武漢「蘿卜快跑」事件考：Robotaxi還需要一點「犯錯冗余」

這是一次「成長的代價」而非「模式的破產」，并不能因此否定自動駕駛的長期價值，Robotaxi反而可能因此事件變得更加成熟和可靠。

文丨智駕網 零醬??

編輯丨浪浪山與明知山

3月31日晚，武漢市區部分蘿卜快跑車輛出現停滯。根據警情通報，事發之后，交管、交通部門與蘿卜快跑公司迅速處置，乘客均安全下車，無人受傷，相關交通路段迅速恢復秩序。

此次偶發事件引起業界對Robotaxi安全機制與大規模落地的討論。智駕網對這一事件進行了復盤與調查。

01.
蘿卜為什么會停？

在事發當晚，對于為何出現多輛Robotaxi同時停車，有相關人士猜測，很可能是遇到突發情況，觸發了安全自檢機制。

智駕網在第一時間與行業相關人士求證后確認，此次「蘿卜快跑」車輛停滯事件是車輛在自檢到潛在風險時，系統保障安全的主動策略，這一模式被稱之為「最小風險操作」：它是自動駕駛車輛在遇到系統故障、超出設計行駛范圍或無法繼續行程時，為保障安全而自動進入的一種穩定狀態。

國際標準ISO23793-1:2024將最小風險策略(MRC)分為直線停與道內停兩類，允許車輛在觸發MRC時縱向減速并在任意位置停放。

這一操作模式是基于自動駕駛的安全冗余依據標準設定的。

感知-決策-執行，是自動駕駛運行邏輯，為保證行駛安全的底線，當前Robotaxi的冗余設定同時存在于這三者之間。

其中，感知類似人類的視覺，為接收更多的信息，目前L4企業及很多乘用車企業都為車輛安裝了多種傳感器以便對周圍環境進行更精準全面的感知；決策類似人類的大腦，負責將上述傳感器的數據匯總并相互校驗，剔除異常值。

當前自動駕駛行業關于「純視覺vs激光雷達」的技術路線爭論正是關于感知冗余的爭論。

至于眾多Robotaxi采用了與飛機類似的雙計算平臺，則是決策層面的冗余措施——自動駕駛車輛在行駛過程中，確保在一個平臺突然「死機」之時，另一個控制單元能瞬間接管。在自動駕駛發展的早期，車內的安全員和遠程安全員，也可以視為是另外一種層面上的「決策冗余」。

在執行層面，則通常采用雙控系統、雙電源供電、雙通訊鏈路等作為冗余。

自動駕駛的工程底線正是保證在上述的三個環節，無論哪個環節出現問題，執行層都會按照底層代碼的終極安全指令，啟動「最小風險策略」，也就是讓車輛停下來，即便是停在路中央，可能引發追尾，也要在第一時間停止行駛。

這正如家用車在發動機故障燈亮起后，車輛會自動限速或熄火保護，是行業通用的安全底線邏輯。

自動駕駛車輛同樣遵循這一原則，而因其無人駕駛的特性，其對安全的考量和處置方式更加嚴格、剛性。

如果以人類駕駛行為做類比，那類似于在行車過程中突遇暴雨、大風、沙塵、甚至是塑料袋等異物突然遮擋視線后的緊急停車。

在同樣具有「自動駕駛」模式的航空業，民航飛機的自動駕駛儀在檢測到傳感器異常時，會自動切換到「降級模式」或交由人工接管，這是航空領域沿用數十年的安全冗余設計。

自動駕駛汽車的「主動停擺」邏輯與此同源，在「感知不確定」時選擇停下來，就是保證當前安全的最小風險。

而這樣的處理策略并非蘿卜快跑獨有，而是當前國內外L4企業的統一操作。

2025年12月，美國舊金山因變電站火災一度導致市內大規模停電，交通信號燈大面積失效。由于無法識別失效信號燈，Waymo車輛在多處路口開啟雙閃，陷入「停滯」。

Waymo后來解釋，這是因為公司系統預設將失效信號燈視為「四向停車」（Four-way stop）場景，但因停電規模超預期，車輛確認路口安全狀態耗時過長，觸發了「最小風險策略」（原地停車并雙閃）。

Waymo表示，這是美國加州DMV（Department of Motor Vehicles，機動車輛管理局或車管所）對L4級全無人駕駛的強制安全要求，并非企業自主選擇。

事件發生次日，Waymo便恢復正常運營，此次事件未對其無人駕駛整體服務運營造成任何影響。

在系統遇到「感知不確定」或「外部環境異常」的情況下，「停下來」是法律和技術共同規定的最后一道防線。

盡管無人駕駛的事故率已經是人類的百分之一，但人們總希望用絕對零故障要求AI。

從技術發展角度來看，十多年前，眾多技術工程師、主機廠許下的「零傷亡、零事故」自動駕駛愿景是不符合物理規律的。

多年前，智駕網曾提出，人類接納自動駕駛的前提是接納一臺可能犯錯的機器。

重要的不是自動駕駛車輛是否永遠不犯錯，而是人類社會為機器的犯錯設置一套經濟上可行的救濟機制：用可度量的經濟模型覆蓋自動駕駛車輛犯錯引發的經濟損失。

02.
等一等Robotaxi

今年多家Robotaxi公司表示，自動駕駛已從「技術驗證期」進入「規模化商業運營期」，部分公司在單個季度內實現了盈利，單車利潤轉正，而眾多咨詢機構預測，十年內，Robotaxi將成為萬億美元級別的市場。

在無人駕駛市場，無論是從技術層面還是在運營層面，中國企業沒有「可以摸的石頭」，任何各種極端場景的考驗，都將是全球L4企業共同要蹚過的那條河。

回溯無人駕駛的發展歷程，即便把時間線推到引發現代自動駕駛產業的「大爆炸」DARPA挑戰賽時期也剛剛20年多一點，如果從谷歌在公共道路上首次實現了完全無人駕駛的時間計算，這是一個發展僅僅14年，依然尚未成熟的行業。

這種不成熟，不僅僅是技術上尚未完全成熟，也包括城市對于Robotaxi運營的基礎設施、基本規則，尚在磨合、摸索之中。

而即便Robotaxi進入千城萬市，成為人類日常出行的首選，也并不意味著Robotaxi永遠不發生事故。與之類似的是電力行業，其在人類社會的大規模普及已有上百年的時間，但至今仍偶有停電故障發生。

而社會大眾接納Robotaxi、接納無人駕駛，同樣也需要時間。

這個過程伴可能并不是完全愉悅的，它可能有各種未曾預測到的事故、錯誤，從而對各地的道路管理者帶來巨大的輿論壓力與職責拷問。

但這些錯誤并非全是Robotaxi成長的代價，它也是社會治理規則化的現實案例，沒有Robotaxi的成長、成熟，具身智能產業注定缺乏成長的土壤。

毫無疑問，中國在一定意義上是對自動駕駛政策最為開放、消費者接受程度最高的市場之一。

而以中國市場的體量，其觸發的事故、引發的爭論當然也是世界上最多的。

但同樣毋庸置疑的是，自動駕駛已是大勢所趨，以中美為代表的兩大市場都在推動人類社會更深層次地接納Robotaxi、具身智能。

這背后當然有技術、產業與規則的全球話語權博弈。

自動駕駛是AI在物理世界落地的核心載體，自動駕駛對物理世界的深度理解與交互能力，是通向通用人工智能（AGI）的關鍵路徑，已是業內共識。

但更深層次的原因是自動駕駛在宏觀層面可以大大降低事故率，雖然并非夸張的「零傷亡、零事故」，但將遠遠低于人類駕駛員。

同時它可以帶來更高的出行效率，解放人類的時間。

但這一過程，并不意味著因為某個大模型的突然開悟，可以一步實現。它需要數據的積累，全場景的強化學習，這個過程可能伴隨著各種意外。但這個時間、這個過程，中美兩國都無法跳過。

在Robotaxi已經無可回避的時代，技術的問題歸技術，救濟的問題歸救濟，治理的問題歸治理。

企業、公司、消費者在遇到問題時，各自追索自己的權利，承擔自己的責任，是Robotaxi才有可能可成長為和馬車、燃油車一樣的出行選擇。

中國信息協會常務理事、新經濟研究院院長朱克力表示：此次蘿卜快跑主動停止運行，是自動駕駛系統在面對不確定性時選擇最保守的退出策略。這種對"安全第一"的嚴格遵循，雖表現為看似"異常"的停車，實則為公眾信任奠定基礎。隨著技術迭代，此類保守觸發將逐步減少。

是的，這次異常停車其實是一套安全策略生效的結果，這既是技術的副作用，也是技術的善意。

【關注智能汽車，關注智駕網視頻號】

關注汽車的智駕時代上智駕網（http://autor.com.cn）
合作or新聞線索提供，聯系郵箱：editor@autor.com.cnc