智能助手正在从语音交互走向物理世界,自动驾驶汽车可以看作其中最激进的形态。然而,加州的一纸禁令,给Waymo的无人出租车踩下了急刹车:全州高速公路一律禁行,理由是“对公共安全构成紧迫威胁”。这场风波不仅影响Waymo,更让整个AI出行产业陷入审视。
一场突如其来的全面禁令
加州机动车辆管理局(DMV)于11月11日发布声明,宣布立即禁止Waymo在全州所有高速公路上进行无人驾驶测试与运营。这意味着,Waymo的robotaxi不仅不能继续在繁忙的高速路上接送乘客,甚至不能以任何形式出现在这些道路上。DMV使用了措辞严厉的“imminent hazard to public safety”——对公共安全构成迫在眉睫的危险,而非简单的“安全隐患”。这种定性在法律和行政层面都极为少见,通常只有在发生严重事故或监管机构认定风险不可控时才会启用。
值得注意的是,这并不是Waymo第一次遭遇监管障碍。此前,它曾多次获得加州DMV的许可,在包括旧金山在内的城市道路进行无人驾驶测试。2023年,加州公共事业委员会(CPUC)还允许其扩大商业运营范围。然而,这一最新禁令的覆盖范围延伸到整个州的高速公路,相当于将Waymo最核心的运营场景之一——连接城市与郊区、快速跨区域运输——直接封死。有分析人士认为,这标志着加州监管层对自动驾驶的态度从“谨慎开放”转向“防御性收缩”。
禁令的颁布过程也耐人寻味。DMV在声明中并未给出具体的技术改进要求,也没有提出整改期限,而是直接采取“一刀切”的禁止措施。这既体现了监管机关对近期事件的强烈不满,也反映出当自动驾驶系统在复杂高速环境下接连出现识别失误时,政府不得不优先考虑公共安全。对于一个以科技创新为骄傲的州来说,做出这样的决定并不轻松,但显然,安全底线已经高于创新热度。
安全隐忧:两次事故如何点燃导火索
这次禁令的直接导火索,是发生在湾区的两起事件。第一起发生在101号公路伯林盖姆路段,一辆Waymo无人驾驶出租车驶入了一个正在施工的封闭区域。施工区通常设有明显的锥筒、路障和引导标志,但车辆的传感器和决策系统显然未能正确识别并做出避让,而是直接驶入。第二起则发生在旧金山的280号高速公路上,这次涉及与加州公路巡逻队的对峙。Waymo车辆在遇到执法车辆和现场交通指挥时,未能理解人类的非语言指令,导致现场情况一度失控。两起事件相隔不久,性质都足够严重,共同构成了DMV采取极端措施的理由。
这两起事故暴露了自动驾驶在高速场景中的系统性短板。高速公路看似比城市道路简单,实际却充满高动态变化:车辆速度差异大、车道合并频繁、施工区临时改道、应急车辆出现……这些都是长尾场景中的典型代表。Waymo的传感器系统包括摄像头、激光雷达、毫米波雷达,可以对周围环境进行360度感知,但在处理高维不确定性时,决策模型仍然会失效。特别是当人类执法人员在现场使用手势和口头指令时,自动驾驶车辆缺少有效理解人类交流的能力,这在AI Agent技术的应用中也是一大痛点。
更深层的问题在于,Waymo的测试里程虽然庞大,但主要集中在人口密集的城市街区,对于高速公路特殊工况的训练数据仍显不足。当遇到施工封路或执法人员指挥这类低频但高危场景时,系统缺乏足够的先验知识,只能依靠通用感知模块临时推断,结果自然不可靠。这起事件也给整个行业敲响警钟:自动驾驶不能只追求“平均表现”的优异,而必须在极端情况下的表现同样可靠,但目前的AI模型显然还没能做到这一点。
智能助手与自动驾驶:技术同源,处境迥异
有趣的是,自动驾驶所依托的感知、规划、决策技术,与手机上的智能助手有着相似的底层逻辑——都是通过大模型理解世界、生成响应。你可以把自动驾驶看作一个拥有物理身体的智能助手,它必须实时处理视觉、激光点云和高精地图信息,代替人类驾驶员完成从环境感知到操作执行的闭环。两者的核心都建立在深度学习模型之上,都需要海量数据和算力支持。近年来,大模型训练的进步更是让两者的能力实现了质的飞跃。
然而,两者的公众接受度却天差地别。当一个智能助手在聊天中出现错误,用户大不了觉得它“笨”,关掉重来即可。但当一辆自动驾驶汽车在高速上判断失误,后果可能是车毁人亡。这种风险不对称,决定了自动驾驶必须采用比普通智能助手严苛得多的验证标准。Waymo的事件提醒我们,AI技术阶段的跨越并非一步到位,从数字世界的智能助手到物理世界的自主机器,中间隔着一条长长的安全鸿沟。
与此同时,智能助手本身也在经历变革。很多公司开始用多模态模型赋能智能助手,使其能够“看懂”图片和视频——例如,用户可以让AI描述照片中的场景,或者根据文本生成图像。这类能力与自动驾驶需要理解的视觉场景有异曲同工之妙。有人甚至提议,用生成式AI为自动驾驶创造虚拟训练环境,比如利用AI画图生成逼真的道路障碍图像,帮助模型在仿真中学习应对策略。这种方式虽然不能完全替代真实世界测试,但可以极大拓宽场景覆盖范围,为后续安全验证提供助力。
监管博弈:创新与公共安全的平衡难题
加州此次对Waymo的禁令,让人不得不思考一个老生常谈的问题:新兴技术究竟应该在怎样的监管框架下发展?支持者认为,自动驾驶有潜力大幅降低交通事故死亡率,不应因为偶发事件就扼杀创新。反对者则强调,在安全验证尚未完全过关之前,不能把公众的生命当作技术测试的牺牲品。DMV的决策显然倒向了后者,但它也留下了一个疑问:如果所有高风险AI应用都要等到万无一失才能上路,那么像企业数字化转型中的AI应用会不会也因此变得畏手畏脚?
事实上,美国各州对自动驾驶的监管政策并不统一。亚利桑那州、得克萨斯州相对宽松,愿意提供更多路测空间;而加州作为科技重镇,原本也持开放态度,这也是Waymo和Cruise等公司将其作为重点测试地的原因。但现在,加州的监管风向似乎在改变。此前,Cruise已经因安全事故被暂停全部运营许可,现在Waymo又遭到高速禁令,可以说两大头部玩家都已受挫。这有可能形成一种“寒蝉效应”,使其他自动驾驶公司重新评估在加州的战略布局。
但监管并不意味着拒绝技术。一种更合理的思路是建立“分级认证+动态监管”体系:根据自动驾驶系统的安全性能、事故率、场景复杂度等指标,动态调整其可运营范围。比如在夜间或低流量时段允许高速测试,在高峰时段则禁止;或者要求车辆在遇到施工、执法等场景时必须立刻切换为远程接管模式。这些措施比单纯的一刀切禁令更能平衡创新与安全。只是,制定这样的规则需要监管机构对技术有更细致的理解,也需要企业提供更透明的安全数据。而这一点,恰恰是当前博弈最艰难的地方。
自动驾驶路在何方:从高速到城市的退与进
禁令生效后,Waymo暂停了所有加州高速公路上的车辆运行,但它在城市道路和凤凰城等其他地区的运营并未停止。这实际上是一种“退守”策略——放弃高风险场景,保住低风险场景的运营能力。不过,这种退守能否持续,取决于Waymo能否快速补齐高速场景的技术短板。如果长期无法解决,Waymo的商业价值将大打折扣,因为高速出行是网约车用户非常依赖的场景。
从技术路径来看,短期内Waymo可能会加强对施工区域和执法区域的专项训练。利用仿真环境生成大量罕见场景,是成本最低的方法。例如,通过文生图技术,可以创造各种天气、光线和道路组合的图像,用于训练感知模型。同时,Waymo也在开发基于大语言模型的决策系统,试图让车辆更好地理解人类指挥手势和非正式交通规则。这些努力方向与整个AI行业的前沿研究是一致的,但落地仍需时间。
从更宏观的视角看,这次禁令或许会成为自动驾驶行业走向成熟的转折点。过去几年,各大公司拼命比拼测试里程和城市扩张,却忽视了安全口碑的重要性。现在,监管者用“下架”的方式给整个行业立下规矩:任何技术都不能以牺牲公共安全为代价来换取进度。对于Waymo来说,这次挫折也许是它重新审视产品设计、提升安全冗余的契机。长期来看,一个更稳健的自动驾驶系统,远比一个急着扩张但漏洞百出的系统更能赢得用户信任。
科技新闻视角:AI动态下的行业反思
作为科技新闻的观察者,我们几乎每天都能看到关于AI动态和自动驾驶的报道,但很少有事件能像这次Waymo禁令一样,将技术、安全、监管和公众情绪同时推上风口浪尖。它提醒我们,AI的应用并不总是充满赛博朋克的浪漫,更多时候是不断犯错、修正、再犯错的过程。从ChatGPT这类智能助手到Waymo这样的自动驾驶,AI正在从虚拟世界走向物理世界,而每一步都伴随着不可预知的风险。
此次事件也在行业内掀起了一场关于“AI责任制”的讨论。当一辆自动驾驶汽车做出错误决策时,责任应该由算法开发者、运营企业还是硬件供应商承担?如果智能助手推荐了错误的建议,用户可以通过关闭来止损;但自动驾驶需要一套完整的事故追溯和责任认定机制。目前法律在这方面的建设还非常滞后,这也是公众对自动驾驶持保留态度的原因之一。在AI工具导航中,我们能看到琳琅满目的AI应用,但真正理解其局限性和风险的人并不多。
回顾整个事件,我们不难发现,技术发展和社会监管之间的张力将长期存在。加州对Waymo的禁令不是终点,而是一个新的开始。对于普通消费者来说,与其焦虑AI失控,不如保持理性期待:自动驾驶或许会比想象中更晚到来,但在安全得到充分验证后,它终会进入我们的日常出行。与此同时,我们可以从媒体中获取更多的科技新闻,了解AI动态,以便评估哪些技术值得信任,哪些还需要等待。此次事件或许是最好的教材。