武漢街頭近日出現罕見一幕：多輛蘿卜快跑無人駕駛出租車在高架橋和主干道上集體靜止，車輛如被按下暫停鍵般停在路中央。所幸事件未造成人員傷亡，車內乘客均安全撤離，但輿論場隨即掀起軒然大波。部分網友指責自動駕駛技術"不過關"，甚至將矛頭直指百度研發能力，卻鮮有人深入探究這場"集體熄火"背后的技術邏輯。
這場風波的核心矛盾，實為自動駕駛安全策略的極端化呈現。根據《智能網聯汽車準入和上路通行試點實施指南》，L4級自動駕駛車輛的事故責任主體為廠商，這與L3級以下輔助駕駛系統"駕駛員優先擔責"的原則形成鮮明對比。當云端系統檢測到可能威脅乘客安全的異常情況時，直接命令車輛原地靜止成為最穩妥的選擇——即便這種選擇在交通效率層面顯得笨拙。
技術參數顯示，涉事車輛配備4顆128線激光雷達、12個攝像頭及雙Orin X芯片，1200TOPS算力足以支撐單車完成自主靠邊停車。但百度選擇將決策權高度集中于云端，這種設計在2025年12月舊金山發生的Waymo車輛集體趴窩事件中已現端倪。當時因大面積停電導致交通信號系統癱瘓，Waymo車輛因遠程確認請求暴增而集體停滯，與武漢事件如出一轍。
全球自動駕駛領域正呈現三種典型技術路徑：特斯拉采用純視覺方案賦予單車完全自主權，導致奧斯汀地區Robotaxi事故率達人類駕駛員4-8倍；Waymo選擇"車端決策+云端確認"的折中方案，在異常情況下暴露出系統瓶頸；而蘿卜快跑則走向另一個極端，通過云端集控實現絕對安全控制。這種差異猶如給士兵配發武器卻設置不同開火權限——特斯拉允許士兵自主射擊，Waymo要求射擊前請示指揮部，蘿卜快跑則直接收繳了士兵的配槍。
公眾對自動駕駛的容忍度呈現奇特分裂：當ChatGPT等大模型出現錯誤時，社會普遍以"技術迭代期"予以包容；但當無人駕駛出租車執行最保守的安全策略時，卻遭到"技術落后"的猛烈批評。這種矛盾折射出公眾對自動駕駛的認知仍停留在"技術炫技"層面，尚未理解其本質是"用可控風險替代不可控風險"的系統工程。
行業數據顯示，完全自主決策的自動駕駛系統在復雜路況下的決策失誤率仍比人類駕駛員高23%，而云端集控方案雖能將重大事故率降低至0.07%，但會引發12%的交通效率損失。蘿卜快跑的選擇，實質是在當前技術條件下對乘客生命安全的最大化保障——當系統檢測到無法100%確認安全的場景時，寧可承受輿論壓力也要執行"保護性休克"程序。
這場風波暴露出自動駕駛技術普及的關鍵障礙：公眾既期待技術徹底消除風險，又無法接受為安全付出的效率代價。當行業領軍企業選擇最難走的"安全優先"路徑時，社會需要建立更理性的認知框架——評判自動駕駛的標準不應是"是否出過丑"，而應是"在極端情況下能否守住安全底線"。畢竟，在生命面前，所有的技術優雅都應讓位于生存本能。
