作者丨欣欣
3月29日22時44分，一輛搭載NOA智慧輔助駕駛系統的小米SU7標準版在安徽德上高速公路池祁段疾馳，時速達116公里。
因經施工臨時改道路段，車輛雖檢測到障礙物併發出預警，但僅在碰撞前2秒啟動減速，駕駛員緊急接管後仍以97公里時速猛烈撞擊隔離帶水泥樁，車體燃燒，三名年輕女性駕乘人員未能逃生，最終釀成慘劇。
這一事件迅速引發全網關注，不僅因事故本身的慘烈，更因其直指當前智慧駕駛技術的核心爭議——這場由科技公司主導的汽車革命，是否在不成熟的新技術與人類駕駛經驗之間製造新的危險盲區？
在車企競相將"城市NOA"作為賣點的今天，消費者權益保護委員會收到的"過度宣傳"投訴量卻同比增長214%。
行業專家指出，車企在“智駕平權”浪潮中急於技術落地，卻忽視安全冗餘與使用者教育，此次事故暴露了L2輔助駕駛“接管悖論”，系統要求人類在極短時間彌補演算法缺陷，實為“將生命置於灰色地帶”。正如事故家屬悲痛的質問“誰能2秒內反應生死？”
據工信部智慧網聯汽車安全監測平臺數據顯示，2024年國內L2+級自動駕駛滲透率突破58%的同時，涉及智慧駕駛的交通事故同比增加37%，這種技術普及與安全質疑並存的矛盾現狀，折射出對智慧汽車革命最尖銳的安全拷問。
下面，將透過拆解的方式，瞭解當前自動駕駛技術的發展、短板與經驗教訓。
– 01 –
自動駕駛技術基礎知識
1.1 自動駕駛技術分級：L1-L5 級自動駕駛解析
自動駕駛技術的L1到L5五個等級展示了自動化程度的逐步提升，每個等級對應著不同的駕駛責任和技術能力。
1.2 自動駕駛系統的關鍵關鍵組成部分
關鍵說明：
—感知系統是自動駕駛的“感官”。依賴多感測器融合技術解決複雜環境（如雨雪天氣、夜間）的感知可靠性問題。
—決策系統的核心是動態平衡安全性與效率。例如，在緊急避障時需同時考慮路徑可行性、交通規則和乘客舒適度。
—控制執行系統需與車輛動力學深度耦合。例如透過電機扭矩分配最佳化轉向精度。
—高精度地圖與定位是L4/L5級自動駕駛的必要條件。需與即時感知資料匹配以修正定位誤差。
—支撐技術中，車聯網（V2X）可突破單車智慧的侷限性。例如透過路側裝置提前預知交叉路口盲區風險。
– 02 –
全球自動駕駛技術發展及代表企業
2.1 自動駕駛商業化歷程
自動駕駛技術的百年演進不僅是技術迭代史，更是人類對交通效率與安全性的終極探索，其核心矛盾始終圍繞“機器決策的確定性”與“人類需求的不確定性”展開。
2.2 截至2025年4月全球自動駕駛技術發展概況
目前，全球自動駕駛技術呈現出顯著的區域差異化特徵，不同地區在技術研發重點、應用場景以及商業化推進速度等方面都存在差異。
2.3 全球關鍵領域技術對比
2.4 一些知名企業技術路徑對比
特斯拉FSD以純視覺方案立足，8攝像頭+超聲波感測器實現360°感知，影子模式每日採集10萬公里異常資料驅動48小時內演算法迭代。
Waymo採用雷射雷達+視覺多模態融合，可識別500米外障礙物型別（精度98%），鳳凰城Robo-Taxi單公里成本降至1.2美元，接近傳統網約車水平。
百度Apollo依託高精地圖+即時資料融合，動態更新頻率達10Hz，覆蓋30萬公里道路。蘿蔔快跑日均訂單破2萬，干預率0.02次/公里，並與比亞迪合作開發160TOPS算力車載平臺。
華為ADS推動“無圖化”轉型，GOD網路識別未標註障礙物誤報率低於0.1%，賦能賽力斯、長安等車企，構建國產化智駕生態鏈。
賓士Drive Pilot作為全球唯一L3/L4雙認證車企，在德國高速路支援95km/h有條件自動駕駛，方向盤縮排與3D導航投射提升人機互動體驗，計劃2030年實現130km/h時速突破。
– 03 –
自動駕駛的事故與“短板”
3.1 事故高發場景
自動駕駛車輛的快速發展，在為交通安全帶來新潛力的同時，也引發了人們對事故分佈和安全性的密切關注。從事故高發場景和責任歸屬來看，目前還存在諸多問題和爭議。
3.2 事故頻率與關鍵事件統計
陝西海普睿誠律師事務所郭永林律師對藍鯨記者表示，現行法律未對L2-L3級自動駕駛責任作專門規定，但可依據過錯責任原則和產品責任規則進行責任劃分，具體責任需透過司法鑑定及詳細的事故調查確定。
根據現有相關部門規定，L2-L3級輔助駕駛系統需明確“駕駛員是駕駛安全的責任主體”，駕駛員需全程監控路況並隨時接管。類似案件中，法院一般會認為駕駛員開啟輔助駕駛後未盡注意義務的，需承擔主要責任.
資料顯示，2021 年 6 月至 2024 年 6 月，NHTSA 記錄 3979 起事故，53.9% 涉及特斯拉車輛，主要為其 Autopilot 和 Full Self-Driving 系統，這些屬 ADAS，旨在輔助駕駛員，卻因名稱易引發誤解和爭議。
常見事故有與緊急停靠車輛碰撞、幻影剎車、逆向駕駛、未檢測到行人或騎行者。
截至2023 年 6 月 16 日，加州記錄 612 起碰撞，佔美總量顯著部分。2023 年加州報告顯示，事故多發生在高速公路（46.3%）、乾燥路面，涉及固定物體、乘用車和 SUV，特斯拉 Model 3 和 Model Y 是事故高發車型，技術成熟度與實際應用存在差距。
3.3 案例回顧
2016年特斯拉Model S致死事故是自動駕駛技術首次引發公眾安全爭議。
美國佛羅里達州車主布朗駕駛特斯拉時啟用Autopilot功能，系統因強光干擾未能識別前方白色卡車，導致車輛從卡車底部鑽過，車頂被掀飛，布朗當場死亡。此事故暴露了純視覺方案在低對比度場景下的致命缺陷，並引發美國政府對自動駕駛技術的首次大規模調查。
2016，特斯拉Model S在京港澳高速致死事故是中國首例自動駕駛技術致人死亡事件，也是全球最早引發法律訴訟的自動駕駛事故。
司機高雅寧駕駛特斯拉時啟用Autopilot功能，系統因無法識別前方靜止的道路清掃車，以未減速狀態直接撞擊，導致車輛損毀、司機當場身亡。
事故調查發現，特斯拉系統對錐桶、異形車輛等障礙物的識別能力存在嚴重缺陷，且碰撞前無任何剎車痕跡。
此案歷時一年訴訟後，特斯拉被迫承認事故發生時車輛處於自動駕駛狀態，暴露了早期純視覺方案在靜態障礙物檢測上的致命短板。
2018年Uber自動駕駛測試車撞人事件則將責任歸屬問題推向風口浪尖。亞利桑那州坦佩市一輛Uber自動駕駛測試車在夜間撞倒橫穿馬路的行人，安全員因分心觀看手機未及時接管，最終致行人死亡。
事故調查顯示，Uber系統在撞人前僅1.3秒識別出行人，未觸發緊急制動，而測試車輛缺乏對安全員的即時監控機制，暴露了企業安全管理的重大漏洞。
江蘇夫妻輔助駕駛致死事故則揭示了過度依賴技術的風險。2024年12月，一對夫妻在開啟智慧輔助駕駛功能後睡著，車輛失控撞上護欄，兩人當場身亡。目擊者稱事故車輛完全依賴自動駕駛系統，而駕駛員未保持對路況的監控。
– 04 –
多起車禍背後:
自動駕駛技術短板的深度探尋
4.1 智慧駕駛技術短板多維度分析
– 05 –
為什麼到今天，
自動駕駛仍邁不過高階技術門檻？
自動駕駛技術的可靠性目前仍處於持續最佳化與爭議並存的階段。
從技術層面看，其依賴的感測器融合（如雷射雷達、攝像頭、毫米波雷達）和人工智慧演算法已能實現高精度環境感知與常規場景決策。
例如，L2-L3級系統在結構化道路中可有效降低80%人為因素導致的事故，特斯拉FSD等系統透過深度學習在多數場景下表現穩定。
然而，技術的脆弱性在極端條件下暴露。雷射雷達在雨雪天氣探測距離衰減近半，攝像頭在隧道出入口存在0.8秒視覺延遲，毫米波雷達對塑膠路障漏檢率達32%，這些硬體短板導致多源資料衝突，引發廣州白雲機場高速連續撞擊錐形桶等事故。
演算法層面，深度學習模型雖能處理99%常規場景，卻難以應對0.1%的“邊緣案例”，例如將飄落的頭紗誤判為障礙物急剎引發追尾，或無法理解“壓速併線”等人性化策略。
美國國家公路交通安全管理局資料顯示，L2級系統誤觸發率達0.23次/千公里，相當於每4347公里可能出現危險誤判。
儘管車路協同、多級監控系統和冗餘設計提升了安全性，但通訊時延、網路攻擊等隱患仍未根除。
當前技術雖在特定場景展現潛力，但其可靠性仍受限於感測器效能邊界、演算法邏輯缺陷及複雜環境適應能力，需透過持續技術迭代、法規完善與大規模道路測試才能逐步逼近“完全可信賴”狀態。
今天，無論車廠如何宣稱自家技術先進，但自動駕駛仍然是一種輔助駕駛，方向盤應牢牢掌握在駕駛員手中。同時，廣大車廠應多一點對安全的敬畏，少沉迷於對智慧化的賣弄，在“自動駕駛”這項關乎生命的技術上，有幾分把握說幾分話。
本文內容僅供參考，不構成任何投資建議。圖片源自AI圖片。
歡｜迎｜聯｜系
想獲得調研，請聯絡：pencil-news
想商務合作，請聯絡：renguozhou2019
想加入創業社群，請聯絡：Pencil-news
想進行市場合作，請聯絡：Pencil-news
文章轉載，請聯絡：Pencil-news
推｜薦｜閱｜讀
關｜注｜我｜們