一個蘿卜一個“坑”？無人駕駛迎來安全大考

近日，武漢無人駕駛出租車蘿卜快跑發生大規模系統故障，近百輛自動駕駛出租車在高架環線突然熄火停駛引發交通擁堵，甚至有車輛因突然停車而引發追尾。

事發后，交警部門發通報稱，初步定性事件為系統故障。而運營方蘿卜快跑則稱，系“網絡故障和云端通信異常”。

這也揭示了自動駕駛當前的一個痛點：公眾最關心的安全冗余失效時，車輛如何應對，就這么水靈靈地停路中間“擺爛”？是否還有更好的解決方案？

自動駕駛集體“癱瘓”

一場自動駕駛之旅，讓人體驗了一把什么是“叫天天不應，叫地地不靈”的絕望。

根據乘客的描述，當時晚上八點半，車輛先是急剎了幾下，降速后沒過幾分鐘，就直接停在了三環線高架的快車道中央，車內屏幕彈出一行提示：“駕駛系統異常”。

讓人膽戰心驚的是，彼時的三環線高架車流密集，兩側大貨車、私家車呼嘯而過，后方車流則陷入混亂。

車輛就像是一座孤島，恐懼彌漫開來，此時的乘客只想棄車而去，但是，當乘客按下車頂的SOS緊急求助按鈕后，車內毫無響應，連續按了三四次，屏幕也沒有跳轉到任何求助界面，緊急呼叫功能徹底失靈。

從坐上蘿卜快跑到安全下高架，乘客被困了將近兩小時。然而，這位乘客的遭遇并非個案，當天，有將近百輛蘿卜快跑自動駕駛集體陷入“癱瘓”狀態。

安全，曾讓蘿卜快跑一度引以為傲。百度最新財報顯示，截至2026年2月，蘿卜快跑在全球26個城市落地運營，累計出行服務超過2000萬次，自動駕駛里程超過3億公里。

但此次事故卻暴露了當前L4級自動駕駛技術路線在規模化落地中的系統性脆弱。

蘿卜快跑的官方解釋是，此次事故因“網絡故障和云端通信異常”導致，也就是說，當車輛在失去與云端的正常交互后，直接陷入了“腦死亡”狀態。

這種“中央大腦”模式的弊端在于：一旦中心節點出錯，所有車輛都失去獨立判斷能力。本應該發揮作用的安全冗余系統也在此刻完全失靈。為此，自動駕駛企業是不是該好好反思一下，安全冗余的意義何在？作為最后一道“防線”，應該具備基本的安全守護——哪怕車上所有系統都出現問題，也都能依靠冗余系統主導車輛靠邊停車。

安全冗余的背后，是一套套昂貴的傳感器和計算體系，在成本考量面前，運營方難免不傾向于成本的取舍。

放眼全球，自動駕駛出現“宕機”的情況，并不鮮見。2025年12月，Waymo因舊金山交通信號燈失效，引發交通擁堵。

從Uber自動駕駛車輛撞人事故，到Cruise無人車運營中的多起安全事件，再到國內多起輔助駕駛、高階自動駕駛相關的交通事故，都暴露出自動駕駛系統在安全設計、風險應對、全生命周期管理等方面的短板。

蘿卜快跑犯了哪些錯？

其實，對蘿卜快跑出現的問題，從行業角度看，并非沒有預見。

今年2月，工業和信息化部正式發布《智能網聯汽車 自動駕駛系統安全要求》強制性國家標準（征求意見稿），面向社會公開征求意見。

其中提到“最小風險策略（MRM）”，這是L4級自動駕駛系統的核心安全兜底機制，也是與L3級系統的核心區別所在。

征求意見稿針對L4系統的無人化特征，專門設定了強制要求：當系統發生故障、超出設計運行條件等需要執行最小風險策略的場景時，系統必須自主執行策略，將車輛移至不妨礙交通的地方靜止，全程無需人類用戶接管，同時最小化對車內用戶和其他道路使用者的安全風險。

標準還強制要求L4系統不得依賴遠程協助執行動態駕駛任務，即使在遠程協助過程中，系統仍需承擔全部動態駕駛任務，不得將駕駛控制權轉移給遠程端。這一規定明確了遠程協助的定位——僅作為系統的輔助補充，不能替代系統的核心駕駛能力，從根本上杜絕了“遠程駕駛”替代自動駕駛的安全隱患。

同時，標準還強調L4系統必須向乘客提供請求停車的方法，必須向車內用戶提供行程相關信息；系統的激活、退出、運行狀態、故障、最小風險策略執行等關鍵狀態，必須通過光學、聲學信號向用戶清晰提示，其中激活狀態必須通過專用光學信號持續提示，直至系統退出。

如今再回過頭來看武漢自動駕駛出租車集體“癱瘓”事故，蘿卜快跑犯下了一系列錯誤：車輛直接停在路中間“擺爛”，遠程駕駛同時失效，乘客無法自主請求靠邊停車，等等。歸根到底，這也是當前自動駕駛部分企業“重里程、輕場景”的發展誤區。

路線之爭仍在繼續

到目前為止，自動駕駛技術是否成熟，到底該采用怎樣的技術，還有待商榷，也因此形成了不同的技術流派。

以Waymo、百度為代表的“規則AI派”，是通過高精地圖、數十個傳感器、預編程規則來實現自動駕駛。

這類傳統自動駕駛主要采用模塊化方案，將任務拆解為感知、預測、規劃獨立模塊。這種“拼積木”方式雖然分工明確，卻存在致命的缺陷：誤差在接口傳遞中不斷累積，整體效率受制于最薄弱環節，并且這套方案對地圖更新速度提出了極高要求，一旦更新滯后，系統就可能因“未被定義的路況”而失效。

前百度深度學習研究院常務副院長、現地平線CEO余凱就曾提到過，2015年12月，中國第一個自動駕駛項目首次公開路測成功，但背后藏著許多“花絮”。囿于當時的感知算法能力，為了讓車道線識別“萬無一失”，在路測演示前，團隊提前刷了一遍車道線，還連夜把越過道路邊界的樹枝剪掉，原因是激光雷達很容易將其識別為障礙物。

也許是深知“規則AI派”的弊端，地平線轉向了“端到端派”，這種方案是通過端到端的神經網絡、海量真實駕駛數據訓練，讓AI學會像人一樣思考，企業包括特斯拉、地平線、小鵬汽車、卓馭科技等。

如果說，傳統“規則AI派”像遵循固定樂譜演奏的交響樂團，那么“端到端派”則像即興發揮的爵士樂手，能根據環境變化生成最優應對。

卓馭CEO沈劭劼曾透露，一旦技術踏空，是一件非常痛苦的事情，這意味著很多工作要推倒重來。2024年10月，卓馭就作出了一個決定：全刪原有代碼庫，宣布“以后只有端到端，沒有規則”。

但端到端也不是完美的，面對表現更優但難以解釋的AI系統，依然有諸多不確定性。

不過，不能因為一次偶發的安全機制觸發，就否定整個自動駕駛行業的發展成果。外界應該給予各種創新技術以包容與耐心，為技術迭代創造更好的社會環境，而行業本身也應保持敬畏之心，在關乎資本逐利與生命安全面前，還是要拎得清的。

愛點評

真正的完全自動駕駛什么時候到來，并不取決于通常情況下，車輛運營方交出了多長的安全行駛里程，而是在遇到corner case（極端情況）下的處理能力。這如同木桶的短板效應，安全層面但凡有一個薄弱點，都能成為自動駕駛普及的絆腳石。有時候，慢就是快，武漢蘿卜快跑事件，給行業潑了一盆冷水，也讓行業重新審視安全。