辅助驾驶的安全与效率之困

日前，某平台针对数十家车企的辅助驾驶系统进行了一场规模宏大的模拟实验，此举迅速引发了舆论的热烈关注。在实验过程中，多辆汽车面对前方静止的障碍物，反应各异：有的紧急刹车并向左变道，惊险地避开了障碍；有的则直接刹车，却因反应不及，半个车身撞入障碍物中。社交媒体上的讨论沸沸扬扬，然而，在舆论喧嚣之外，更值得深入探讨的是辅助驾驶技术的底层逻辑。随着技术步入商业化落地阶段，安全漏洞、效率瓶颈以及社会信任缺失三大核心问题，正逐渐成为阻碍其大规模普及的关键性障碍。
　　偏转的方向盘
　　从实验情况来看，在高速夜间遇施工加卡车场景中，仅有47％的测试车辆能够安全避让。而在儿童突然冲出过马路的场景中，58％的测试车辆能有效刹停。系统退出时平均仅预留2～3秒的接管时间，远低于人类的反应需求。引起最多关注的莫过于辅助驾驶系统对突然出现的障碍物的处理方式。超过半数的车型在“消失的前车”场景中试图强行向左变道，忽视了“让速不让道”的原则，导致二次碰撞。部分车辆启动AEB，但由于车速过快，刹车距离不足，错失了避免事故的机会。在其他几项实验中，有的系统虽然识别出了障碍物，但AEB执行不坚决，最终还是撞上了障碍物。
　　对此，业内有观点认为，这些辅助驾驶的底层逻辑存在差异，在效率和安全之间，各系统的规则各有取舍。一位业内专家证实，目前自动驾驶技术主要有两种：一种是端到端技术，另一种是基于规则的技术。端到端技术是通过学习人类优秀驾驶员的经验来实现，而基于规则的技术则是程序员提前根据交通规则和驾驶经验编写好规则。当感知结果相同时，面对交通状况做出不同决策的原因在于决策逻辑的不同。决策的优劣，反映了端到端的神经网络或规则的优劣。
　　尽管端到端大模型因其明显优势被各家视为标杆，但由于其黑盒逻辑难以控制，因此无论是一段式大模型还是分段式大模型，仍需要写入一定的规则来辅助决策。某自动驾驶企业技术总监李由（化名）在接受《中国汽车报》采访时直言：“规则是保底，不可丢失。”某传统高端品牌车企自动驾驶测试工程师赵照也向记者表示，大部分车企声称采用端到端大模型技术，但底层逻辑都是黑盒。这意味着，当实际应用中出现错误决策时，事后分析难以确定错误原因，也不知道该如何修改神经网络。因此，“双重冗余保障”必不可少。“这是一个安全性与功能感受的博弈。”赵照说。
　　各家规则的优劣存在差异，但“向左躲避”和“直线刹车”的表现并不仅仅由“规则”决定。随着技术发展迭代和核心人员的流动，李由认为，如今的规则可能大同小异——“前方有障碍，左侧无车可避让则左转，否则刹停”。问题或许出在规则之外。
　　自动驾驶系统的复杂性远超想象。感知系统如同感官神经，依赖摄像头、激光雷达、毫米波雷达等多传感器融合；决策系统如同大脑皮层，运行着包含数百万行代码的决策算法；控制系统如同运动神经，精准操控转向、油门和制动。这三套系统由不同供应商提供，整合难度堪比交响乐团调音。最直接的表现可能在于感知融合、规划决策、控制执行几大关键环节的脱节与迟滞。
　　“摄像头、毫米波雷达在感知到障碍物后，将信息回传到规划决策，决策做出判断，这是最关键的环节，也是最需要写入‘规则’的部分。整合信息处理后做出‘闪避’或‘刹停’的指令，最后到控制端执行。看似简单，但其中可能存在诸多因素干扰，影响执行效果。”李由指出。例如，感知处理是否及时？决策所需的巨大算力是否足够？执行端的传输速度是否稳定？现实中的延迟可能很高，车载网络带宽限制、不同芯片架构的数据转换、安全校验机制等环节都在消耗宝贵时间。
　　2级的躯壳，4级的灵魂
　　“最怕‘突然袭击’。”李由举例道，“200米外原本空无一物，50米处却突然冒出一辆故障车。感知模块识别它需要时间，数据传给决策模块需要时间，决策再指挥车辆执行又需要时间，最后可能什么都来不及。厂家都在宣传大算力、低时延、先进架构，但工程化落地时，软硬件能否像齿轮般严丝合缝？模块间的数据流转是否如行云流水？这才是魔鬼藏身的细节。”他坦言。这种系统性耦合的不足，正是“急刹并道”等争议动作背后的技术真相。它可能并非最优解，而是系统在极限压力下被迫交出的“及格卷”。
　　麻省理工学院的研究团队在模拟测试中发现，人类驾驶员从发现危险到做出反应需220～600毫秒。若系统整体延迟超过人类反应时间临界值（如300毫秒），将大幅压缩避险窗口。但机器反应远不如人类。同济大学教授朱西产指出，根据实验中的操作来看，人们把注意力都聚焦在碰撞前最后2秒，但在130km/h的速度下，2秒绝对不够。
　　UNECE R157法规（关于自动车道保持系统ALKS）作为针对“3级”自动化驾驶的第一个具有约束力的国际法规，明确规定，车辆最高运行速度≤60km/h。最新的工信部联合市场监管总局发布的《智能网联汽车产品准入及软件在线升级管理实施细则》中也指出，驾驶员接管必须提前10秒，感知算法的重点就得关注10秒的风险触发能力。
　　“目前的端到端算法，一般只能准确预测TTC（碰撞时间）3秒的风险——相当于人类驾驶员的‘小脑’决策。但对于5～10秒的长周期潜在风险识别，目前辅助驾驶汽车还缺少‘大脑’。”朱西产表示。
　　更有力的证明来自公安部相关负责人在新闻发布会上的发言。公安部交通管理局局长王强介绍，据公安部了解，目前我国市场上销售的汽车搭载的“智驾”系统都不具备“自动驾驶”功能。这些“智驾”系统都还暂时停留在辅助驾驶阶段。也就是说，由系统辅助驾驶人来执行一些动态驾驶任务，车辆仍需人来操控，驾驶人才是最终的责任主体。
　　“‘不够智能’是当前辅助驾驶系统最大的问题。”李由一针见血地指出行业现状，“功能上，它越来越像‘自动驾驶’；能力上，它依然只是‘辅助驾驶’。这是‘拧巴’的根源。”目前，辅助驾驶系统只能说实现了“自动化”，但离“智能化”还有很远的距离。李由解释：“我们希望的智能驾驶行为，是具备自我决策能力，而不只是‘按章办事’。比如一边有一个小孩，另一边有一棵树，人类遇到这种情况会作何判断，我们就希望机器也能作何判断，但现实是当前的机器仍是按照简单指令来执行，缺乏对复杂路况的思考和判断。”
　　当前市面主流系统在技术上仍属2级自动驾驶水平，但车企在宣传和功能设计上，却无限逼近4级自动驾驶的体验——自动变道、主动避障、智能绕行，一应俱全。这种“超前消费”悄然扭曲了用户认知。认知偏差正在引发严重后果。在某网站的调查中，7成受访者支持部分场景下的脱手或短期内推广完全自动驾驶；超过74％的受访者使用过辅助驾驶服务，其中一半以上受访者使用频率较高，40.64％的受访者会在高速路上使用，15.68％的受访者会在城市街区使用。
　　“就像温水煮青蛙。”李由描述着用户心态的渐变，“初期你全神贯注，手脚虚搭在方向盘和刹车踏板上。但系统运行半小时、1小时后，人的注意力不可避免会涣散。久而久之，潜意识里就把‘辅助’当成了‘自动’。”美国国家公路交通安全管理局（NHTSA）2022年的事故报告揭示了一个残酷现实：涉及2级自动驾驶系统的严重事故中，83％发生在功能启动30分钟后，这正是注意力衰减的危险区间。
　　安全、效率与监管的三角悖论
　　辅助驾驶技术的发展初衷是为了提升“效率”，然而如今却陷入“安全、效率、监管”的三角悖论。最新消息显示，Waymo在2024年的报告中指出，其全无人驾驶车辆在累计行驶5670万英里（约9124.98万公里）后，在特定场景下的安全表现显著优于人类驾驶员。然而，公众对机器犯错的容忍度却几乎为零。每当一辆车因“辅助驾驶系统”失误导致事故，各大社交媒体上必然会掀起一阵讨伐声浪。
　　“人对机器的要求是‘神级安全’，对自己反而宽容。”李由感慨道。这种心态部分源于车企前期的“过度承诺”。某品牌曾宣称其系统“比人类安全10倍”，但当真实事故发生时，消费者会产生强烈的背叛感。更深层的原因则是对“黑箱”的天然恐惧。一位业内专家直言，AI系统（如自动驾驶）的“黑箱问题”会降低用户信任，透明化解释是安全应用的前提。然而，现实是当前技术发展尚不足以支持完全透明化的决策过程。
　　即便开发者也难以完全预测大模型在复杂环境中的行为，这使得“解释性”成为技术落地的一大瓶颈。在自动驾驶场景中，每一次转向、刹车都涉及海量数据的实时处理与判断，而这些判断逻辑对用户而言如同谜团。技术团队试图通过可视化路径规划、决策树图谱等方式增强透明度，但面对突发状况下的非线性反应，仍无法给出通俗易懂的解释。这种认知鸿沟让公众在信任与质疑之间反复摇摆，也让辅助驾驶技术在普及之路上不得不面对“理解先行”这一课题。
　　与此同时，对绝对安全的极致追求正倒逼技术路线走向极端保守。“效率在现阶段只能让步。”李由解释，“系统设计的第一优先级是‘不出事’，能刹停绝不冒险变道，哪怕变道空间看似充裕。”在采访过程中，不乏有企业表示无奈：“尽管技术确实能够提供堪比3级甚至4级的自动驾驶功能，但在‘安全第一要义’以及相关法律规定下，不得不退后一步，牺牲许多功能上的验证。”
　　消费者对安全不放心，监管不放开，技术得不到验证，无法迭代进步，安全性更无法保证。莫比乌斯的循环在安全与技术的讨论中始终存在。当德国立法允许3级自动驾驶系统在60km/h以下运行时，我国监管部门仍坚持2级自动驾驶的严格定义，折射出不同社会对“安全阈值”的认知差异。效率的牺牲，本质是当下技术能力与社会心理承受力共同编织的囚笼。
　　在平衡中不断拓展的边界
　　面对安全与效率的双重挑战，汽车产业界正积极探索突破路径。欧盟UN-R157法规明确要求，车企在3级自动驾驶系统运行期间承担全部责任，然而，德国法院近期的判决表明，若驾驶员未及时接管车辆，也需承担相应责任。在美国，加州、亚利桑那州等地允许3级自动驾驶车辆的测试，但联邦层面的进展相对缓慢。日本方面，本田Legend搭载的Traffic Jam Pilot系统虽已通过认证，但随着2025年法规重点转向4级自动驾驶，3级自动驾驶的商业化进程有所滞后。
　　在我国，北京市《自动驾驶汽车条例》已于4月1日实施，首次将3级自动驾驶纳入个人乘用车应用场景。工信部同步启动3级自动驾驶车辆的认证工作，要求车企完成10万公里的道路测试及极端天气模拟验证。上海、广州等7座城市也同步开放智能网联汽车准入试点，比亚迪、蔚来等9家企业入选首批3级自动驾驶技术试点名单。
　　近日，中国汽车工业协会召开了《组合驾驶辅助及有条件自动驾驶事故判定及数据协作规范》标准意见沟通会。会议透露，一套旨在为高级驾驶辅助系统（ADAS）建立统一安全标准的国家级新法规已进入最终敲定阶段。该新规由工业和信息化部牵头，预计将涵盖多个关键方面，严格界定2级与3级自动驾驶功能的边界，严禁车企“超卖”技术能力，并强制要求车辆配备更先进的驾驶员监控系统（DMS）和事件数据记录系统（EDR），以确保驾驶安全并在事故后清晰界定责任。
　　机器与人的“左右互搏”必然会导致交通法规边界的模糊与冲突，例如实验中“向左并道压实线”可能产生的违章行为不会是孤例。只有提前完善相关法律法规，才能避免技术到来时“无据可依”。西南政法大学民商法学院教授、中央网信办网络空间国际治理基地主任郑志峰认为，上述情况属于紧急避险，在合法合规范围内可以有效解释。随着智能汽车的不断进化，技术与法规的边界都在不断扩大，未来道路交通法律法规对3、4级自动驾驶的权责问题将进行更完善的修订。
　　愈发严苛的智能驾驶法规，既是边界也是指引。“技术发展有方向，不仅更高效，而且在重获用户信任方面也有了抓手。”李由表示。下一步，车企正在研究可解释的神经网络，以期进一步解决底层黑盒逻辑不可考的盲区。此外，有关部门接连对车企夸大宣传、盲目内卷等乱象的严抓严管，也有助于塑造健康真实的行业生态。技术、监管与用户信任的三方平衡缺一不可。当车企不再过度承诺，当监管敢于划定创新的试验田，当公众能以更理性的目光审视AI的成长，这个三角才会越来越大，辅助驾驶才能走得更远。