全国多地采购“无人驾驶公交车”，公交、地铁即将“告别司机”？

海口市公共资源交易中心发布招标公告，拟采购10辆L4级自动驾驶汽车、60辆智能网联公交及配套基建。这并非个例，2026年以来，广东、江浙、湖北、四川等地密集开展无人驾驶接驳招投标，自动驾驶正从实验室走向现实，这场变革也让全国3000多万职业司机面临转型挑战。

2026年3月前夕，海口市公共资源交易中心发布了一则重要招标公告，这份公告看似普通，却在暗流涌动的出行市场引发不小波澜。公告明确列出采购清单，包括10辆L4级自动驾驶汽车、60辆智能网联公交，以及配套的基础设施建设服务，涵盖智能调度平台、充电桩、道路感知设备等，采购资金全部用于城市公共出行的智能化升级，计划在半年内完成采购、安装并投入使用，主要服务于海口市区的固定线路接驳和园区通勤。

这并非孤立事件，进入2026年以来，全国范围内掀起了一场无人驾驶接驳的招投标热潮。从岭南的广东，深圳、广州等地陆续启动智能网联公交试点，批量采购无人驾驶车辆用于公交线路接驳；到江浙平原，杭州、苏州推出无人驾驶网约接驳车，覆盖社区、商圈与地铁站之间的短途出行。

再到九省通衢的湖北，武汉、宜昌开展无人驾驶公交线招标，打通城市交通微循环；天府之国的四川，成都、绵阳也加入其中，将无人驾驶接驳延伸至郊区新城。据统计，2026年一季度，全国已有18个省市发布无人驾驶相关招投标项目，涉及车辆采购、基建建设等多个领域。

这场密集的招投标，标志着自动驾驶已彻底走出实验室，从技术探索阶段进入规模化落地阶段，并非科幻电影中的超前场景，而是实实在在的数字化出行变革。之所以率先在公交线路推进无人驾驶，核心原因在于公交线是固定、可控的行驶环境，也就是工程师所说的“确定性场景”。

与开放城市道路的复杂环境不同，公交线有固定的路线、不变的信号灯位、固定的转弯半径，甚至每个站台的客流波峰都能提前预测，无需应对复杂多变的交通状况。对于自动驾驶系统而言，固定线路能大幅降低技术难度，一辆智能公交在同一条线路上反复行驶，每一圈都会收集大量行驶数据，不断优化算法，提升行驶安全性和稳定性。

但即便如此，算法依然存在“边缘场景”的短板，比如遇到穿着玩偶服横穿马路的行人、姿势诡异的路边躺卧者等极低概率的复杂情况，算法可能无法准确识别，导致行驶风险。因此，目前多数自动驾驶车辆的驾驶座上仍会配备安全员，他们不主动操控车辆，主要作用是稳定乘客情绪，应对突发情况，消除乘客对自动驾驶的不信任感。自动驾驶的规模化落地，不仅是技术的突破，更带来了责任认定的全新难题，需要建立完善的规则体系加以解决。

随着自动驾驶车辆逐步投入使用，传统的交通责任认定逻辑被彻底打破，形成了难以破解的责任迷局。在传统交通场景中，发生交通事故后，责任认定简单清晰，要么是驾驶员操作失误，要么是对方违规，责任主体明确，可直接划分责任、追究责任。但在自动驾驶场景中，责任主体变得多元化，整车厂、算法提供商、车辆运营商、零部件供应商等，都可能成为责任链上的一环，一旦发生事故，各方往往各执一词，难以界定责任。

核心问题在于自动驾驶的行驶数据归属，目前，绝大多数自动驾驶车辆的行驶数据都存储在车企的私有云端，数据的采集、存储、修改权都掌握在车企手中。这种“运动员兼裁判”的现状，导致事故发生后，难以保证数据的公正性和真实性——如果事故涉及车企责任，由车企自行提供数据证明自身无过错，显然缺乏说服力，也无法让公众信服。这种数据黑匣子的垄断，不仅让责任认定陷入困境，也制约了自动驾驶行业的健康发展。

当前，社会各界对第三方中立数据存证平台的需求日益迫切，需要建立一套统一、不可篡改的数据存证标准，就像飞机黑匣子一样，由第三方机构统一监管，确保行驶数据的真实性和客观性，为事故责任认定提供可靠依据。目前，国内部分城市已开始试点第三方数据存证平台，整合车企、运营商、监管部门的数据资源，实现数据共享和全程可追溯，但尚未形成全国统一的标准和体系。

如果没有完善的法治保障和数据监管机制，自动驾驶的推进将会陷入反复拉锯。毕竟，当机器出现故障引发事故时，需要有明确的责任主体承担后果、接受惩戒，而不是让一串冰冷的代码成为“无责主体”。责任认定难题不解决，不仅会影响公众对自动驾驶的信任，也会阻碍行业规模化发展，同时，这一难题的破解，也与千万职业司机的转型命运紧密相关，需要在技术推进的同时，兼顾各方利益。

自动驾驶的规模化落地，最直接的影响就是全国超过3000万的职业司机群体，这支庞大的队伍由网约车主、货运司机、公交司机组成，其中货运司机中90%以上为个体户，他们的就业前景随着自动驾驶的普及，面临着严峻挑战。很多人担心，这些司机将会被技术淘汰，失去赖以生存的饭碗，但事实上，司机群体的转型并非无路可走，而是一场从“握方向盘”到“管数据线”的职业升级。

直接让长期从事驾驶工作的司机转型为算法工程师、技术运维人员，显然不现实，两者之间存在巨大的技能鸿沟。比如，一位开了二十年公交的老师傅，熟悉线路情况、了解乘客需求，但缺乏专业的计算机技术和算法知识，无法直接从事算法优化工作。这种岗位迁移，本质上是从执行层面到管理、辅助层面的转变，需要依托司机自身的经验优势，实现平稳转型。

司机的核心优势的是丰富的实际驾驶经验，这些经验无法被数字化，却能为算法优化提供重要支撑。比如，哪一站的老人上下车较多，需要多停留几秒；哪段路夜间视线差，容易有行人横穿；哪类天气条件下，车辆制动需要提前预判，这些经验都是算法无法通过数据直接获取的，却是提升自动驾驶安全性和舒适性的关键。

因此，很多司机可以转型为“算法训练师”，将自身的驾驶经验转化为算法优化的素材，助力自动驾驶系统完善。除此之外，司机还可以转型为乘客服务经理、线网调度顾问等岗位。乘客服务经理主要负责车厢服务，帮扶老人、小孩等特殊乘客，处理乘车过程中的各类问题；线网调度顾问则依托自身对线路的熟悉，优化无人驾驶线路规划、调整发车频次，提升出行效率。

同时，各地也在推出相关扶持政策，比如海原县对取得相关驾照的司机给予培训补贴，全国多地也在开展司机技能转型培训，帮助司机掌握新技能，适应新岗位。企业在推进自动驾驶落地、享受人力成本降低带来的红利时，也应承担起社会责任，建立完善的司机转型孵化机制，提供技能培训、岗位对接等服务，帮助司机平稳过渡。

技术的进步不应以牺牲个体利益为代价，让自动驾驶在提升出行效率的同时，为司机群体提供转身的空间，才是真正的行业进步，也才能让这场数字化出行变革，得到更广泛的社会认可。