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.