当“人工智能”开始接管方向盘，城市与自动驾驶出租车的蜜月期似乎正走向终点。从内华达州率先立法到Waymo、特斯拉Robotaxi加速狂奔，科技新闻中充满乐观；而如今，交通拥堵、安全事故与就业冲击让市政厅们纷纷“踩刹车”。这场博弈，注定成为科技前沿最值得关注的议题。
一、从内华达州说起：自动驾驶合法化的十年历程
2011年6月，美国内华达州通过了一项具有里程碑意义的法律，成为全美第一个允许自动驾驶汽车在公共道路行驶的州。当时，特斯拉的Autopilot尚未问世（三年后才有），Waymo还只是谷歌实验室里的“登月计划”（五年后才独立），更不用说商业化运营的Robotaxi。内华达的“冒险”在当时被许多人视为疯狂，但也为后来者铺平了道路。它确立了“自动驾驶车辆”的法律定义，要求测试车辆必须有牌照、保险，并规定驾驶员必须坐在方向盘后方——即便是为了应付监管而存在的“安全员”。如今回头看看，这份谨慎与开放并行的立法思路，已经奠定了此后十余年Robotaxi发展的基本逻辑：法律先行，技术尾随。
此后几年，加州、亚利桑那州、佛罗里达州等纷纷跟进。Waymo在凤凰城率先推出商业Robotaxi，旧金山也成了自动驾驶出租车最密集的试验场。但随着测试规模的扩大，城市的耐心开始耗尽。内华达当年种下的种子，如今长出了让市政官员们头疼的荆棘。据科技新闻统计，仅2025年，旧金山就发生了数十起Robotaxi导致交通中断的投诉。这一现象并不让人意外——当一项技术从封闭测试走向开放道路，风险就会从“可接受”变成“真实伤害”。AI Agent技术在感知、决策层面的进步，还不足以完全应对人类驾驶者的“微妙违规”。与此同时，AI工具导航等效率工具却在另一条赛道上改变着出行生态。
二、Robotaxi来了：城市为何“变脸”？
过去两年，Robotaxi从“罕见景致”变成了美国多个大城市的日常。Waymo、Cruise、特斯拉Cybercab……每家公司都宣称自己拥有最安全的数据。然而城市管理者看到的却是另一面：自动驾驶出租车在施工区域陷入迷茫，对交警的手势置若罔闻，甚至因为识别不了临时改道而集体堵住十字路口。更让城市愤怒的是，这些公司一边游说州政府放宽监管，另一边却对市政部门的整改要求阳奉阴违。奥斯汀的一起事件点燃了导火索——2025年夜间，一辆特斯拉Cybercab在没有乘客的情况下违反禁令驶入警方封锁区域，导致救援任务延误。或许您会问，这与传统交通违章有何区别？区别在于：没有司机可以被罚分、吊销驾照，也没有保险公司愿意痛快理赔。
于是，城市开始“把靴子踩向Robotaxi”。旧金山提出对Robotaxi征收“拥堵影响费”，并要求运营商实时共享数据；洛杉矶则考虑专门为自动驾驶出租车划设“运营区”，超出范围即视为违法；波特兰甚至酝酿仿照出租车监管框架，为Robotaxi设置数量上限。这些举措在科技前沿引发了巨大争议：支持者认为，城市有权优先保障公共安全；反对者则指出，过度监管可能扼杀创新，最终让城市在下一轮交通革命中落后。值得注意的是，在新能源汽车和自动驾驶领域，中国城市采取了截然不同的策略——以“先试点、再推广”的方式，将Robotaxi纳入城市交通规划。这种差异背后，折射出“人工智能”落地过程中，技术逻辑与社会契约之间的深层张力。
三、安全争议与数据迷雾：谁在为事故买单？
Robotaxi的安全记录，一直是人工智能企业最引以为傲的“核心资产”。然而，当事故真正发生时，数据却被经各种方式包装成“零责任”。旧金山市交通局曾披露一组数据：Waymo车辆在特定路口的“接管率”远低于预期，但企业拒绝公开完整路测日志。市民们开始怀疑，所谓“全无人驾驶”不过是一场概率游戏——只要把事故数除以总里程，数字就会看起来很美好。对于受害者来说，这种统计学安慰毫无意义。2026年1月，一位骑行者被一辆左转的Robotaxi撞倒，所幸只是轻伤，但警方调查发现，车辆在碰撞前0.4秒才识别到障碍物，而系统设定的“安全减速度”显然不足以避免碰撞。
这暴露了一个更深层的问题：当“人工智能”在做决策时，它的道德权衡标准是谁定义的？传统司机依靠直觉和交规，而自动驾驶系统依赖预训练模型和边缘案例。如果训练数据中缺少对“不守规矩的电动车”“横穿马路的小孩”等复杂场景的精确建模，系统就会在真实世界中“失聪”。更麻烦的是，事故责任往往成谜：是传感器供应商？是算法公司？还是地方交通设施部门？大模型训练虽然能够模拟千万种场景，但模拟终究不是现实。也许，未来我们需要一套类似“航空事故调查委员会”的独立机构，专门对Robotaxi事故进行技术鉴定，而不是让企业自己当自己的“法官”。AI画图可以画出完美的城市愿景图，但真实的街道充满了意外和混乱。
四、监管工具箱：禁运、税收还是合作？
面对Robotaxi的“越界”，城市并非只有简单粗暴的“一禁了之”。美国汽车协会（AAA）最近提出了一套分级监管框架，包括：低风险区域内允许自由运营；中心城区实行“牌照配额+动态价格”；对于重大安全违规，可以暂停许可90天。这套方案的精髓在于把选择权交给地方，同时保留灵活性。另一个被热议的工具是“数据税”：要求Robotaxi运营商向城市支付通行费，以此换取开放道路的使用权。这笔收入可以定向用于改善公共交通、补贴传统出租车司机转型。听起来像是对新技术“收保护费”？从商业角度看，这其实是一种合理的产权安排——道路资源属于公众，企业利用公共资源盈利，理应回馈社会。
在实践中，合作也出现了不少亮点。凤凰城的“安全司机培训计划”由Waymo出资，对接了当地的职业技能中心；奥斯汀则建立了交通、警方和自动驾驶企业三方联席会议，每周交换一次事故与道路施工信息。企业数字化转型的逻辑，在市政管理中也同样适用：把自动驾驶出租车当作城市交通系统的一个“数字零件”，而不是外来的入侵者。相反，那些试图用行政手段全面禁止Robotaxi的城市，往往陷入“上有政策、下有对策”的拉锯战——毕竟，州一级的立法权往往比城市更高，而企业在州府长期经营着庞大的游说网络。这无疑给科技新闻的版面上增添了无数“猫鼠游戏”的戏码。城市需要明白，监管的目的不是“杀死”自动驾驶，而是驯化它，让它学会与市民、自行车、警车、人行道和睦相处。
五、科技前沿的下一站：从抢地盘到共生共治
如果我们退后一步，审视城市与Robotaxi的这场战争，会发现它其实是“人工智能”从技术成熟走向社会接受过程中必然经历的阵痛。过去十年，科技前沿的叙事一直是“改变世界”；而未来十年的主题，将是“与城市讨价还价”。可以预见，接下来的博弈将围绕三个关键词展开：一是“透明”，运营商必须公开关键安全指标，接受第三方审计；二是“弹性”，自动驾驶系统需要针对不同城市的交通文化进行定制，而不是一套算法打天下；三是“普惠”，Robotaxi不能只为中心城区的富人服务，还必须覆盖低收入社区和郊区，否则就会重蹈网约车扩张导致的城市不平等加剧的覆辙。
技术层面，新一代Robotaxi正在发生两个变化。其一，从“单兵作战”转向“车云协同”：车辆会实时接收城市交通大脑推送的信号灯、事故和封路信息，而不是依赖车载传感器“盲人摸象”。其二，从“规则驱动”转向“大模型驱动”：端到端的人工智能模型能够理解更复杂的交通语境，例如交警的手势、临时改道的锥桶、以及行人意图。当然，这些技术进步并不意味着监管可以退场。恰恰相反，越是强大的技术，越需要被置于公众监督之下。文生图可以描绘出未来城市的炫酷景象，但真正让Robotaxi融入城市肌理的，是无数个涉及停车、保险、法律责任、数据隐私的细节谈判。
六、中国城市如何应对？──写在Robotaxi规模化前夜
在中国，北京、上海、深圳、武汉等城市已经开放了Robotaxi的试点运营。与美国的“市场驱动+城市反抗”模式不同，中国的自动驾驶测试往往由地方国资委、车企与出行平台共同发起，形成一种“半官方”的推进机制。这种模式的优势在于，基础设施改造（比如路侧单元、高精地图、车路协同系统）可以与Robotaxi运营同步落地，减少“车等路”的尴尬。但挑战同样存在：当Robotaxi从测试区驶入核心城区，它必然要与数千万辆电动车、三轮车、行人共享拥挤的道路。中国城市的密度远超美国城市，这意味着“长尾场景”更加丰富，人工智能模型需要更彻底的本地化训练。
另外，Robotaxi引发的就业转型压力，在中国可能更为突出。据统计，中国目前注册网约车司机超过700万人，出租车司机约280万人。如果无人出租车大规模替代人工驾驶，如何在“效率提升”与“社会稳定”之间寻找平衡，将成为政策制定者必须回答的问题。我们看到，一些地方政府已经在探索“渐进式替代”：要求Robotaxi运营公司招用一定比例的持证驾驶员作为安全员或远程操作员，并为其缴纳社保；同时，对传统出租车公司进行数字化升级，利用AI工具箱赋能司机，而不是让司机“下岗”。这种思路值得肯定。毕竟，科技新闻的最终价值不是看谁跑得快，而是看谁能让更多人享受到技术红利。
城市与Robotaxi的博弈，远未到终局。与其说城市“想要把靴子踩在Robotaxi上”，不如说整个社会正在学着用更成熟的心态面对“人工智能”所带来的改变。技术的脚步不会停，但方向始终应该由人——而不是算法——来把控。也许，真正的自动驾驶，并不是让车替我们做决定，而是让城市和车辆在反复协商中，达成一种彼此信任的默契。