为什么自动驾驶最难的是处理例外?

2026年3月31日，当天晚高峰，武汉多处高架和主干道上的“萝卜快跑”车辆突然集体“罢工”，停在路中间无法移动，造成了严重的交通拥堵。更让多名乘客被困在行驶的车流中，处境危险。 故障初期，车上的SOS紧急按钮和客服电话几乎失灵。多数人是通过拨打110/122报警电话，由交警到场救援才得以脱困。

平时大家问自动驾驶会不会变道、会不会识别红绿灯、会不会礼让行人，到了这种时候，问题会变成客服多久接通，远程协助能不能处理，交警来了谁有权限挪车，乘客到底该不该开门离开。

正常路况里的自动驾驶，进步已经很明显。百度 2026 年 Q1 业绩公告里，Apollo Go 一季度完成 320 万次全无人运营订单，累计服务公众超过 2200 万单，全无人自动驾驶里程超过 2.2 亿公里。谷歌旗下的Waymo 公开数据也不小，2025 年论文拿 5670 万英里无人载客里程和人类驾驶基准比较，伤害报告、气囊展开、疑似重伤及以上事故指标更低。到 2026 年，Waymo 称无人驾驶里程已超过 1.7 亿英里，每周约 400 万英里。

武汉高架上的故障车，本来可能是在执行保守策略，系统不确定就停车。可同一个动作放到不同位置，后果完全不同。停在路边，是谨慎。停在高架车流里，就会让后车、乘客、远程客服和现场交警一起进入临场处置。人类司机犯错，多少还能靠经验补救，自动驾驶要靠预案、远程协同和责任流程补救。

中国的道路参与者比较丰富。电动车、外卖骑手、三轮车、临停网约车、横穿马路的行人、施工围挡后面突然探出来的人，都可能把一个正常场景改成临场判断。遮挡行人环境和行人行为适配，是自动驾驶在中国城市里必须面对的难点。一个孩子从停着的车后面出来，一个骑车人贴着车门晃一下，算法不能只判断“前方有没有物体”，它还要判断这个物体下一秒会不会闯进车道。

美国的 Cruise 事故讲的是另一类例外。2023 年旧金山，一名行人先被人类司机撞倒，身体被撞到旁边车道，Cruise 无人车随后撞上，又在靠边动作中拖行约 20 英尺。系统要理解旁边车道刚发生撞人，眼前不是一般障碍物，车辆第一次停住以后还能不能再移动，移动是不是更危险。Wired 报道，加州 DMV 后来暂停了 Cruise 无人运营许可，GM 到 2024 年底停止继续投入 Cruise robotaxi 项目。技术问题变成了监管问题。

责任边界会把例外继续放大。L2 辅助驾驶还有人坐在方向盘后面，理论上驾驶员要随时接管。L4 robotaxi 车里没有安全员，车自己做决定，事故报告、召回、保险、地方许可和公众信任会一起爆发问题。

真实道路测试当然重要，百度和 Waymo 都已经跑出很大规模。问题是罕见危险本来就少，跑很多公里，也可能没有遇到某一种组合。仿真和封闭场地可以补题库，但题库要先知道考什么。

2025 年一篇中国团队的动态交互测试论文，用 5G 云控目标物制造更真实的安全关键互动场景，在无保护左转测试里把危险场景暴露频率提高到 3.5 倍。自动驾驶要练的内容，已经从教科书里的直行，扩展到各种不按剧本走的互动。

自动驾驶的问题已经不只是会不会开车。在很多城市、很多限定区域里，它已经能接单、能运营、能积累可观里程。难的是，它要在别人犯错、网络异常、行人犹豫、车辆故障、施工临改和责任不清的时候，做出保守又不添乱的选择。人类司机的经验是散乱的，机器的安全要写进系统里，还要经得起监管和公众追问。

自动驾驶最难的部分，是在突然不按剧本走的时候。