放学高峰逆行、小孩爬上车顶：近九成市占率的两家头部接连翻车了

Robovan降维了，长尾为什么还是躲不掉。

撰文 | 麦哩

题图 | 网络

8月31日，西安，放学高峰期。一辆九识无人车打了转向灯，直接逆行冲进对向车道，把一辆公交车堵得死死的。

8月29日，郑州。三个疑似未成年人爬上一辆新石器无人车的车顶，车辆起步后，人还挂在上面一路随行。路人拍下发到网上，几个小时传遍全网。

两起事故，涉事品牌分别指向国内Robovan赛道的头部玩家，合计市占率近九成。

如果放在一年前，这类新闻大概只会在自动驾驶圈子里小范围传播。但今天不同了。全国超100个城市开放路权，保有量突破5万台，江苏一个省就投放超4000台，淮安甚至全域全时开放。Robovan正在从测试车，变成街道上每天都能看见的东西。

每天都能看见的东西，一旦出事，人们就不会用“技术探索”来宽容它了。

这也是为什么行业内外都在重新审视一个之前被反复讨论的命题：Robovan被认为是Robotaxi的“降维”，速度更低、场景更封闭、路线更固定，理论上应该更容易做对。但降维之后，长尾问题为什么还是躲不掉？

两起事故，两种翻法

先拆九识。据新京报报道，客服回应称"初步判断系路线设置问题"。一辆在公共道路上跑的无人车，路线设置没有交叉验证，没有仿真回放，没有上线前的最后检查。

就在今年7月的世界人工智能大会上，九识刚宣布实现L4级无图方案规模化量产，成为全球首个实现该方案量产的企业。量产能力有了，上线管理流程呢。

新石器的问题指向另一个维度。据观察者网报道，公司声明写道，传感器捕捉到了影像，但系统没有判定为风险场景。

系统看见了，但看不懂。风险模型里没有"人在等红灯时爬上车顶"这个场景。三个孩子的体重加总，也没到超载告警线。感知硬件在工作，但认知软件没接住。

未成年人爬上车顶，放学高峰逆行，这两件事在工程意义上，都属于典型的长尾场景。没有人提前为这些场景打标，也没有人告诉算法这种时候应该怎么办。

降的是场景的维，没降人性的维

这些不是Robovan特有的问题。Waymo在美国公开运营Robotaxi超五年，技术栈全球最成熟，但长尾问题从没停过。而且越跑越多。

被路障困住原地转圈，在施工路段倒车绕行，和消防车对峙互不相让，每一次出圈事故，都是同一个本质：世界太大了，你永远无法在训练集里放进所有可能发生的事。

从旧金山到郑州再到西安，场景完全不同。一个在美国城市接送乘客，一个在中国街头取送货物。但底层困境一模一样。99%的日常场景跑通了，剩下1%的长尾，以你完全想不到的方式冒出来。

有人说，Robovan已经降维了，把车速、路线复杂度都降了一档，长尾按理该少得多。这话只说对了一半。

速度降了、路线固定了，但街上的人没变。熊孩子会爬车、行人会闯红灯、外卖员会逆行、老人会突然停在路中间。人性的复杂度，跟Robotaxi面对的是同一个量级。你能把车速降下来，但你没法把人的行为也降维。

Robovan的技术和场景确实比Robotaxi降维了，但它跑在真实世界的街道上，就要面对真实世界的荒诞。一个城市每天发生的“小概率事件”加总起来，就是一个不容忽视的数字。

降维降低了事故的整体风险，但无法让事故真正消失。这是所有自动驾驶技术共同面对的现实。

该刹车的是叙事，不是技术

这两起事故真正值得关注的信号，不是事故本身，而是行业舆论环境的变化。

投放量从1万台跳到5万台，事故数量的增长只是时间问题。不是技术突然变差了，是基数变大了。

渗透率每提升一个百分点，舆论的容忍度就下降一个刻度。这是所有技术从实验室走向街头时都要经过的舆论拐点。Robovan已经走到了这个拐点。

在这个拐点上，行业面临的挑战有两层。

第一层是事故本身。Robovan的安全性还远远没有达到不会出事的程度。长尾问题不可穷尽，这意味着零事故在数学上不可能实现。如何把事故率控制在公众可接受的范围内，是技术问题。

第二层是事故之后。发生事故之后，企业如何响应，政府如何监管，媒体如何报道，公众如何理解。这一整套事故后的叙事管理，往往比事故本身更能决定行业的命运。

Waymo在美国经历过的每一次事故，最终都没有改变行业向前的方向，原因之一就是它的每一次响应都足够专业、透明、克制。但在中国L4行业，这套事故后管理的能力还很不成熟。

Robovan的商业化正在以最快的速度跑通，账本已经算得过来，市场渗透正在加速。这些都是好消息。但降维降低了事故的整体风险，无法让事故真正消失。

Robovan的终局，不是做出一个永远不会出事的系统，而是建立起一套“出事之后还能继续赢”的体系。前者是实验室的目标，后者才是商业化的真正考试。