芯耀
405
本文来源：智车科技
一辆无人出租车横在晚高峰的马路中央，任凭交警怎么喊话都一动不动，身后排起长龙的车流里响起一片焦躁的喇叭声。这不是科幻电影的场景，而是真实发生在城市脉搏中的一次技术突然“休克”。
2025年中，某市的街道上，一辆印有某头部科技企业标志的L4级自动驾驶出租车正在进行掉头操作。突然，它停在路中间一动不动，完全阻塞了整条道路。晚高峰的车流迅速排起长龙，喇叭声此起彼伏。
赶到现场的交警对着无人车喊话：“你走下子咧！”但车辆毫无反应。最终，工作人员不得不赶来现场，坐进驾驶室将车辆开到路边。
在该市市民口中，这款自动驾驶出租车被称为“苕某”——“苕”在某市方言中意为“蠢、笨、憨”。在该市某网市民留言板上，大量投诉指向这些车辆：红灯时冲入路口中央、转弯时卡顿不动、变道犹豫不决。
当前自动驾驶的一些技术瓶颈
当前主流自动驾驶系统主要依赖多传感器融合感知环境，再通过预设算法做出决策。这套技术路线在结构化道路环境中表现尚可，但面对复杂多变的开放道路场景时就显得力不从心。
在感知层面，系统存在明显缺陷。一位体验者刘爽的观察很具代表性：“从我家到上课这条路，如果是老司机，直接绕小路过去只需六、七分钟，但某品牌自动驾驶车必须走普通大路，红绿灯比较多，需要十几分钟。”
自动驾驶系统无法像人类司机那样灵活选择路线，其感知能力仍受限于预设地图和固定规则。
决策系统的问题更为突出。在某市街头，一辆亮着左转灯的自动驾驶车陷入尴尬僵局—机械地闪烁着左转信号，由于没有车辆让行，它就“一直这样闪”无法前进。这种机械式决策在面对复杂交通互动时显得呆板而低效，完全没有人类驾驶员那种随机应变的灵活性。
更令人担忧的是边缘场景处理能力。一位业内人士指出：“比如说路中间有个坑，下雨后雨水把它填满了。这时你的感知系统有可能识别不到它是个坑，可能会认为是正常的路面反光，或者认为水很浅，就直接压过去，就会造成安全风险。”当然，还有那个全网熟知的名场面：“被一个袋子吓住的自动驾驶车”。等等这些感知不足的场景反映了一个最重要的问题就是：很多时候不是看不见，而是不认识。
这些技术缺陷导致自动驾驶出租车在某市运营时被贴上了“测试车辆、随时停车”的警示标签。即使后车提前注意到，仍常被前车的突然急停惊吓到。
为什么机器学开车这么难？
自动驾驶技术遭遇的瓶颈并非偶然，而是源于一系列根本性挑战。感知技术的物理限制首当其冲。现有传感器在恶劣天气条件下性能大幅下降，暴雨、大雪、浓雾等环境会严重影响激光雷达和摄像头的识别能力。
决策算法的核心困境在于缺乏类人推理能力。人类驾驶员能够通过观察周围车辆的细微动态预测交通流变化，而现有系统主要依赖预设规则和有限的数据训练。当面对训练数据中未包含的场景时，系统往往不知所措。
高精度地图依赖是另一大软肋。中国的道路环境复杂多变，施工、临时改道等情况频发。自动驾驶系统高度依赖高精地图导航，但地图更新速度跟不上现实道路变化，因此现在大家都在推无图方案（像无图NOA）。
社会接受度构成更深层的挑战。公众对自动驾驶技术信任度不足，一旦发生事故，尤其是责任认定模糊的情况下，会进一步加剧担忧。在某市，传统出租车司机已经因收入减少而公开声讨某品牌自动驾驶车辆。
成本压力同样不可忽视。每辆某品牌自动驾驶车的硬件成本高达25万元，加上数据采集工程师、开发人员、维护人员等团队支出，运营压力巨大。虽然最新一代车型成本已降至20万元左右，但距离大规模商业化仍有距离。
梳理那些机器难以超越人类的场景
场景类一：记忆驱动的决策
人类驾驶员会利用长期经验优化路线选择。下班回家时，司机知道某段路的特定车道经常拥堵，会提前变道；知道某个路口左转车多，会选择直行后绕道。这种基于记忆的预测性决策是当前自动驾驶系统难以实现的。
场景类二：整体交通流感知
红绿灯起步时，人类司机不会只盯着前车。我们会观察交叉方向车流动态，感知整个路口的“节奏”，甚至在红灯未变时就能根据横向车流减速情况预判起步时机。这种宏观交通流的理解能力远超现有自动驾驶系统的处理水平。
场景类三：多因素实时决策
接近红绿灯路口时，熟练司机会综合多种因素选择车道：不排在大货车后面（大车起步慢），避开公交车专用道，选择排队最短的车道，甚至预判哪条车道的司机可能接手机而反应慢。这种多变量实时优化决策对机器系统而言是巨大挑战。
场景类四：非结构化环境应对
在未划线道路、乡村小路或临时改道区域，人类司机能够通过观察路面痕迹、参照其他车辆轨迹等方式通行。而自动驾驶车辆在这些场景往往直接“罢工”或需要人工接管。就像那就话：回村的路只有我能开，别人都不认路（因为本来就没有路），这时候自动驾驶就更不行了。
场景类五：人车交互的微妙沟通
在无信号灯路口，人类驾驶员通过眼神交流、手势或车辆微动实现高效通行；当有电动车想闯红灯时人类驾驶员往往会“狠狠”的按下喇叭警示电动车别动；当遇到施工+堵车时，执勤交警的一个手势，人类驾驶员就明白该往哪走了...这种非语言沟通能力和交互方式是目前自动驾驶系统难以复制的，导致其在混合交通中表现笨拙。
在日常驾驶中常会遇到一些值得深思的场景。例如：驾驶员在道路上行驶时意图向右变道，此时右后方恰有一辆车处于后视镜及侧窗视野盲区。然而，驾驶员通过观察地面投射的车辆影子，成功判断出盲区车辆的存在，从而避免了变道风险。此类由物理遮蔽造成的感知盲区，理论上可通过自动驾驶系统多传感器融合布局（如侧向激光雷达）予以规避。
但该案例的核心启示在于：驾驶员依据地面光影动态推断盲区物体状态的能力，展现了人类基于环境线索的深度情境理解。这种能力依赖于对光线、物体运动关系及道路空间几何特性的综合认知，是当前智能驾驶系统在感知层难以复现的类人经验积累。类似需要高度环境交互理解与经验推断的边缘场景，在开放道路测试中广泛存在。
漫长而充满希望的未来之路
盘点上述场景并非苛责当下自动驾驶开发者或系统供应商，而是为阐明关键事实：若自动驾驶系统欲真正替代人类驾驶员，其发展仍面临艰巨挑战。研究显示，实现该目标需跨越技术认知与工程实践的双重鸿沟。
中国工程院院士李德毅曾指出，当前自动驾驶已走过“科研探索期”，进入“产品孵化期”，但这个阶段会非常漫长。他预计，自动驾驶的大规模量产要到2060年。
“现在的智能网联汽车还没有大家想象的那么智能，依然需要大算力的突破，在线控平台、集中式域控制器等方面发力。”中欧协会智能网联汽车分会秘书长如是说。这代表了行业对技术现状的理性认知。
麦肯锡的预测相对乐观：L4级别自动驾驶出租车和L5级别全自动卡车的商业可行性预期在2028年至2031年间达到，对司机就业的冲击预计最快也要2030年左右。
而面对当前的困境，新一代自动驾驶技术正朝着“类人化”方向演进。理想汽车推出的VLA大模型代表了这一趋势：它融合视觉(Vision)、语言(Language)和行动(Action)，旨在模拟人类驾驶的认知过程。VLA模型的核心突破在于引入“链式思考”能力。系统可以像人类一样进行多步推理：识别盲区→预测潜在危险→提前采取预防措施。在雨天路滑时，它能推理分析盲区潜在危险，提前减速而非被动反应。
多模态融合是另一关键方向。研究人员开发了交通标志识别多模态对比学习模型(TSR-MCL)，通过将视觉特征与语义特征对比，显著提升了对复杂路标的识别能力。在TT100K数据集上，该模型实现了78.4%的最高准确率。
仿真测试成为加速技术成熟的催化剂。理想汽车每天进行超过7万次仿真测试，覆盖2800个极端场景，如暴雨、拥堵和突发事故，使系统能在安全环境中积累经验。
在技术路线图上，渐进式演进成为行业共识。从特定区域、特定场景的有限应用开始(如园区接驳车或固定公交线路)，逐步扩大运营范围。随着数据积累和算法优化，最终实现开放道路的全面应用。
未来城市的街道上，一辆搭载VLA大模型的自动驾驶车正平稳行驶。面对突然从盲区冲出的行人，系统通过3D视觉感知和思维链推理，提前0.5秒开始平稳减速，避免了急刹车的惊险。随后它流畅地并入左转道，在绿灯亮起前通过观察对向车流动态调整了起步时机。
交警站在街角注视着这一切，手中的对讲机安静无声。不远处，一群出租车司机在咖啡馆里讨论着转型计划，墙上的电子屏显示着“自动驾驶运维工程师”培训广告。这场静默的变革终将抵达，但抵达的方式可能比技术乐观主义者预期的更曲折，也比保守派想象的更深远。
免责声明：
凡本公众号注明“来源：XXX（非智车科技）”的作品，均转载自其它媒体，转载目的在于传递和分享更多信息，并不代表本平台赞同其观点和对其真实性负责，版权归原作者所有，如有侵权请联系我们删除。
