自动驾驶又出事了。前几天美国那边一辆特斯拉开着FSD，在路口直接把一辆摩托车给撞了，骑手当场没了。这种事搁在五年前，舆论早就炸锅了，现在大家好像都有点麻木，新闻底下评论寥寥，偶尔几条还都是“又是特斯拉”这种见怪不怪的口气。这种麻木本身比事故更让人不安——说明公众对这项技术的信任曲线，正在从期待滑向习惯性失望。

我认识几个在主机厂做智驾的朋友，私下聊起来，他们说得挺直白：现在市面上跑的量产车，有一个算一个，没有哪家的系统能真正应对中国这种路况。不是技术不行，是路况太野。你规规矩矩按车道线走，旁边突然窜出来一个外卖小哥逆行，后头还跟着一辆老头乐，这种场景在训练集里出现的概率极低，但路上天天发生。算法没见过，就不知道怎么处理，一犹豫就出事。

问题出在哪儿？很多人把矛头指向传感器不够多、芯片算力不够强。这其实是外行看热闹。激光雷达堆到五个，Orin芯片塞两颗，该撞还是撞。核心矛盾在于，自动驾驶系统本质上是在做概率预测，它判断前方那个物体是行人还是塑料袋，靠的是历史数据里相似特征的统计分布。可现实世界的长尾场景是无穷无尽的，你永远不知道下一个拐角会冒出什么离谱的东西。用有限的数据去穷举无限的场景，这条路从数学上就走不通。

更麻烦的是，现在车企宣传口径和实际能力严重脱节。发布会上一水儿的“L2.999”“无限接近L3”，法务那边又咬死了“辅助驾驶，驾驶员负全责”。这种拧巴的状态直接导致用户认知混乱。有人真把辅助驾驶当自动驾驶用，方向盘上卡个配重块就敢刷手机。等出了事，车企拿后台数据一甩，说系统早就提示接管了，是你没理。这套逻辑在法律上站得住脚，但在人情上说不过去。消费者花几十万买你一个功能，你告诉他这功能随时可能撂挑子，那这功能的意义在哪儿？

技术层面要迈的坎，其实业内心里都有数。一个是感知的冗余度不够。纯视觉方案在逆光、大雨、夜间无路灯这些工况下，摄像头信噪比急剧下降，而毫米波雷达对静止物体又容易过滤掉。多传感器融合说起来简单，做起来难在时间同步和空间对齐，不同传感器看到的同一个物体，在融合算法里可能被当成两个东西。另一个是决策规划的安全边界。人类司机开车，遇到不确定的情况会减速、会观察、会用眼神跟对方交流。自动驾驶系统没有这套社交能力，它只能靠规则硬编码。可规则写得太保守，通行效率就惨不忍睹；写得太激进，安全兜底又不够。这个度，目前没人调得明白。

还有个容易被忽略的坎是地图。高精地图一度被当成自动驾驶的拐杖，但中国城市道路的变更频率太高，今天修路明天改单行道，地图更新根本追不上。靠众包更新？数据回传的合规成本高得吓人。所以现在头部玩家都在往“轻地图”甚至“无图”方向转，可无图方案对车端实时感知的要求又上了一个台阶，等于把压力全压回算法。

说到底，自动驾驶现在卡在一个尴尬的中间态。比辅助驾驶强一点，但离真正的无人驾驶差得远。资本要故事，车企要卖点，用户要新鲜感，三股力量推着技术往前跑，可安全验证的周期是客观规律，跳不过去。航空业从自动驾驶仪到全自动降落，走了几十年，中间摔了多少飞机才把适航标准磨出来。地面交通的复杂度比天空高几个数量级，凭什么觉得几年就能搞定？

那些真正在一线做测试的工程师，反而比谁都谨慎。他们见过太多corner case，知道系统在什么情况下会犯蠢。有个朋友跟我说，他每次带家人出门，只要孩子在车上，他绝对不开任何辅助驾驶功能。我问为什么，他说：“我信得过自己的脚，信不过那堆代码。”

这话听着丧气，但可能是当下最诚实的答案。