穿越安全與體驗的窄門

作者 | 于米

在自動駕駛發展的早期，“技術可行性”幾乎是唯一的行業競賽主題。人們熱衷于討論算力規模、模型能力與路測里程，試圖用一組不斷增長的數字，無限逼近一個尚未完全抵達的未來。

但當L4級自動駕駛逐步從封閉測試走向公開道路，行業發展的關鍵變量正在悄然發生變化。

什么樣的自動駕駛公司才能拿到“長跑入場券”？

這或許可以從滴滴聯合創始人、滴滴自動駕駛公司CEO張博近日的一場公開講話中一窺答案。

4月11日，張博在智能電動汽車發展高層論壇（2026）上發表了題為《AI時代自動駕駛的前景與探索》的演講。

張博發表演講

我們試著用三句話來歸納這場發言的核心信息：安全是自動駕駛獲取政策和法律準入的門檻，體驗是留住用戶的商業粘性，而混合出行網絡則是解決L4級技術無法實現全場景覆蓋的重要路徑。

硬件和AI是軀干，真正決定自動駕駛在中國和全球化落地成敗的，是本地化運營的安全體系與服務細節。

▌安全的規模化交付能力才是底線

在張博不到15分鐘的發言中，“安全”被提及14次，是整個演講中的高頻詞之一。為什么張博反復強調“安全”？

與大多數互聯網產品不同，自動駕駛直接作用于物理世界，承載的是人的生命與公共交通秩序。它的上線不取決于用戶增長或商業模型是否成立，而首先取決于監管與社會是否認可其風險邊界。

從這個意義上講，安全不是結果指標，而是一種“準入能力”。沒有被驗證、被信任的安全體系，再先進的算法也難以進入真實道路。

全球每年因交通事故死亡約135萬人。張博認為，隨著技術的進展，這個數字會大幅下降。“在十年前這是一個預測，此時此刻已經成為現實，自動駕駛技術已經被驗證比人類駕駛員更安全。”

在滴滴自動駕駛與廣汽聯合研發設計的新一代Robotaxi車型R2上，自動駕駛系統設計了三層安全冗余。

第一層算法冗余，專門用來判斷車輛跟周邊的交通參與者是否有可能發生碰撞，有風險就會急剎車或者打方向盤規避碰撞。第二層是軟件冗余，如果自動駕駛的軟件出現故障，會有一套系統幫助乘客安全地停到可靠位置。第三層是硬件冗余，如果自動駕駛的系統硬件出了問題，會有獨立的一套系統實現安全停車。

安全決定了自動駕駛能否實現規模化。單次或小范圍的成功，并不能說明系統具備大規模運行的能力，只有當系統在不同天氣、路況和交通參與者條件下都能保持穩定表現，自動駕駛才可能從示范區走向更廣泛的城市網絡。

這也是為什么張博強調工程化的安全能力：通過算法、軟件與硬件的多層冗余，將偶發風險轉化為可控問題，使系統在極端情況下仍能給出確定性的響應。

滴滴自動駕駛和廣汽團隊還花了一年半時間，對Robotaxi整車可靠性和系統穩定性做了多項嚴格驗證，包括兩冬一夏、綜合耐久、腐蝕老化、高低溫環境模擬等，都是以車規級標準對整車做了可靠性驗證。新車型還搭載了滴滴自動駕駛最新一代硬件平臺，該平臺搭載了33顆傳感器，其中10顆為激光雷達，全車周身沒有盲區。

安全是自動駕駛商業化的隱性成本。

每一次系統異常和事故，都會直接影響用戶信任與政策環境，進而反作用于業務擴展的節奏。因此，安全不僅是技術問題，也是一種長期運營能力和規模化交付能力，它決定了企業是否能夠以穩定的節奏推進服務，而不是在試點與收縮之間反復波動。

安全能力也是業務出海的前置條件。

在全球化語境中，安全還承擔著“通用語言”的角色。不同國家在交通規則、道路環境和監管體系上存在差異，但對安全的要求具有高度共識。對于試圖出海的自動駕駛公司而言，能否建立一套可被不同市場理解與接受的安全體系，往往比單一技術指標更具決定性。

▌體驗重構：Robotaxi是新型移動空間

在張博的演講中，“體驗”被提升到與“安全”同等重要的位置，這種排序并不常見。

過去很長一段時間里，自動駕駛行業習慣于將體驗理解為技術成熟之后的附加值，而不是一個需要被優先定義的核心變量。

但當自動駕駛逐步進入真實運營階段，這一邏輯開始發生變化。

當駕駛行為被系統接管之后，傳統意義上圍繞方向盤展開的時間和動作被釋放出來，人在不同物理空間之間的切換，不再被駕駛這一動作割裂，而是形成一種連續的體驗，張博將其稱之為“移動空間”。

滴滴自動駕駛在Robotaxi產品中嘗試做的，是將用戶在車外的行為延續到車內。例如，在用戶發起訂單之后，車輛可以根據其偏好提前調整座椅角度、空調溫度與燈光環境；在用戶授權的前提下，車內系統可以同步其正在播放的音樂或視頻，實現內容的無縫銜接。

這些功能本身并不復雜，但它們指向的是一種新的產品邏輯：車輛不再只是被動響應需求，而是開始主動預判需求。這種變化也可以理解為從“硬功能”向“軟服務”的延伸。

過去的汽車體驗，更多集中在動力性能、空間尺寸與舒適性配置等物理指標上，而自動駕駛將關注點轉移到服務過程本身。用戶在車內的時間如何被利用，是否能夠獲得穩定且符合預期的體驗，成為新的評價標準。

在這一維度上，“更舒服”只是基礎，“更懂你”才是競爭壁壘。

技術可以追趕、硬件可以采購，但用戶體驗依賴的是長期積累的用戶數據、對出行場景的理解，以及持續的運營反饋。這些要素需要在真實服務中反復打磨，難以通過短期投入快速獲得。

滴滴在長期運營中積累了大量真實出行數據，并建立了成熟的調度系統，使其能夠在用戶需求、車輛供給與環境條件之間進行動態匹配：用戶是否能夠在合適的時間被接到，車輛是否處于合適的狀態，服務是否保持一致，都會反饋到整體體驗之中。隨著自動駕駛車輛的接入，這套系統也成為體驗優化的基礎設施，形成一個不斷迭代的閉環。

如果自動駕駛只是將人類駕駛替換為系統駕駛，那么其形態仍然接近傳統出租車，差異主要體現在成本與效率上。但如果車輛被重新定義為空間與服務的組合，那么競爭維度也隨之改變。從“是否更便宜”，轉向“是否有更契合用戶需求的體驗”。

在這一過程中，體驗不再是技術成熟后的附加值，而是需要被提前設計與持續優化的核心能力。

在安全逐漸成為行業共識的前提下，體驗正在成為新的分水嶺。誰能夠在真實場景中持續提供穩定、可預期且具有差異化的出行體驗，誰就更有可能在下一階段的競爭中占據主動。

換言之，誰定義了Robotaxi的體驗，誰就更有可能定義未來自動駕駛的產品形態。

▌全球化的真正難點，不是技術

當自動駕駛開始從示范區走向更大范圍的應用，一個更復雜的問題隨之出現：這種能力能否被復制到不同城市和國家？表面上看，這是一次技術輸出，但張博演講中隱含的判斷是，真正的難點并不完全在技術本身。

自動駕駛至今仍運行在政策與技術的雙重邊界之內。在多數國家和地區，相關法規仍以試點和示范區為主，難以支持完全開放的運營網絡。單一依賴Robotaxi構建完整出行供給，在當前階段難以成立。

在這一背景下，滴滴的“混合出行網絡”成為一種更具可行性的路徑。其核心邏輯并不復雜：滴滴將自動駕駛車輛嵌入既有出行體系，與人駕網絡協同提供更好的服務，而不是用前者替代后者。

在具體運行中，系統可以根據道路條件、實時供需和車輛能力進行動態派單，在適合自動駕駛的場景中調用Robotaxi，其他則由人類駕駛員完成服務。這種模式的關鍵，不在于最大化自動駕駛的使用比例，而在于保證整體網絡的穩定性與連續性。

這一思路在廣州的實踐中已有體現。用戶在平臺上發起訂單后，并不會主動區分是否由自動駕駛車輛接單，而是由調度系統在后臺完成匹配。自動駕駛車輛成為供給的一部分，而非唯一選項。

對于用戶而言，體驗的核心并非“是否無人駕駛”，而是“是否能被及時、穩定地服務”。這種將自動駕駛能力嵌入既有網絡的方式，可以在不打斷原有服務結構的前提下逐步擴展。

自動駕駛的出海并非簡單的技術復制，而是要在不同國家的交通規則、基礎設施和用戶習慣中建立一套可運行的系統。滴滴在14個國家的出行服務經驗，使其在進入新市場時，已經具備一定的本地化運營基礎。這種基礎并不體現在算法或硬件上，而體現在對供需關系、調度邏輯以及用戶行為的理解上。

從行業路徑來看，自動駕駛已成為全球科技競爭焦點。張博透露，滴滴今年也會把自動駕駛推廣到海外，部署Robotaxi出行服務。

特斯拉強調單車智能，通過統一的技術方案在全球范圍內推廣；英偉達則提供底層算力與軟件平臺，服務于整車廠與開發者。相比之下，滴滴自動駕駛探索的這條路徑，是基于海量的全球化出行場景，以混合出行網絡的業態，去推動自動駕駛AI技術的進步和汽車形態的變化。

出海不是代碼的平移，而是安全標準、運營經驗與社會責任感的整體性輸出：安全體系需要符合不同市場的監管要求，服務流程需要適配當地用戶習慣，運營策略需要根據供需結構進行調整。

這些要素共同構成了“負責任的創新”：不僅關注技術是否可行，也關注其在具體社會環境中的運行方式。

自動駕駛的難點，或許從來不在于讓機器學會開車，而在于讓一套新系統在復雜世界中持續運轉。而當技術逐漸趨同后，真正拉開差距的，往往是那些不易被量化的能力：如何處理不確定性、如何理解人，以及如何在效率與安全之間保持克制。

所謂“負責任的創新”，正是對這種邊界的長期經營。

封面來源：企業官方