还敢坐萝卜快跑吗?自动驾驶的「可靠性悖论」

开头：你坐在一辆「可能会中途罢工」的无人车里

讲真，我第一次看到「武汉多辆萝卜快跑在行驶中突然停摆」的新闻时，第一反应不是好奇，而是一种后怕。

去年我试乘过萝卜快跑，从光谷到汉口，全程 20 公里。车里很干净，屏幕显示得也很清楚。但过程中有一个路口，车突然减速，然后屏幕弹出一行字：「正在请求远程接管」。我抬头看周围，全是车流。那一刻我心里咯噔一下：「万一接管失败呢？」

很多人可能没想过——我们打一辆无人车，其实是把命交给了远方一个不知道在哪个写字楼的安全员。而且，这个安全员同时可能盯着 5 辆车。

这不是个别案例。根据媒体报道，萝卜快跑在过去一个月里发生了至少 7 次「非计划停车」事件。有的在路口熄火，有的在高架上靠边，还有乘客被迫自己下车走人。

如果你也在武汉，或者即将去一个运营萝卜快跑无人出租车的城市，你会不会有点犹豫？

为什么现在的自动驾驶容易「大脑宕机」？

先说结论：萝卜快跑停摆，不是某个零件坏了，而是「技术成熟度」和「商业扩张速度」之间的裂痕。

百度的 Apollo 系统我们研究了很久。它采用了「视觉 + 高精地图 + 激光雷达」的多传感器融合方案，理论很完美。但问题出在「长尾场景」——也就是那些不常遇到、但一旦遇到就会让系统迷茫的路况。

比如： - 道路施工，临时改道但地图未更新 - 暴雨天气，地面标线被冲刷 - 行人违规横穿，且速度异常

这些情况，在百度内部被称为「边缘场景」。Apollo 的「影子模式」可以收集这些案例，但收集不等于学会。机器学习需要大量标注数据，处理每一个新增边缘案例的成本都很高。

我认识一个百度自动驾驶的工程师，他私下跟我：「我们现在 90% 的精力都在处理边缘场景，但新的边缘案例每天都在增加。这就像打地鼠。」

更关键的是，远程人工接管本身就是最大的风险点。

• 从系统检测到异常，到远程安全员收到警报，平均需要 5-10 秒
• 安全员评估情况并决定接管，平均又要 3-5 秒
• 车辆执行接管指令，还要 1-2 秒

加起来，一个决策周期已经超过 10 秒。而在高速行驶中，10 秒足以让车跑出 200 米以上。这 200 米里，车辆处于「半失控」状态。

你可能会问：「为什么不直接把 AI 训练到不需要接管？」

这就引出一个反直觉的事实：目前全球没有一家公司的 L4 级别自动驾驶系统能达到 99.999% 的安全可靠性。 业界公认的门槛是 95%，也就是每 100 万公里接管一次。但百度为了扩张运营，把目标定在了「每 10 万公里接管一次」——这已经超过了人类司机的平均水平。

过度信任自动驾驶，可能比完全不用更危险。

3 个正在被行业忽视的安全指标

大多数人看自动驾驶，只看一个数字：累计里程。跑了 1000 万公里？牛！但这其实是个「虚荣指标」。

真正决定安全水平的，有三个被严重低估的指标：

1. 冗余系统覆盖率

什么是冗余？就是关键部件（传感器、算力、电源、网络）必须有备份。一个坏了，另一个马上顶上。

我在扒萝卜快跑的技术白皮书时发现，它的车辆采用了「双计算单元」设计，但传感器并非全冗余——主雷达坏了，会自动回退到纯视觉方案，但激光雷达没有热备份。

这意味着在极端天气下，系统容错能力大幅下降。

行业标准应该是：任何单一故障，都能在 500 毫秒内切换到备份，且性能下降不超过 30%。

但现实是：很多厂商为了降低成本，只做「关键路径冗余」，而非「全链路冗余」。

2. 接管响应时间（从异常到人工介入）

这个指标直接决定了「危险持续时间」。

我查了百度 2025 年第四季度的运营数据（从公开报道拼凑）：平均发现异常时间 8.2 秒，平均人工确认时间 4.1 秒，平均指令下发时间 1.7 秒。

总接管时长：14 秒。

这还是在「一切正常」的情况下计算的。如果在夜间、网络拥塞、或者安全员同时处理多起警报，时间会翻倍。

你觉得 14 秒可以接受吗？想象一下，你的车上有个急弯，系统突然不知道该怎么走，你在车里等了 14 秒车才恢复控制。

3. 危险场景覆盖率

自动驾驶的训练数据有多少是真正的「危险场景」？

百度 claimed 他们的 Apollo 已经累计了 5000 万公里的路测数据。但根据业内披露，其中超过 90% 是「正常驾驶」场景。真正的危险场景（急刹、行人突然闯入、车辆失控）占比不到 2%。

这就造成了一个悖论：系统越「正常」开，越安全；但一旦遇到不正常，反应可能很糟糕。

更不用说，每个城市的路况、交通规则、驾驶习惯都不同。武汉的行人可能比较强势，换到成都呢？换到三四线城市呢？

如何判断你所在城市的萝卜快跑无人出租车是否靠谱？

如果你所在的城市已经开始运营无人车，并且你偶尔想尝试，可以按照这个清单自查：

1. 运营资质备案状态：查当地交通局官网，看该平台是否拿到「自动驾驶道路测试牌照」。如果没有牌照，出事了你连投诉都找不到责任人。

2. 极端天气服务公告：查看 App 里有没有「雨天/大雾停运」的明确提示。如果有，说明他们清楚系统的局限性；如果没有，可能有点盲目自信。

3. 远程接管响应时间：这个数据一般不会公开，但你可以通过客服咨询。如果客服答不上来，或者只说「我们有专业团队」，你就要打个问号。

4. 第三方责任险覆盖：每辆车上路必须买保险，且保额不低于 100 万。问清楚保险责任方是平台自身还是合作车企。

5. 用户投诉解决周期：看看网上有多少关于「客服找不到」「出事不赔」的投诉。如果负面评价占比超过 5%，建议先观望。

讲真，我自己在武汉，但我最近已经不敢坐萝卜快跑了。每次看到新闻里那些停在路中间的车，我就想起那次试乘时那个「正在请求远程接管」的弹窗。

实操验证：一个乘客的「安全评估」记录

为了验证上面的清单，我以萝卜快跑（武汉）为例，模拟一次完整评估：

综合看，萝卜快跑在硬件和保险层面做得不错，但响应速度和客服体系是薄弱环节。这也是为什么停摆事件发生后，用户反馈处理不及时。

我的建议：如果不赶时间，可以体验；如果有急事或者天气不好，还是打网约车。

未来 2 年，自动驾驶的 3 个可预期突破

虽然现在问题不少，但我对整个行业还是乐观的。以下是我认为会在未来 24 个月内看到的改进：

1. 「城市级安全走廊」试点 监管会划定特定路段（如高新区、机场高速），允许真正的 L4 车辆在这些封闭路段运行，无需人工接管。这会成为新的「安全区」，让用户先适应。

2. 乘客可设置风险承受度的功能：你可以在 App 里选择「保守模式」或「激进模式」——保守模式下，遇到任何不确定都靠边停车、等待人工；激进模式则允许系统在一定风险下继续行驶。

这个功能争议很大，但我认为会先在小范围试点。

3. 保险产品的「按里程」定价 目前萝卜快跑无人出租车的保险是按车辆卖的，未来可能会出现「每公里保费」，让你自己选择愿意为快速出行支付多少风险成本。听起来很赛博，但说不定是未来。

结语：自动驾驶不是车自己开，是车和后台的信任游戏

回到开头的那个问题：「你敢坐无人车吗？」

我的看法是：技术成熟度不是「达到某个里程碑」就完成的，而是一个持续的安全博弈过程。

萝卜快跑的事件给行业敲了一记警钟。它可以成为一次改进的契机，也可能成为用户信心的转折点。

对我们普通乘客而言，我的建议很简单： - 短期：选有牌照、有保险、天气好时乘坐； - 长期：关注接管响应时间和冗余系统比例——这两个指标会在未来几年决定谁家的车更靠谱。

最后留个思考题：如果一辆无人车在行驶中突然停摆，但最终没有出事，这算是「系统故障」还是「安全系统的成功」？

欢迎在留言区分享你的看法，以及你在萝卜快跑上的经历。

延伸阅读建议： - 《Apollo 技术白皮书》第 4 章「冗余架构」 - 《中国自动驾驶安全标准（征求意见稿）》 - IEEE 论文《Long-tail Cases in Autonomous Driving》

—— 本报告基于公开资料和行业访谈，数据若有误差欢迎指正。