跑了上亿英里，自动驾驶还没学会当老司机

旧金山的清晨，Market街的车流里混着几辆没有司机的白车——它们在红灯前稳稳停下，避开突然窜出的外卖员，却会在施工路段的手势前犹豫半分钟。有人把这当未来出行的样本，可一份横跨实测、访谈与技术拆解的调查却捅破了窗户纸：今天跑在路上的所有自动驾驶车，没有一辆是真的“完全自主”。那些看似流畅的行驶背后，藏着多少没说破的局限？

首先要打破的幻想是：机器的“眼睛”远不如人类靠谱。不管是靠激光雷达构建三维世界，还是纯靠摄像头识别路况，传感器都有自己的盲区——暴雨天激光会被雨滴散射，逆光时摄像头会把阴影当成障碍物，就连路边突然倒下的路牌，都可能让系统陷入“识别瘫痪”。为了补全这些漏洞，有的团队要靠远程操作员实时待命，像遥控玩具车一样处理突发状况；有的则在仿真系统里模拟数十亿种场景，可再精密的模拟，也赶不上现实里某个行人突然的一次违规横穿。

更核心的难题，是机器学不会人类的“驾驶社交”。人类开车时，会通过前车的细微变道预判意图，会给赶时间的救护车让行，甚至能读懂施工人员挥手的“潜台词”——这些依赖经验和直觉的判断，是自动驾驶算法的死穴。它能精准计算跟车距离，却看不懂一辆停在路边的车是不是要开门；它能遵守所有交通规则，却会在无信号灯的路口和其他车陷入“礼貌僵持”。这种机械的“合规”，在复杂的人类交通网络里，反而成了一种隐患。

最后压垮完全自主化的，还有看不见的成本与规则藩篱。单是一套能应付复杂路况的传感器，成本就抵得上半辆家用车；而监管层面的空白更像一张网——事故责任该算车企的还是算法的？跨州运营要拿多少张许可？68%的美国人对自动驾驶存有的恐惧，更是比技术难题更难逾越的墙。

我们总以为自动驾驶是技术问题，可走到今天才发现，它更是社会问题、人性问题。机器能学会所有交通规则，却学不会人类驾驶里那点“模糊的智慧”；能跑过亿英里的测试里程，却跑不过现实里随时冒出来的意外。真正的完全自主，或许从来不是让机器变成司机，而是让整个交通系统，学会和机器共处。