, Berelowitz Teresa Pawlikowska, et al Development of a fatigure scale[J]. Journal of Psychosomatic Research, 1993,37(2):147.
[14] Rechichi C. Scullica L. Asthenopia and monitor characteristics[J]. J. Fr. Ophtalmol., 1990,13(8-9):456-457.
[15] 王丹力，杨心盼，岳康，等.基于ECG的立体3D显示视疲劳的评估和建模[J].系统仿真学报，2019,31(2):212-217.
[16] SCHLEICHER R，GALLEY N，BRIEST S，et al.Blinks and saccades as indicators of fatigue in sleepiness warnings: looking tired? [J].Ergonomics，2008，51(7)：982-1010.
[17] CAFFIER PP，ERDMANN U，ULLSPERGER P.Experimental evaluation of eye-blink parameters as a drowsiness measure[J].European Journal Of Applied Physiology，2003，89(3-4)：319-325.
[18] PAPADELIS C，CHEN Z，Kourtidou-Papadeli C，et al.Monitoring sleepiness with on-board electrophysiological recordings for preventing sleep-deprived traffic accidents[J].Clinical Neurophysiology，2007，118(9)：1906-1922.
[19] VICTOR TW，HARBLUK JL，Engstrǒm JA.Sensitivity of eye-movement measures to in vehicle task difficulty[J].Transportation Research Part F-Traffic Psychology And Behaviour，2005，8(2)：167-190.
[20] VERWEY WB，ZAIDEL DM.Predicting drowsiness accidents from personal attributes, eye blinks and ongoing visual behavior[J].Personality And Individual Differences，2000，28(1)：123-142.
[21] BORGHINI G，ASTOLFI L，VECCHIATO G，et al.Measuring neurophysiological signals in aircraft pilots and car drivers for the assessment of mental workload，fatigue and drowsiness[J].Neuroscience and Biobehavioral reviews，2014，44：58-75.
[22] Van Orden KF，JUNG TP，MAKEIG S.Combined eye activity measures accurately estimate changes in sustained visual task performance[J].Biologic Psychol，2000，52(3)：221-240.
[23] 张莉，任杰，徐亮，等.应用眼动仪评价观看立体显示视频诱导的视疲劳程度的实验研究[J].眼科，2014，23(1)：37-42.
[24] MURATA A，UETAKE A，OTSUKA M，et al.Proposal of an index to evaluate visual fatigue induced during visual display terminal tasks [J].International Journal Of Human-Computer Interaction，2001，13(3)：305-321.
[25] CHAWLA AS，SAMEI E.Ambient illumination revisited: A new adaptation-based approach for optimizing medical imaging reading environments [J].Medical Physics，2007，34(1)：81-90.
[26] 赵峰，范伟杰，赵贵阳.瞳孔直径与3D液晶显示器使用者视疲劳关系[J].临床眼科杂志，2013，21(2)：153-155.
[27] 王琼华，潘冬冬，李小方，等.自由立体显示器观看者瞳孔直径与视疲劳关系[J].光子学报，2011，40(3)：350-353.
[28] IWASAKI T, AKIYA S. The significance of changes in CFF values during performance on a VDT-based visual task//Towards Human Work:Solutions to Problems in Occupational Health and Safty[M].London:Taylor & Francis,1991.
[29] 黄海静，陈纲.不同光色教室照明环境下的视觉功效研究[J].灯与照明，2011，35(4)：14-18.

“1000万以内最好的SUV”、“陆地上最强悍的SUV”，在问界M9亮相之前，没有一家车企敢用这样的头衔定义一款车型，但在今年问界M5和新M7用销量证明了问界品牌在新能源汽车领域的强大实力时，相信所有人对这样的头衔都不会发出质疑声。问界M9上市仅仅一周，大订数量已经突破了3万辆，在全球豪华车市场中，这样的成绩都是少有的，可见问界品牌在国内有着牢固的口碑积淀与用户认可度。2024年开年第一周，问界在新能源汽车销量排行中位居第一，相信未来M9正式开启交付后，华为技术赋能的这款智慧旗舰势必会将问界的销量成绩推向更高点。全面领先的十大黑科技在问界M9发布会上，余承东将库里南、迈巴赫GLS、揽胜和宝马X7作为问界M9的对标车型，充分证明了作为问界首款全尺寸大型SUV，问界M9在性能和驾控方面已经媲美得到市场验证的同级别豪华车型，并且在智能化方面做到了这四款车型遥不可及的领先水平。HUAWEI XPIXEL百万像素智慧投影大灯与M9“鲲鹏志，境无界”的设计理念完美融合，作为整部车最先映入眼帘的地方，问界M9的投影大灯包裹在鲲鹏展翼的前脸设计里，以极佳的美学设计具备了很高的辨识度。这款投影大灯用独创的双反空间光学系统，能够实现超近场投影和迎宾功能，而且行车时，双灯260万像素的精细化照明能够根据路况灵活调整，精准遮蔽让光不扰人。在设计之初，华为就确立要把更多智能化元素融入到车灯之中，让车灯不仅好用，照明更安全，更让车灯好玩，满足用户多元化的行车交互和娱乐需求，内置的星光数字矩阵交互系统，可以向前方投射图像和显示智慧交互图案。问界M9的百万像素智慧投影大灯让问界化身新晋“灯厂”，与这款车的定位完美契合。进入到车内，问界M9全车满配搭载了10块屏幕，满足驾驶、娱乐、工作的全场景需求，屏幕大小从16英寸到100英寸，结合全新的HarmonyOS 4，让人机交互有了革命性的座舱体验。尤其是32英寸升降式投影幕布，在业界最亮最广色域的车规级投影仪的配合下可以在车内实现影院级的观影效果，和现在业内主流搭载电视屏幕不同，问界M9投影幕布的设计在保证娱乐体验的同时，还不占用车顶全景天窗的位置，尽可能让天窗面积更大。问界M9用上了华为最新的途灵智能底盘，铝合金体积占比高达 80%，使用前双叉臂+后多连杆悬架系统，配合全系标配的智能闭式空簧和CDC可变阻尼减震器，能够兼顾舒适性与操控性。而且问界M9采用的独创猫头鹰增强转向技术，不用后轮转向也可以达到更好的效果，在该项技术的帮助下，可以让后排空间更大，余承东介绍猫头鹰转向技术下，前轮可以实现最大41.75°的转向角，最小转弯半径仅有5.8米，比特斯拉Model 3还要小，真正实现了M9“大而不拙”的定义。安全性对一款车是最为重要的环节，问界M9配备了9个安全气囊，AEB的能力有所提升。智驾方面，问界M9搭载华为ADS 2.0高阶自动驾驶辅助系统，目前已经支持无图条件下的全场景NCA覆盖，并且支持泊车代驾和机械车位泊车辅助功能，而且问界M9还加入了倒车的AEB功能，误踩油门倒车也能制动，可以防止更多因操作失误导致的意外发生。问界M9采用了纯电和增程式两种动力形式，纯电车型采用华为巨鲸800V高压电气化平台，搭载前后双电机配置，整车在WLTC工况下的纯电续航里程为630km。华为的HUAWEI DriveONE 800V高压碳化硅平台可以使电机的最大功率达到390kW，实现最大扭矩673牛米，而且零百加速只需要4.3秒，对于全尺寸SUV来说，无论是续航还是动力加速表现，都是领先的水平。增程式车型将搭载由1.5T四缸增程器+双电动机组成的超级增程平台，问界M9的智能增程平台可以结合车速、坡度等因素，智能控制增程器启停和发电，实现最佳的油电分配，在有效提高增程器的发电效率的同时，还能让动力输出更上一层楼。除此以外，问界M9还搭载了HUAWEI ARHUD华为临境抬头显示系统、HUAWEI SOUND卓越系列和全新小艺智慧助手，在华为的创新技术加持下，总共用十大黑科技通过智能化软硬件结合，重新定义了智能全尺寸大型SUV。华为赋能，遥遥领先华为过去在终端业务上积累的用户认可和市场信心足以证明其在技术研发上的投入与终端产品力之间始终有着紧密的正向联系。而在智能电动汽车领域，华为通过旗下多个部门的协同，可以将引领全球的ICT技术应用在智能汽车的研发中，也可以将数字能源部门的技术成果应用在智能汽车电机、电控、电池当中，这是国内造车新势力都不具备的能力，也是华为的技术护城河。华为在ICT技术、芯片、云计算等其他业务上积累的技术与资源应用到整车制造过程中，将过去终端业务上的宝贵经验带到新车型中，从研发环节就进行匹配自有技术应用的设计和开发，让车型可以更全面和完善地展现华为在智能电动汽车上技术创新的成果，并且在投入市场后，利用终端经验和渠道，保证新车销售的稳定。在当下新能源汽车市场中，消费者直观能感知到技术创新和迭代对于产品力的显著提升，用户在对车型考量过程中，也会把新技术放在首要位置，车型和车型之间，车企与车企之间，从过去拼营销、定价，到现在真刀真枪拼技术研发投入，这对智能汽车的快速发展和市场的更加成熟与完善有极大利好。重新定义智能车标准，引领下半场在过去国内汽车市场中，50万以上的豪华车竞争基本都来自于国外燃油车品牌，国内车企完全无法参与到其中，尤其是在通过合资方式引入国外汽车技术几十年后，国内品牌依然无法突破燃油车困境时，豪华车市场始终是国内车企可望而不可及的。但在智能电动汽车时代到来之时，中国车企通过在电池、电机和电控等核心技术领域上的长期探索和成果积淀，掌握了电动汽车的发展命脉，一跃成为全球最有潜力且最大的汽车市场。正如余承东在问界M9发布会上用库里南、迈巴赫GLS、揽胜和宝马X7作为对标竞品，在智能电动汽车领域的浪潮推动下，中国车企在产品打造和技术研发实力等方面有足够的实力能和这些长期占据豪华车市场的传统燃油品牌进行竞争。中国新能源市场是目前全球最繁荣，也是最具挑战的市场，中国市场的动向引领着全球新能源汽车行业的格局，就像华为通过问界品牌的推出，将新能源汽车时代从过去1.0的电动时代，推向了2.0智能化时代一样，对于全球新能源车企来说，智能化的技术创新实力将是目前行业的准入门槛。在问界新M7上，用户在使用后对华为Harmony OS车机系统和ADS2.0智能驾驶辅助有了强烈的感知与认可，正是华为的技术赋能让新M7能够成为2023年国内现象级爆款车型，可以说华为就是目前新能源汽车领域的品质保证和向前发展的驱动力，无论是Harmony OS、ADS2.0，还是问界M9上搭载的十大黑科技，比如途灵底盘、800V高压碳化硅平台、猫头鹰转向技术、投影大灯等等，都将是其它车企学习或效仿的目标。华为在问界的三款车型上展现的强大技术研发实力为其它车企树立了技术标杆，也引领了新能源汽车领域的技术变革，让市场迈入更先进的智能化时代。问界M9目前大订超过3万的成绩就是最好的证明，在华为引领的车企技术变革之下，国内消费者在认知力、观念和决策成本等方面都有了本质的改变和提升，这对中国智能汽车行业是十分重要的正向引领。