江苏
2025年3月29日晚，一辆小米SU7在安徽高速发生碰撞后爆燃，车内3名年轻女性不幸遇难。事故引发公众对智能驾驶安全性的激烈讨论——家属质疑“车门为何无法解锁”“车辆为何自燃”，而小米声明称“已提交数据配合调查”，但未直接回应核心疑问 。
这场悲剧撕开了智能驾驶时代的技术信任裂痕：当车企用“自动辅助驾驶”吸引用户时，是否该为生命安全兜底？
一、技术黑箱：当“系统正常”成了万能解释
根据小米通报，事故发生时车辆处于NOA（智能辅助驾驶）状态，时速116公里，系统检测到障碍物后发出预警并减速，但驾驶员接管后仍以97公里/小时的速度撞上护栏 。然而，家属质疑：“系统提示了风险，为何没能避免事故？”
算法局限：小米SU7标准版未配备激光雷达，仅依赖摄像头和毫米波雷达。业内人士指出，夜间复杂路况下（如施工路段警示灯），纯视觉方案可能存在识别盲区 。
响应时间争议：从系统预警到碰撞仅2秒，而AEB（自动紧急刹车）理论上应在此类场景中触发。但小米声明未明确AEB是否生效，引发公众对“技术边界”的追问 。
数据垄断：车企掌握事故原始数据却未开放第三方分析，如同“黑箱魔术”——用户只能相信“系统正常”，却看不到决策逻辑 。
二、安全冗余：被轻视的“最后防线”
事故中，家属称“车门断电锁死导致无法逃生”，而小米客服回应称“车门下方有机械应急拉手” 。但这一设计在剧烈碰撞中可能失效：
机械备份的脆弱性：传统燃油车通过物理拉线控制车门锁，而电动车的电子锁依赖电池供电。若碰撞导致断电，电子锁可能卡死，机械拉手也可能因结构变形无法使用 。
行业标准缺失：目前国内对智能汽车应急装置（如机械解锁）的测试标准尚不明确，车企可能为降低成本简化设计 。
用户认知鸿沟：多数消费者误以为“电子锁=绝对安全”，却不知紧急情况下操作失败率高达34%（MIT研究数据） 。
三、技术乌托邦的祛魅：我们需要的不是“全能AI”
小米曾宣传SU7可实现“全场景自动驾驶”，但事故暴露了过度营销与技术现实的落差：
功能边界模糊：L2+级辅助驾驶的本质是“辅助”，而非“替代人工”。但车企常以“未来感”包装技术局限，例如特斯拉因宣传“自动泊车”却撞墙被起诉 。
公众期待错位：德国VDI标准要求L3级自动驾驶仅限时速60公里以下使用，而国内用户却期待高速场景下的“无忧驾驶” 。
安全验证不足：小米SU7的电池虽采用“电芯倒置”技术，但实验室数据与事故表现仍存差距。行业需建立更严苛的“极端场景测试” 。
结语：在算法时代重建安全共识
雷军在回应中承诺“无论发生什么，小米都不会回避” ，但公众更期待看到行动：
数据透明化：强制车企开放事故数据，允许第三方机构独立分析；
冗余设计立法：要求关键安全部件（如车门解锁）必须具备双重备份；
用户教育升级：用通俗语言告知技术边界，而非仅标注“注意”或“风险” 。
毕竟，技术的进步不应以生命为赌注。当算法黑箱撞碎技术乌托邦的幻象，或许我们该重新思考：真正的智能，是教会机器敬畏生命，而非让我们盲从代码。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
