政治与法律 | 周梦杰:论自动驾驶领域人机共驾模式中的注意义务分配

信赖原则在L3级别的人机共驾模式中能否实现义务分配？这涉及信赖原则的功能界定。对此主要存在三种观点。第一，“预见可能性说”认为，当行为人能够合理信赖相对人谨慎行事，那么行为人对相对人的违法行为缺乏预见可能性，据此可以否定过失责任。第二，“容许风险说”主张，信赖原则是“法所容许的风险”之表现形式，信赖原则划定了法所允许的风险与不允许风险之间的界限。第三，“注意义务分配说”以危险分配法理为基础，认为信赖原则是注意义务的分配规则。究竟何种功能界定更为合理，需要进一步论证。

　　（一）“预见可能性说”导致主体责任负担过重

　　在古典犯罪论体系中，过失作为一种心理性责任要素，强调结果的预见可能性。因此，要想排除过失犯罪，便需检验行为人是否缺乏对结果的预见可能性。据此，道路交通参与者应当“期待什么”的问题转化为其他道路参与者的何种行为“是可预见的”。如果能够预见其他道路参与者的行为，便无法依据信赖原则主张出罪。行为人之所以能够依据信赖原则主张不构成过失犯罪，是因为缺乏对结果的预见可能性。即使随着过失不法理论的发展，过失的行为不法得到承认，但仍有多数观点将信赖原则作为客观预见可能性具体化的标准。例如，黎宏教授就将信赖原则视为对“预见可能性”中具体预见范围的限制标准。然而，无论是具体的预见可能性还是抽象的预见可能性，均可能导致自动驾驶领域参与主体的责任负担加重。

　　一方面，以具体的预见可能性为例，在L3级别自动驾驶系统执行动态驾驶任务过程中，当系统发出警报、要求驾驶员接管驾驶时，驾驶员因处于熟睡状态未能及时接管，最终导致事故发生。此时，驾驶员对于危害结果的发生缺乏具体的预见可能性。而自动驾驶系统已经识别到障碍物或者不利于自动驾驶系统运行的环境，可谓预见（识别）到了危害结果。在这种情境下，对危害结果缺乏预见可能性的驾驶员可以援引信赖原则出罪，而自动驾驶系统已经识别到了障碍物，亦即对危害结果具备预见可能性，如此一来，设计、研发自动驾驶汽车的生产商、制造商等前端主体，就无法依据信赖原则出罪。依此逻辑，自动驾驶汽车生产商、制造商等前端主体设计识别功能一般、难以有效感知的自动驾驶系统，反而有利于自身免除责任。这一结论明显荒诞，也无疑会显著加重生产商、制造商等前端主体的责任负担，导致权责分配的明显失衡。

　　另一方面，若将预见可能性定位于抽象的预见可能性，将会架空信赖原则在自动驾驶领域的适用。抽象的预见可能性意味着，自动驾驶领域的参与主体均被要求预见到自动驾驶系统或者人类驾驶员可能导致的广义风险。然而，根据一般的生活经验，道路交通中极其不合理的行为并不罕见。甚至可以认为，他人违反道路交通法规是道路交通参与者日常经验中的认知内容。如果依据抽象的预见可能性，那么，由于非理性的道路交通参与行为通常是可以预见的，最终仅有少量行为能够被排除在归责范围之外。从自动驾驶汽车生产商、制造商等前端责任主体的角度出发，其在设计自动驾驶系统程序时，需将各式各样的典型交通违法行为以及相应的应答措施写入算法。如此一来，自动驾驶汽车生产商、制造商等前端主体对于道路交通参与者的多数不当行为已经存在抽象的预见可能性，这意味着，其对人类的不当驾驶行为或者失误行为存在概括性知晓，因此不具备信赖人类的基础。同理，自动驾驶技术始终存在算法黑箱等技术疑难问题，驾驶员对自动驾驶系统技术存在的潜在风险通常亦具备概括性知晓，从而也不具备对自动驾驶系统的信赖基础。就此而言，信赖原则非但无法实现合理的责任和风险分配，反而从根本上否认了其在自动驾驶领域的适用，最终将导致这一原则在自动驾驶领域的功能性失效。

　　由此可见，以预见可能性来界定信赖原则的功能，并不妥当。信赖原则的核心目的在于限缩责任和风险承担范围。因此，其适用逻辑在于，即使可以预见交通参与主体的不适法行为及其可能引发的后果，也是为了交通效益而甘冒风险。所以，信赖原则从根本上与可预见性无关，其同样适用于从根本上可以预见的不适法行为。否则，便无需适用信赖原则来保障道路交通效益的最大化。

　　（二）“容许风险说”无法实现多主体间的责任分配

　　信赖原则与容许风险均源于对人类行为通常产生的社会利益与由此伴随的不可避免风险之间的权衡，两者在“思想上具有脉络相通性”。因此，信赖原则也被视为“容许风险”的具体化形态。然而，在自动驾驶领域，将信赖原则视为容许风险的具体表现形式，无法实现多主体间的责任分配，对此值得细致推敲。

　　信赖原则与容许风险理论的评价重心存在根本差异。信赖原则是对风险“分配”的评价原则，容许风险是对风险“性质”的评价结论。按照归责逻辑，首先应将某一风险分配到具体行为人身上，接着才能对该风险的性质进行评价。如果得出行为创设了法不容许的风险这一结论，则进入结果归责的判断环节。因此，信赖原则适用在先，用来分配风险；容许的风险适用在后，用来评价风险性质并作出归责判断。经分配后的风险分为容许风险和不容许的风险，若继续追问区分这两种风险的依据，便无法再次强调是从“容许风险”这一理论中得出的结论，否则便是混淆判断标准和判断结论，落入循环论证的窠臼。是故，如果承认信赖原则涉及行为人与其他主体间的风险博弈，便不能将信赖原则视为容许风险的具体适用。

　　在自动驾驶领域，自动驾驶所创设的风险是否“容许”，涉及自动驾驶技术所带来的社会收益与潜在风险之间的权衡。因此，理论上大多数观点认同，容许风险的落脚点在于“社会有益性”或者“社会相当性”。然而，由于自动驾驶领域的风险阈值尚未形成社会共识，这一抽象标准在具体的责任分配层面难以落实。例如，在德国著名的“阿沙芬堡案”中，一辆自动驾驶汽车正在执行自动驾驶任务，驾驶员突发中风丧失意识，但他仍然手握方向盘导致车辆向右偏转，若按这一驾驶操纵，车辆应驶入路旁的灌木丛然后停下。然而自动驾驶系统的车道保持功能将车辆重新导回道路，该车在自动驾驶一公里后闯入市中心街道撞死两名路人。在这一案件中，汽车驾驶员并未违反注意义务因而不承担过失责任。因此可能的刑事责任承担者只能是自动驾驶汽车生产者、制造商等前端主体。然而，一方面，车道保持系统的运行并不属于技术障碍或者技术缺陷，而是常规自动驾驶技术的系统设置；另一方面，依据社会相当性原则，一个安全的自动驾驶系统并不需要能够应对所有可能存在的交通风险，本次事故的发生风险也并没有因为车道保持系统的存在而被升高，车道保持系统只是转移了事故发生地点。由此可见，风险是否被允许，需要进行个案判断。更为重要的是，容许风险并非静态的豁免责任，其背后对应着生产者持续改进自动驾驶技术的动态任务。唯有履行了这一任务期待，才能主张某种事故风险属于容许的剩余风险范畴。与之相对，信赖原则是从微观互动层面发挥作用，通过免除对他人非理性行为的过度防御义务，在具体场景中实现对责任风险的分配。就此而言，容许风险无法完成自动驾驶领域多主体之间的责任分配，仅是对自动驾驶系统“剩余风险”的承认。

　　（三）“注意义务分配说”的理论证成

　　从上述被反驳的两种立场可以得出，要想实现对自动驾驶领域的责任分配，信赖原则的功能定位需符合两项要素，一是达成信赖原则的功能效果，即限缩责任范围，避免过度防御义务；二是契合信赖原则的功能机制，即实现多主体间的风险责任分配。“注意义务分配说”恰好符合这两项要素，对此需要仔细论证。

　　1.信赖原则通过分配注意义务实现分配责任

　　首先需要明确的是，对于自动驾驶领域的过失责任限制无需诉诸过失理论之外的因素，仅需回归至注意义务的考量。通过合理界定自动驾驶领域各参与主体注意义务的边界，便可以实现合理限缩过失责任的目的。为此，希尔根多夫教授提出了检验注意义务的三步骤。一是注意义务的产生条件：当损害结果具有预见可能性和避免可能性时，行为人负有注意义务。二是注意义务的判断标准：注意义务的轻重取决于危险发生的概率和损害结果产生的严重性，概率越高、损害结果越严重，注意义务程度越重。三是注意义务的限制原则：通过信赖原则和容许风险原则对注意义务进行限制，能够避免行为人过分承担义务。由此可见，无论是宏观层面的容许风险还是微观层面的信赖原则，均无法直接完成对责任的分配，而是必须借助注意义务这一桥梁，以此来合理界定行为人的风险承担范围，进而完成责任分配。就信赖原则而言，即使是（修正的）旧过失论者，也承认信赖原则与过失行为的关系。例如，桥爪隆教授便指出，信赖原则是从行为的危险性出发，用于限定过失犯的实行行为性。张明楷教授进一步言明，信赖原则与危险分配的法理密切相关，后者所讨论的问题是，在认定过失责任时可以分别对加害人和被害人课予何种注意义务。因此，在自动驾驶领域，信赖原则应成为界定各个主体之间注意义务边界的指导原则。

　　反驳观点则认为，将信赖原则视为限制或者排除注意义务的规则属于倒果为因，并非因为可以主张信赖原则所以没有注意义务，而是因为存在注意义务所以无法主张信赖原则。是否存有注意义务是因，能否信赖是果。理由在于，在高度分工的社会运作模式中，个人的注意义务不限于“管好自己”，参与道路交通的主体与其他行人、车辆之间存在彼此互动的关系，因此拥有路权的道路交通主体在行使路权时也负有观察其他主体参与交通表现的义务。然而，这种论断缺乏说服力。无论是“管好自己”，还是“看好他人”，均可概括为履行注意义务的谨慎行为。信赖原则并非绝对豁免“看好他人”的注意义务，而是避免行为人对其他主体的非理性行为承担过度防御义务。在分工复杂、互动频繁的社会系统中，若要求每位行为人对他人行为承担无限防御义务，必将导致国民行为自由的过度受限，最终引发社会运行效率的骤降。

　　在自动驾驶领域，尽管自动驾驶汽车的生产商、制造商，驾驶员、远程安全员、行人、其他自动驾驶车辆等多主体之间存在频繁互动，但个人的注意义务只能辐射至自身行为，而这并不意味着信赖原则否定了注意义务的存在。相反，信赖原则的适用，以注意义务的普遍存在为基本前提。从这一角度而言，“倒果为因”的观点混淆了“义务存在”和“义务范围”两个范畴。所有道路交通参与主体均负有一定的注意义务，但其注意义务的边界需要依据不同的行为情境进行动态调整。信赖原则并不是否定注意义务的存在，而是在特定条件下对注意义务的范围进行合理界定，避免行为人的义务承担过重。例如，在L3级别有条件的自动驾驶系统激活后，虽然动态驾驶任务接管用户（驾驶员）可将视线暂时转移至车载娱乐设备等，但仍需对外界明显刺激保持一定的警觉性并进行妥当回应。这便意味着，在绿灯的情况下，驾驶员通常可以合理信赖自动驾驶系统能够识别交通信号灯并决策出合适的驾驶行为，此时注意义务的范围较小（并非不存在注意义务）。然而，当出现救护车鸣笛等紧急情况时，即使绿灯亮起，驾驶员也应保持警觉，观察具体路况，以便随时接管车辆，防止碰撞事故发生，此时注意义务的范围又需要相应的扩大，行为人不能援引信赖原则主张不存在注意义务。

　　因此，“倒果为因”的观点无法成立，适用信赖原则也并不意味着否定了注意义务的存在，而是根据具体情境对注意义务范围所进行的情境化界定。正因如此，库伦教授得出结论，信赖原则是对法益保护、他人自我答责、注意义务行为人的行为自由这三者之间所作的利益衡量。作为一种“元规则（Metaregel）”，信赖原则是被用来确定行为人在某种特定情形下必须预先考虑到危险并实施相应避免措施的指导规则。因此，信赖原则对风险责任的分配，最终是通过对各主体间注意义务的分配来完成的。

　　2.信赖原则划分危险预见义务边界

　　既然信赖原则是通过分配注意义务来实现对风险责任的分配，那么信赖原则具体分配的究竟是何种类别的注意义务，对此仍需进一步厘清。主流观点认为，信赖原则限制或者分配注意义务中的结果回避义务。例如，（修正的）旧过失论者认为，信赖原则是从行为的危险性出发对结果回避义务加以限定，根据信赖原则，行为人已经为了避免一切可能的危险而采取了充分的措施，所实施的行为便缺乏实质危险，因此也就不属于不法行为。新过失论者进一步主张，信赖原则是免除风险负担的原理，然而，如果认为信赖原则是对结果回避义务的分配或者限制，在自动驾驶领域中将会面临适配困境。

　　在L3级别人机共驾的模式中，风险责任分配的系统张力在于，人类驾驶员本身通常具备避免损害结果发生的能力，而自动驾驶系统也保有能够避免损害结果的技术期待。在人机共驾模式下，行为人与自动驾驶系统均可以执行驾驶任务，对驾驶过程中的危险进行预见或感知，然后给出相应的驾驶决策。这意味着，人类驾驶员和自动驾驶系统需履行的注意义务内容并不是绝对保持不变的。例如，在高速公路巡航等结构化场景中，自动驾驶系统的感知能力和控制能力明显超越人类，此时自动驾驶系统便须承担更高的注意义务；而在城市上下班高峰期的复杂路况中，人类驾驶员的处理能力应明显高于自动驾驶技术，其注意义务随之提升。此时，若以结果回避义务作为信赖原则的作用对象，将难以合理界定自动驾驶系统和人类驾驶员的责任边界。

　　因此，在自动驾驶领域中，信赖原则的首要作用对象应指向损害结果发生之前的预见义务，并且是“危险”预见义务而非“结果”预见义务。之所以进行如此区分和澄清，是因为“结果”预见义务会导致对行为不法的判断立足于结果本位。然而，过失不法的成立时刻，应在于危险形成时，而不是结果发生时。向结果“借力”来判断行为不法，无疑是对行为不法独立性价值的否定。更为重要的是，以结果为本位的预见和回避义务背后所承载的行为规范内涵是“避免法益侵害结果发生”，这一内涵无法发挥出行为规范的行为指引功能，仅是从因果关系的事后角度去回溯性评价行为人所实施的行为。因此，过失犯中注意义务的内容应是从具体的行为中认识到可能发生的法益侵害危险，并在采取足够安全的应对措施的前提下实施该危险行为，或完全避免该行为。从这一角度而言，结果回避义务与结果预见义务是针对结果不法而言的具体化义务，针对行为不法的注意义务应是预见和避免抽象危险。

　　在信赖原则的适用中，行为人之所以无法主张信赖原则，并不在于违反了注意义务，而在于他所违反的注意义务内容是需要对其他道路参与者违反注意义务的行为也采取预防措施。履行此类注意义务的目的在于，促使义务承担者针对相对人主体可能违反注意义务的行为加以及时反应，从而防止实害结果发生。释言之，人类驾驶员信赖符合标准要求的自动驾驶技术，因此，自动驾驶汽车生产商、制造商等前端责任主体在编写自动驾驶程序、设计自动驾驶指令时，不仅应确保自动驾驶系统激活后的驾驶行为符合交通法规，而且应承担起对其他参与主体典型违规行为的预判和识别义务，例如相邻车辆的突然变道行为，对此需要通过算法设计来主动避让，以此应对其他主体行为所带来的风险。一旦系统识别出具体场景超出了算法的应对处理能力，则应启动预警程序，提示驾驶人介入驾驶。自动驾驶系统发出接管请求的行为，实际上是撤销了人类对驾驶系统的信赖基础。当人类驾驶员不具备信赖基础时，便需及时履行危险预见义务。当接收到接管指令请求时，人类驾驶员应及时接管驾驶，不可援引信赖原则主张无需介入。若人类驾驶员未有效接管，则其可能会因违反了危险预见义务及回避义务而承担过失责任。反之，如果生产商、制造商等前端责任主体未及时识别出自身无法处理的危险场景或者未及时发出接管指令，则由该类主体承担相应的责任。

　　需要明确的是，信赖原则并未免除人车协同驾驶中任意一方主体的危险预见义务，其作用仅在于，当明显失去信赖基础时，对危险预见义务进行重新分配调整。具体而言，当人类驾驶员激活自动驾驶系统后，并不因此免除人类驾驶员的注意义务，否则将导致风险责任全盘转移给自动驾驶汽车的前端责任主体。有观点认为，自动驾驶汽车的自动化程度越高，驾驶员所承担的注意义务将越少，随着自动化程度的不断升高，最终将完全免除自动驾驶汽车驾驶人的注意义务。然而这一主张值得商榷。一方面，自动驾驶系统的分类只是为车辆研发及相关技术讨论提供了规范统一的术语体系，而不同国家或者地区所采纳的分类标准并不相同。例如，美国汽车工程师协会（SAE）的自动驾驶分级标准（J3016TM）和我国的《汽车驾驶自动化分级》（GB/T40429-2021）在0级别的自动化定义上就存在差异。另一方面，注意义务只能来源于法律规范而非技术标准，因此自动驾驶汽车的技术分级体系划分仅是技术领域的分类工具，不能直接作为注意义务的分配根据。自动化程度的提升只是削弱了人在驾驶活动中的直接参与性，但并不能因此完全否认人的主体性地位。至于在L4级别及以上完全自动驾驶场景中，人类的主体责任能否被否认，关键还在于是否承认人工智能系统本身的主体性。若在不赋予自动驾驶系统主体性的前提下，还对人的主体性完全否认，以此免除人类驾驶员的责任，则必然会将事故责任完全转移至自动驾驶汽车背后的生产商、制造商等前端责任主体。这一做法不仅会加重自动驾驶汽车背后生产制造主体的责任负担，而且会抑制技术革新的积极性，阻碍自动驾驶技术的发展。

信赖原则在L3级别人机共驾模式中为何能够进行义务分配？这就涉及信赖原则的实质功能根据，亦即，信赖原则依据何种理论来实现责任分配功能？对此，有学者从人机信任的基础展开分析。一是高水平自动驾驶系统具有感知环境、制定决策等高水平智能特性，二是高水平自动驾驶系统的运行仍然以人类意志为导向，因此人类可以信任自动驾驶系统。然而，人类对自动驾驶系统的事实信赖，并不直接产生责任分配的规范性结果。真正使信赖原则发挥义务分配功能的缘由还在于其背后所蕴含的规范依据。对此，理论上存在三种观点。其一，“褒奖理论”（Prämientheorie），这一观点将能够“信赖”作为对遵守规范者的奖励，若行为主体自身遵守交通规则时，便可以信赖相对主体亦能遵守交通规则。其二，“自我答责原则”。该理论指出，每个人都应在个人责任范围内履行应尽的义务，确保自身的行为不危及受保护的权益，而不是确保他人的行为不危及受保护的权益。其三，“利益衡量论”。如果一直考虑他人潜在的错误行为，那么社会交往效率就会停滞，因此信赖原则建立在利益衡量基础之上。究竟何种理论能够为人机共驾模式下的义务分配提供更为充分的法理支撑，对此需要深入剖析。

　　（一）“褒奖理论”的缺陷：忽视人机信赖基础的不对称性

　　德国学者居尔德（Hermann Gülde）最先提出的“褒奖理论”在传统道路交通领域具有重要影响。该理论基于民族社会主义与社会共同体理念，强调社会共同体的基础是信任，这种信任必须渗透至社会生活的各个领域。原因在于，真正的社会共同体建立在每个成员最大程度履行义务、他人对这种义务履行给予最高程度信任的基础之上。在法律领域，法律制度的设计应建立在法律主体履行义务的信赖基础之上，如此才能使法律成为全体公民遵循的行为准则。根据这一理论，任何遵守道路交通法规和行为规范的道路参与者，都有权援引信赖原则，作为对其自身守法行为的奖励。然而，在自动驾驶领域，褒奖理论面临结构性矛盾。

　　褒奖理论与自动驾驶领域无法适配的根本原因在于，未能充分考虑人机交互过程中信赖基础的不对称性。传统道路交通领域以人类为中心，主体地位具有平等性，每个主体的危险预见能力与避免能力在应然层面具有对等性。而在自动驾驶领域，道路参与主体的主体地位存在不对等性。在“人车关系”中，自动驾驶系统经过大数据训练和算法优化，在典型交通场景中的整体事故率明显低于人类驾驶员。人类驾驶员在具体交通情况中的决策往往受到情绪等外在感性因素的影响。因此，自动驾驶系统对典型交通路况信息的处理能力在应然层面远超过人类。更何况，在人机共驾模式下，人类驾驶员所获取的关于交通状况的认知很大程度上来源于自动驾驶系统提供的信息，其实施接管行为的条件之一便是以系统发出接管指令为准。相较而言，在“车人关系”中，自动驾驶汽车的信息处理能力优于人类，因此机器应当怀疑人类。这意味着自动驾驶系统算法在编程时需要预设到人类在具体情境下的失范行为可能性，并在程序设计时纳入相应的容错机制。例如，对于接管指令的足够反应时间就需要纳入算法考量。这种信息处理能力的不对称性直接导致人机信赖基础的不对称性，进而从根本上动摇了褒奖理论所依据的平等信赖基础。

　　此外，褒奖理论主张，行为人只要实施了合规行为便能够主张“信赖”，这是国家赋予守法公民的一种“奖励”。信赖原则的目的是惩罚他人的不当行为。然而，在自动驾驶领域，机械适用该理论意味着过于强调行为合规的效用，可能会导致自动驾驶汽车制造商和生产商等前端责任主体的责任规避。自动驾驶系统只要符合当前标准的技术规范，即可免除责任。然而，技术的发展通常具有滞后性，加上自动驾驶技术可能存在算法黑箱等无法预知的风险，如果仅以当下现行技术标准来要求“合规”，那么这一“合规”仅满足最低限度的法律要求，并未达到实质上的“真正安全”。从这一角度而言，褒奖理论可能会导致技术设计的潜在风险被合法化，既会削弱技术提供者不断改进和发展技术的动力，也不利于道路交通参与主体的法益保护。

　　因此，褒奖理论无法为义务的正当分配提供实质根据，充其量只是重复强调了信赖原则的适用逻辑。能够援引信赖原则已经说明了“奖励的态度”，褒奖理论只不过是从“奖励的态度”中推导出的相同命题。其实，无论何种领域、何种规定，都会对遵守规范的主体给予直接或者间接的奖励。但是这种奖励仅是法律的基本精神，并非准允某种行为的依据。

　　（二）“自我答责原则”的不足：消解人机协同的互动本质

　　自我答责原则的理论雏形可追溯到埃伯哈德·施密特（Eberhard Schmidt）提出的“责任范围”（Abwendungsbereich）。他通过对医疗人员的责任分工研究，提出让医疗人员仅对属于自身责任范围内的事故承担责任是合理的。此后，舒曼（Heribert Schumann）系统性地发展了自我答责原则的内涵，强调行为人承担罪责的前提是其能够自由地自我决定。其适用效果在于，每个人的责任范围从根本上仅限于自身行为，个体仅需对自身的不法行为负责。同时，这一原则也从理论上为法律分配给个人的责任范围提供了根本性的界定依据。据此，在适用信赖原则时，若行为人在自身责任领域内采取谨慎态度、以不会给其他行为主体带来危险的方式实施行为，则无须考虑其他行为主体可能出现的过失或者粗心大意。可见，基于自我答责原则的责任分配在本质上遵循了“行为创设风险-导致危害结果”的单向归责路径。然而，自动驾驶领域中的人机共驾模式恰恰是建立在人与自动驾驶汽车持续互动的基础之上，此种情境下的风险复合特征与自我答责原则的单向归责逻辑存在天然冲突。若将自我答责原则作为在自动驾驶领域分配注意义务的实质根据，将会导致两方面的不足。

　　一方面，自我答责原则无法实现对算法黑箱等未知风险的妥善处理。自我答责原则的宗旨是自我负责、自负其罪。然而，在自动驾驶领域，驾驶决策依赖复杂的算法，决策过程越复杂，技术运作的非透明性越高，由此引发算法黑箱。从驾驶者角度而言，驾驶人无法理解系统决策逻辑，也无法预知事故风险的发生；从生产商等前端主体角度而言，技术层面的算法黑箱并非人为所能预见、控制和避免，因此往往无法对自动驾驶系统出现的算法风险作出合理解释。这种双重的“未知”，导致人机共驾模式下事故原因的判断变得异常复杂。在无法辨析事故责任原因的情境中，自我答责原则便难以发挥出风险义务分配的功能，无法判断得出究竟应将事故责任归属至哪一方主体头上。

　　另一方面，自我答责原则过于僵化，难以适配自动驾驶这一多方主体互动领域。例如，能否认为只要自动驾驶系统发出了接管指令，驾驶风险就全部转嫁于驾驶人身上，由驾驶人对接管指令发出之后的所有危害后果负责？答案应予否定。这是因为，接管指令的合理性，在很大程度上取决于接管的可行性以及驾驶人在特定情境下的实际反应能力。如果驾驶系统未能提前充分预警并发出接管指令，以至于人类驾驶员缺乏足够的反应时间，此时若仍将风险责任完全归属于驾驶员，显然有失公允。即便自动驾驶系统提前发出接管指令并根据系统预先设置给予驾驶员合理的反应时间，人类驾驶员的实际反应能力仍因驾驶情境差异和接管动作差异而有所不同。通常情况下，驾驶人在不可预测的突发事故中往往需要更长的认知时间、决策时间和反应时间。因此，如果在此情形中仍然机械适用自我答责原则，则必然无法实现义务分配和责任分配的妥当性。

　　值得注意的是，自我答责原则的适用逻辑也与信赖原则的适用限制相悖。信赖原则的适用并非毫无限制。例如，《德国道路交通安全法》规定，驾驶者在驾驶时必须注意避免危及儿童、老人和需要帮助的人，特别是要降低车速并随时准备刹车。这意味着，信赖原则不适用于有老人、儿童以及需要帮助的人参与的道路交通场合。这一限制亦在判例中得到了承认。自我答责原则的提倡者舒曼也注意到了信赖原则的适用限制。他对此的回应是，信赖原则的限制是基于其自身的内在局限性。这一局限性的表现在于，虽然行为人原则上是需要为自己的行为负责，然而这只能限制而无法排除行为人应尽的注意义务，特别是无法免除道路交通参与者观察路况的预见危险和避免危险的义务。从而，信赖原则的功能在明显失去“信任基础”的场合或者有“正当理由”的场合失效，当然，信任基础是否不足或者是否具备正当理由需要根据道路交通参与者的行为人来认定。然而，如果认为信赖原则建立在自我答责原则的基础上，此时行为人仍然只需要承担自身责任范围内的义务。即使在失去信任基础或者有正当理由的情形下，也不应该突破自我答责原则，否则便是将他人的危险行为划分至行为人的责任范围，而这已经与自我答责原则的基本逻辑相矛盾。从这一角度而言，自我答责是在信赖原则分配注意义务之后，对违反注意义务的行为进行归责判断的认定逻辑，而非分配注意义务的正当性根据。

　　（三）义务分配基础的重构：迈向主体间性的“利益衡量论”

　　信赖原则的根本逻辑与其适用限制之间的张力意味着，信赖原则的适用过程存在着一定的价值权衡。例如，为何在道路交通参与主体存在明显违法行为时，行为人无法依据信赖原则主张无需承担预见义务和避免义务？这是因为，如果行为人遵循信赖原则主张无需承担注意义务，可能导致相对人遭受法益侵害。然而，此时的法益保护原则应优先于信赖原则加以适用。所谓的“优先于”便涉及“利益衡量”。利益衡量并非法益衡量，利益衡量作为应然类公式，缺乏实体性内容，甚至在相当程度上是可以任意填充的，但是只要存在利益冲突的场合，利益衡量便存在可适用的空间。这是对利益衡量方法论意义的绝对肯定。同时，利益衡量“开放性”特征使其能够兼容不同的价值考虑。那么，究竟该如何合理阐释利益衡量理论在自动驾驶领域的应用，使其能够作为人机共驾模式中适用信赖原则分配注意义务的功能根据，对此需要细致剖析。

　　1.既有的利益衡量论之反思

　　库伦教授将信赖原则视为对个人行为自由的自由主义和社会国家团结要求之间的一种平衡手段。这种平衡方法在促使个人行为自由最大化的同时也带来了期望的社会效果。一方面，“法秩序建立在主体自由之上，并由主体的自由所规定”。具体而言，行为主体因为自由意志而自我决定、自我答责，行为自由是行为主体意志自由的外在体现。法秩序只有在主体自由意志基础之上才能评价主体行为的性质，行为自由是行为主体能够被归责的必备前提。因此，在法秩序的框架下，如何实现行为自由的最大化，是保障行为主体自由的必然要求。从这一角度出发，信赖原则扩张了行为主体的行为自由。另一方面，人作为行为主体在社会系统中活动，行为自由的边界必然受到一定的限制。人人都想要实现最大化的行为自由，人人便必须让渡出部分行为自由来构建或者获取更大的利益。例如，允许汽车上路是为了人类生活的方便快捷，虽然这也导致了一系列交通事故的发生，但允许汽车上路所带来的整体效益对整个社会是有利的。可见，信赖原则有助于实现“社会所期望并被法律认可的有价值的目标”。毕竟，如果国民不信任汽车的相对安全性甚至反对这一交通工具上路，就无法获得有利于社会共同体的整体利益。总结而言，库伦识别出了信赖原则背后隐含的社会系统，并将人的自由放置于社会系统层面进行讨论，关注人的行为自由与社会功能的均衡发展，强调信赖原则的目的性。正因如此，信赖原则的适用领域在库伦的观点中也并不局限在交通领域，在整个社会领域均具有普适性，其提出的利益衡量论也被称为“扩张的利益衡量论”。

　　不难发现，“扩张的利益衡量论”虽然研究视角较为开阔，但在自动驾驶领域的具体适用中，仍然无法规避法益衡量的固有弊端。即使该理论以“个人行为自由与社会功能实现”为目的，在具体适用时也仍然无法绕开个人法益与集体法益的直接冲突。而自动驾驶技术的推广，恰恰是对提升交通效率、减少交通事故等社会利益的提倡。如此，当发生具体事故时，对个人法益的保护极易湮没在“服务于社会功能目的”的集体利益之下。这将导致道路交通参与主体被工具化，其所应受到保护的法益需让步于“技术革新进步”的宏观利益，从而成为技术发展的牺牲品。然而，这种倾向可能促使自动驾驶汽车生产商和制造商等前端主体一味地追求自动驾驶技术的创新进步，忽视对其他道路交通参与主体合法权益的应有尊重和合理的安全保障。

　　出现上述问题的原因在于，“扩张的利益衡量论”所立足的视角存在偏差。无论是出于提升道路交通效率，还是保障道路交通行为人的交通安全，这些目的都预先选定了单一性、偏向性的主体视角，即要么从整个社会秩序角度出发，要么从行为人角度出发。然而，无论选取何种主体视角来维护目的实现，都必然会违背平等保护原则。这是因为，当法律倾向于保护其中一方利益，另一方利益必然需要做出特殊牺牲。然而，在具体情境中牺牲哪一方的利益、牺牲程度如何并无统一标准。毕竟，法益是多元的，针对法益的价值评价标准亦存在多元分歧。在道路交通领域，道路交通参与主体的生命健康法益不应让位于道路交通秩序的稳定和效率的提升。故而，“扩张的利益衡量论”从单向主体视角的法益衡量出发，最终仍只能落脚于“牺牲谁”的价值抉择，因而很难达成理论共识。在应对自动驾驶领域多主体间的利益冲突时，该理论缺乏相当的说服力。

　　2.基于主体间性视角的利益衡量论之提倡

　　如上所述，信赖原则涉及多主体之间的风险义务分配。利益衡量同样也涉及多方主体之间的利益博弈。在博弈过程中，如果仅从单一主体角度出发，就必然会有一方的利益被迫让步和牺牲。这一单一主体角度出发的利益衡量论因始终无法阐释“牺牲”的实质缘由而遭到抨击。其局限在于，过分强调行为主体与“风险”之间的支配关系，谁支配了风险，谁就要对风险负责。在自动驾驶领域，这种“支配-归责”的思维表现为，将事故责任简单归因于某一方，如算法缺陷或者操作失误等，却忽略了人机共驾模式下风险来源的交互性。

　　“人”作为社会关系中的主体，其行为自由并不取决于自然世界中因果法则支配下的能力，亦即操纵或改变外部世界的能力有多大，主体享受的自由就有多大。人的主体性由主体与主体之间的互动而得到承认，人的自由亦是“人际自由”（Interpersonale Freiheit）。主体之间的互动影响行为主体的自由边界，他人自由范围的扩张意味着个人自由范围的限缩，反之亦然。主体间性（Intersubjectivity）的理论视角正是对这样一种互动关系的强调，其核心内涵在于，在交往过程中，人与人互为主体，并通过语言、规范和理解等互动达成共识，以这种共识塑造良好的交往秩序。没有主体间性，就没有规范共识，没有共识，就没有所谓的规则。这意味着，主体的地位、义务、责任和自由边界均依赖于主体之间的相互承认、尊重。法律赋予主体的义务并非源于法律的强制，而是由主体之间相互承认、维护的“法律规则”创设。在人机共驾的语境下，这种主体间性的互动体现为人类驾驶员、自动驾驶汽车生产商、制造商等前端主体以及其他道路交通参与者之间的关系。自动驾驶汽车的生产商、制造商赋予自动驾驶系统在决策层面的程序自由，这种程序自由与人类行为自由相互制约、相互影响，塑造出新的风险分配格局。因此，在考察人机共驾模式中义务分配的实质根据时，必须引入主体间性的分析范式。

　　传统的法益侵害强调某一主体对某一客体的支配。例如，财产犯罪中，主体是人，客体是财物，所侵害的法益便是人对财物的占有或者所有。然而，这种主体对客体的支配关系实际上是将相对方主体工具化，容易产生价值序列评价上的不平等，因为支配本身就意味着不平等。在自动驾驶场景中，如果沿用这一支配理念，那么自动驾驶汽车生产商、制造商和自动驾驶系统算法设计者，可能会将人类驾驶员、其他道路交通参与者视为需要向算法让步的“工具”，从而在“电车难题”等特定情形中，漠视其他法律主体应享有的平等地位。若以此逻辑理解自动驾驶领域中的信赖原则，那么利益衡量最终会陷入“牺牲一方行为主体的利益以实现另一方主体利益”的困境。而无论是“牺牲”集体利益还是“牺牲”个人利益，均缺乏正当性。可见，传统的支配视角难以妥当解释自动驾驶领域复杂的利益衡量与责任分配。

　　反之，以主体间性视角重新理解风险，可为义务分配过程中的利益衡量提供更为坚实的规范基础。人不仅是具备“自由意志”的独立主体，而且是社会中的成员。当行为人输出风险侵害他人的自由领域时，便是对他人主体地位和自由的否认。一个良好运行的社会依赖于社会成员间的预期信赖和安全感。只有在主体间相互承认、相互尊重并相互信任的基础上，社会才能有效运转。法律赋予主体的主观权利，因主体之间的尊重和承认而得以形塑，主体的“主体性”因为主体之间的承认、尊重等“互动性”而得到承认。在界定行为不法的风险时，不能脱离以社会关系为基础的主体间性视角。因此，对人机共驾模式中的主体义务分配，也应以主体间性视角展开。与传统支配型的义务分配路径相比，基于主体间性视角的利益衡量在分配义务时主要具备以下两方面的优势：其一，反对单方主体利益牺牲式的自由让渡，而是基于主体间所达成的规范共识来完成义务的协调分配，亦即义务源于各主体间共同维护信赖、尊重等社会交往秩序这一共识，违反义务是对这一共识和信赖关系的破坏。其二，主体间性理论视角所强调的“相互承认、相互信赖、相互尊重”，契合人机共驾模式中义务分配的前提。在这种场景下，人的行为与自动驾驶系统的程序操作相互交织、相互合作。只有能够互相信赖，才能基于这份信赖在风险复合的情境中确定彼此的义务边界。其三，基于主体间性视角的利益衡量来分配人机共驾模式中的主体义务，其所蕴含的“相互承认关系”并不预设人类驾驶员或者自动驾驶系统等任何一方具有优势地位。这种分析视角既不偏向于技术效率，也不单纯强调法益保护至上，而是在动态驾驶场景下通过确立“在何种情况下谁能够信赖谁”，完成在自动驾驶汽车前端责任主体、人类驾驶员、其他道路交通参与者等多主体间的义务分配预期。

　　例如，一辆L3级别自动驾驶汽车在高速公路上行驶，驾驶员在激活自动驾驶系统后便开始观看车载娱乐设备，不料突遇前车紧急刹车。这一场景中的外在风险是前车的突然刹车，能够应对这一风险的有自动驾驶系统和人类驾驶员，那么此时究竟应该由谁来承担处理风险的义务？对此，在传统的“支配-牺牲”的义务分配模式下，容易陷入非此即彼的分配局面：若优先保护驾驶员的人身安全利益，则驾驶员有权信赖自动驾驶系统会识别出前车刹车行为并给出正确决策，这就要求自动驾驶系统承担全部的场景识别和应答责任。反之，若优先保护自动驾驶系统生产商、制造商的最低安全保障利益，则人类驾驶员需要时刻保持警惕以便接管。这两种结论陷入了“谁的利益更值得保护”的博弈困境，难以取得共识，也就无法完成多主体间的义务分配。与之不同，若基于主体间性视角的相互承认关系，义务分配不再是单方的利益牺牲或者让渡，而是建立在各自能力与角色的规范共识基础之上。这意味着，自动驾驶汽车生产商、制造商承担着确保自动驾驶系统感知、场景识别和准确应答的注意义务；人类驾驶员作为接管主体，需在系统识别或者运行障碍时承担接管义务。在此框架下，双方主体的利益均没有被牺牲，而是通过一种相互承认和相互信赖的关系明确各自的义务与自由边界，最终实现双方主体义务分配的妥当性。

　　综上所述，基于主体间性视角的利益衡量论将主体间的相互承认关系置于核心地位，将对他者自由的尊重作为实现自身自由的前提。这一规范共识尤其适用于技术发展与人类权利相互碰撞的自动驾驶领域。算法设计必须充分嵌入对其他道路交通参与主体的尊重，而人类在互动中也应充分理解系统的运行条件并适时履行接管义务。立足于主体间的相互承认关系，每一位道路交通参与主体都需履行好自身的注意义务，从而维护社会秩序正常运转的核心——信赖。

信赖原则在L3级别人机共驾模式中怎样进行义务分配？这就涉及信赖原则分配注意义务的具体路径。从传统驾驶领域到人机共驾模式再到完全自动驾驶水平，人类在驾驶领域的主体性逐渐减弱，风险来源也随之发生结构性转变。传统驾驶领域中，风险主要来源于人类驾驶员；人机共驾模式下的风险主要来源于人类驾驶员的失误操作、自动驾驶系统的技术失灵以及人机交互操作的衔接不当等因素；在完全自动驾驶中，风险主要来自自动驾驶系统。由此可见，在人机共驾模式下，自动驾驶系统和人类的驾驶角色共存，注意义务的分配需要结合主体间的行为互动逻辑展开细致研究。在此之前，需要先明确，在人机共驾模式中适用信赖原则分配注意义务，是否存在相应的限制前提。

　　（一）注意义务的分配应摒弃“失权原理”的不当限制

　　在自动驾驶领域人机共驾模式中适用信赖原则进行注意义务分配，是否需要遵循“失权原理”（Verwirkungssatz），亦即应当以行为人先遵守自身所承担的注意义务为前提，方能主张适用信赖原则免责。对此，多数观点持肯定态度，主张违反注意义务者不能援用信赖原则。例如，在“孟某交通肇事案”中，法院认为，孟某实施超速行驶的违法行为在先，因此不具备适用信赖原则的前提，因为其不能在自身违反交通规则的前提下期待他人严格遵守交通规则。然而，这种限制的正当性值得反思。

　　有学者对“失权原理”的通常应用场景进行了如下分类：其一，行为人违反注意义务的行为直接创造危险；其二，被害人遵守交通规则的行为原本可以防止危险结果发生；其三，行为人和被害人所违反的义务具有相互配合性，被违反的注意义务原本可以防止另外一方主体的危险行为；其四，行为人违反义务的行为诱使被害人实施危险行为。然而，以上情形均可通过一般归责理论予以解决，无需诉诸“失权原理”，这是因为课加给行为人的注意义务指向防止结果的发生。反之，若严格依据“失权原理”，将导致任何违反注意义务的行为人均丧失主张信赖原则的资格，即使其违法行为与损害结果之间并无实质性关联。如此，以自身违法行为阻碍信赖原则适用的主张，与其说是为了维护信赖原则的“前提”，不如说是对违反义务行为人的不当惩罚。因此，如果违反注意义务的行为与损害结果之间没有归责联系，那么就无法剥夺行为人主张信赖原则的权利，否则便是陷入了“自陷禁区原则”（Versari in re Illicita）。还有学者主张，“失权原理”的适用以行为人对结果具有具体预见可能性为基础。即使行为人并未履行好自身注意义务，若对损害结果的发生缺乏具体的预见可能性，也可以主张信赖原则避免责任。然而，这仍然是从结果归责的角度进行的考量。质言之，只有违反注意义务的行为与损害结果之间具有可归责性的关联时，才能限制信赖原则的适用。所以，从这一角度而言，“任何违反注意义务的行为人都不能主张信赖原则”这句话，仅适用于结果能够归责于该违反注意义务行为的场景。

　　在L3级别的人机共驾场景中，这一论断亦缺乏适用空间。例如，虽然人类驾驶员未能及时履行接管义务，但若事故的发生是由系统突发的感知失灵所致，且该风险明显超出行为人的合理预见范围，那么驾驶员的义务违反与损害结果之间便缺乏可归责性。此时，若仅因人类驾驶员存在监管疏忽就完全剥夺其主张信赖原则的权利，无异于依据“自陷禁区原则”进行归责，并且这更是将本应由系统承担的风险责任不当转嫁给人类驾驶员。然而，在此情形中，导致事故的根本原因在于自动驾驶系统的技术故障，因此无法苛责人类驾驶员的疏忽行为。

　　故而，将“行为人自身不违反义务”作为信赖原则的适用前提，这一做法过于笼统，以至于存在被误解、误用的风险。判断信赖原则的适用关键，并不在于行为人是否“清白”，而是其违反注意义务的行为与结果之间是否存在实质性的归责联系。理论上多数观点日渐认为，“失权原理”并无存在价值，是多余的理论。在自动驾驶领域，尤其应当超越这一限制原则的束缚，避免将自动驾驶中的系统固有风险不当转移给处于替补驾驶地位的人类驾驶员。

　　（二）注意义务的层级化分配：以危险预见义务为核心

　　诚如前文所述，智能汽车的自动驾驶模式融入了多元化的风险来源，因此这一模式下的责任分配体现出动态性、交互性的特征。与传统驾驶领域不同，自动驾驶领域的注意义务必须结合不同主体间的互动关系进行层级化分配。这一分配的核心在于信息收集义务。以信息收集义务去判断自动驾驶领域各主体应分别承担的危险预见义务，能够实现义务分配的妥当性。

　　1.危险预见义务是一种信息收集义务

　　正如耶赛克（Hans-Heinrich Jescheck）教授所言，从一般的注意义务规则中产生的首要注意义务便是危险预见义务，因为回避危险的措施在性质和程度上都取决于对危险的预见。由此，危险预见义务的作用在于，限定危险回避义务范围、划分危险回避义务的边界。是故，规范不仅要求公民避免直接引发危险，而且要求其努力利用所收集的信息来预见那些潜在的行为危险。从这一角度而言，行为不法阶段对危险的预见，其核心在于履行一种对危险的信息收集义务。宾丁（Karl Binding）主张，信息收集义务（Vorprüfungspflicht）由三个要素组成：对行为所处情境下的感知、根据经验或者想象力对行为在情境下产生效果的正确预测、对行为及其效果在法律意义层面的理解。这三类要素表征出信息收集义务的内涵及其在危险预见过程中的功能，亦即在实施危险行为之前进行相关的信息查询与收集、资料调查等，使自身具备相关的知识、经验和能力，对实施行为带来的风险作出准确判断，以便在实施危险行为过程中更好地管控风险。例如，医师的术前询问和术前检查，司机倒车时的前后方观察义务等。

　　信息收集义务的内涵分歧不大，需要格外关注的是信息收集义务的性质。日本学者藤木英雄在论证“危惧感说”时，将信息收集义务定位于“消除不安感的直接回避义务”。其理论逻辑在于，行为人在实施行为之前应通过探查搜索危险的警示信息来消除不安感或者危惧感，若未能消除，且做不到无视这份不安感或者危惧感，行为人便存在过错。课加给行为人消除不安感的“负担”即为信息收集义务。然而，如果行为人已经通过信息收集认识到行为的不法性却仍决意实施，此时其过错在于，未能基于已获取的信息采取相应的避免措施来降低风险或者控制风险。这便表明，如果将信息收集义务的属性仅定性为结果避免义务，将导致作为一种直接回避义务的信息收集义务与后续能够影响不法成立的结果回避义务产生混淆。

　　追本溯源，信息收集义务是针对“未知危险”而产生的，其所欲发挥的作用便是通过所获取的信息来探知可能存在的危险，从而为预见危险奠定基础。因此，为了预见危险，行为人就有必要采取一定的举措，以期确保自身对所实施的行为或者行为所处情状及其规则要求的必要认知。这种举措可以是内在的思考，也可以是外在的信息查询或者信息收集。只有通过某些举措或者思考，确保对相关情状潜在危险的认知，才能管控风险，避免构成要件结果的发生。因此，危险预见义务在规范层面，本质上体现为一种通过收集和处理相应信息以形成风险认知的义务。将这一逻辑适用于人机共驾模式中的义务分配，能够为厘清多方主体互动下的义务边界提供精准尺度。

　　2.多元主体间信息收集义务的结构化配置

　　“信息”贯通整个自动驾驶领域。作为连接该领域各主体之间的“桥梁”，信息的收集、感知、处理和执行等活动，在自动驾驶汽车生产商、制造商以及人类驾驶员等多主体间共同组成了风险分配的结构性基础。因此，主体间的义务分配应围绕“信息”这一要素展开，沿着信息交互链条来确立。从主体间性的利益衡量出发，一方主体只要履行了与其运作环节相匹配的信息收集义务，便能主张信赖原则，不予承担风险责任。

　　首先，在人机共驾模式中，自动驾驶汽车生产商、制造商等前端主体的首要职责，便是通过海量的研发测试构建自动驾驶领域的“信息底盘”，因此这类主体承担前提性的信息收集义务。具体而言，这类义务要求行为主体全面采集各类道路交通场景数据，对场景风险进行相应的处理、分类和分析，继而针对不同的场景设计合理的算法决策规则，验证并优化相应的算法逻辑，同时预先划定出自动驾驶系统无法应对的场景。换言之，自动驾驶汽车生产商、制造商等前端主体负有确保所生产的自动驾驶汽车符合国家安全标准的注意义务，以及必要的警示说明义务和产品完善义务。这一义务的设置正是基于主体间性的利益衡量结果：自动驾驶汽车的生产商和制造商等前端主体作为技术提供方，处于人机交互链条中的起始位置，因此必须承担起初始的信息收集义务，为整个自动驾驶系统运行提供基础安全保障，避免对外输出风险。同时，该类信息收集义务也是自动驾驶系统能够识别感知风险、人类驾驶员能够在特定情形下承担接管驾驶义务的重要来源，甚至在一定程度上决定了驾驶员能否对自动驾驶系统形成合理信赖基础，所以，不同级别的自动驾驶汽车应具备与其等级相匹配的信息处理能力。目前被许可上路的L2级别辅助驾驶汽车仅能做到车道维持、识别前车加减速等，车辆的完全掌控仍然由人类驾驶员完成。然而，在L3级别自动驾驶情景下，车辆的驾驶任务主要由自动驾驶系统执行。因此，在L3级别自动驾驶汽车上路前，前端生产制造主体需要通过极其广泛的场景研发测试收集尽可能多的道路场景信息，并将其纳入算力系统的处理范畴，以确保其所生产的自动驾驶汽车符合甚至超越国家强制性标准。当其通过充分的研发测试，建立起合格的“信息底盘”，便可谓履行了前提性的信息收集义务，在此基础上，若因驾驶员接管不当或者自动驾驶系统算法黑箱操作等原因导致事故发生，则生产商、制造商可援引信赖原则不予承担相应的事故责任。反之，在“2018年Uber自动驾驶致死案”中，自动驾驶系统在碰撞前5.6秒才首次检测到闯红灯的行人。在此之前该自动驾驶系统并未对“行人”进行正确的类型识别，也未对行人的行动轨迹进行准确预判。更为关键的是，在此情景下，系统并未设计触发紧急制动的程序，对此只能依赖车内人员的干预驾驶操作来减轻碰撞伤害。最终，失控的自动驾驶汽车导致被害人死亡结果发生。Uber公司解释，这种设计是为了防止惯性紧急刹车导致的其他不良后果，所以在安装自动驾驶系统时移除了车辆本身的前向碰撞警告和紧急刹车程序。然而这种做法就导致了危险殆化的可能性极高。在这一案例中，自动驾驶系统的设计必然存在瑕疵。一是对横穿马路的行人未正确识别、未履行场景信息识别收集义务；二是未预设合适的应急避险措施。这两点因素足以表明，前端生产制造主体未能建立起合格的“信息底盘”，以至于未能充分履行事前的信息收集义务，对此也就无法适用信赖原则排除责任。

　　其次，自动驾驶系统执行动态驾驶任务时，需要履行场景化的信息收集义务。这一义务的核心在于，在运行场域中，借助雷达传感器等设备，实时感知道路交通环境，精准识别道路交通路况风险，筛选出需要及时处理的风险信息，并根据相应的算法逻辑作出应答决策。由此可见，自动驾驶系统作为执行预设命令的角色，服务于整个信息交互链条的传导性。需要注意的是，自动驾驶系统本身无法成为义务承担的主体。这是因为，谴责的依据在于行为主体产生了反对动机，而反对动机是在行为主体理解了规范内涵基础之上产生的。当行为主体理解了规范内涵，才能产生行为动机，才能决定是否遵守行为规范。而自动驾驶系统作为智能科技产物，并不具备规范理解能力，无法形成反对动机，因此不能成为承担义务的主体。无论自动驾驶系统是否严格按照程序运转，其义务承担主体均为其背后的研发设计者、生产者、制造商、软件运营商等前端主体。如果自动驾驶系统因硬件故障、软件漏洞等原因产生致害结果，则可能指向产品设计、制造缺陷。因此，自动驾驶系统执行动态驾驶任务的行为，其实是在执行前端生产制造商和服务提供商预设的“信息收集-抽象危险预见-决策响应”的命令。故而，自动驾驶系统在运行过程中所应履行的场景化信息收集义务，实际上是生产商、制造商等前端责任主体的前提性信息收集义务的延伸。有鉴于此，在动态驾驶过程中，当自动驾驶系统在设计运行条件内正常运行时，即可认为其背后的责任主体业已履行场景化信息收集义务，对此可依据信赖原则主张无须对该环节出现的事故承担责任。

　　最后，人机共驾模式中的人类驾驶员具有补足性的信息收集义务。这类义务要求驾驶员应当监督自动驾驶系统的运行状态，在系统发出提示、警示或者接管信号时及时接管并处理相应的场景信息。“补足性”与上述前提性和场景化的信息收集义务相对应。在L3级别自动驾驶模式中，自动驾驶系统才是驾驶主角，人类驾驶员是替补驾驶角色，仅在特殊情形下履行信息收集义务，故具有明显的补足性。实践中，人机交互的接管过程被认为是个灰色地带，一旦人类开始介入驾驶，责任就从“智驾”切换至“人驾”。甚至一旦系统发出接管指令，责任的天平就倒向人类这边。所以，系统发出接管指令时需要预留给人类驾驶员足够的反应时间。当系统提供了足够的接管时间，而驾驶员未能妥善接管，则其未能履行补足性信息收集义务，不得主张信赖原则予以免责。反之，当系统提示过晚、预留的接管时间严重不足时，则意味着生产商、制造商等前端责任主体未能充分履行前提性和场景化的信息收集义务，也就破坏了信赖基础。以“3·29小米SU7爆燃事故”为例，人类驾驶员从接管驾驶到车辆发生碰撞的间隔时间不足3秒，如此之短的反应时间显然无法完成对车辆的有效接管。尽管该案件中的小米SU7并未达至L3级别自动驾驶水平，人类仍是驾驶车辆的第一责任主体，但这一案例揭示出人机交互过程中的时间要素的重要性。在L3级别自动驾驶汽车中，当激活自动驾驶系统后，人类驾驶员的主体地位在动态驾驶任务中逐渐减弱，合理的接管时间预留就为其履行补足性的信息收集义务奠定了重要前提。驾驶模拟研究实验表明，常规接管场景的时间基准为10秒，非常规接管场景所需时间更长。我国《智能网联汽车自动驾驶系统通用技术要求（GB/T44721-2024）》中也明确规定，系统应提供至少10秒的接管预留时间，从技术层面为人机驾驶交互的权责分配指明方向。

　　总而言之，在人机共驾模式中，对主体间的注意义务分配应以信赖原则为指导，基于主体间性的利益衡量理论，将信息收集义务作为预见风险的基础，并以信息收集义务为核心建立起主体间的层级化义务配置。各方主体只有在妥当履行好被分配给自身的信息收集义务后，才能援引适用信赖原则，对相对方主体失范行为所致的法益侵害风险免除责任，从而实现责任分配的正义。