智驾发展到今天，最难的不是教车辆怎么开走 ，而是教车辆怎么停下。
你坐在一辆智驾接管顺畅行驶的车辆里 ，眼前路况开阔、阳光明媚，中控屏上的蓝线平稳延伸 。突然 ，毫无征兆地 ，车辆狠狠来了一脚“死亡急刹”，安全带瞬间勒紧，后排手机飞向挡风玻璃 ，而窗外 ，空无一物 。
这正是无数车主正在经历的 、被评为智驾应用中最灵异的场景：“幽灵刹车 ”。
过去几年 ，智驾技术从堆砌代码规则 ，进化到模拟人类直觉的“端到端 ”，甚至开始构建“世界模型” 。但这些轰轰烈烈的技术演进 ，似乎都被困在了那个最微小的瞬间：车辆到底什么时候踩下刹车 ，最合适？
而无数个这样难以判断的微妙瞬间背后的，不仅仅是技术的难题 ，更是信任的难题 ，一边是渴望行驶里程数指数增长的车企，一边是因为微小失误就彻底取关的用户 ，当一个新技术的发展关乎到用户安全的时候 ，技术和信任如何平衡？
“幽灵刹车 ”的幽灵从哪来？
智驾变成“智障 ”往往是从不会刹车开始的 。
就拿我第一次体验 robotaxi 的经验来看吧：大概三年前，我第一次体验国内大厂的一个 robotaxi ，就在我们绕完了一圈之后 ，在车辆归位的时候，路边出现了一位行人 ，其实这个行人距离车辆的距离还是很远的 ，但是车辆忽然点了个急刹车，刹车程度之猛导致坐在后排录像的我直接把手机甩飞了。
这种现象被称为“幽灵刹车” ，这个像是智驾患上的“被害妄想症”也是 X 、Reddit、小红书等国内外论坛上对智能驾驶抱怨最多的情况。
国内一位智能车车主就对我抱怨 ，在高速换道的时候，有一辆车从右侧擦过 ，等到这辆车已经超过自己的车几秒钟了 ，自己的车才反应过来刹车 。这种变道犹豫导致的刹车失误 FSD 也经常出现，一位在 Reddit 上专门测评特斯拉 FSD 的博主就曾发帖抱怨 ，FSD 在转向的时候 ，转向灯闪了半天还是犹犹豫豫不赶紧并道，等到后车不耐烦超车的时候才变道，非常危险 。
有人抱怨 FSD 面对停车标志时 ，不知道应该在什么距离停下最合适，经常远远刹停然后一步步往前挪 ，显得极其“智障 ” ，还有人指出在黄昏 、凌晨这种视线昏暗的时刻，FSD 经常“幽灵刹车 ”甚至直接退出接管……
结合 Waymo 安全报告 、NHTSA 数据汇总及第三方保险机构 ConsumerShield 分析 ，智驾目前事故率最高的三个场景：复杂路口变道失败、幽灵刹车以及鬼探头等突发物件处理失败 ，其实归根结底，都是不知道什么时候能刹车导致的。
为什么教给一辆车什么时候刹车 ，甚至比教它跑起来还要难？这并非算力不够 ，而是因为刹车这个动作，本质上不是机械执行 ，而是一场关于“预判”的赌局 。
人类司机和赛博司机最根本的区别是人类可以很轻易的判断意图 。
人类看到路边行人低头看手机，会预判他大概率不会动；看到有人眼神游移、脚步虚浮，会预判他可能醉酒冲出。但智驾系统大多只能基于物体的运动的速度 、方向来计算 ，等到行人真的冲出来有了横向速度 ，它才开始计算物理碰撞概率，这中间的“计算延迟 ”加上机械执行时间 ，往往就导致了那种“事故已经快发生了才重刹 ”的滞后感 。
但是这对机械司机来说十分困难，在工程师的逻辑里 ，智驾系统每时每刻都在做一道残酷的选择题——是“错杀” ，还是“错放 ”？
如果为了绝对安全，把雷达和视觉的敏感度拉满 ，那么路边随风飘起的一个塑料袋 、井盖上的一抹积水反光 ，甚至前方卡车排气管喷出的一团黑烟，在系统的“眼中 ”都可能被渲染成一块坚硬的巨石 。为了保命 ，它只能不管不顾地一脚跺死——这就是“幽灵刹车”的由来。
极端相反的是 ，如果为了舒适性和通行效率，降低了感知的敏感度，过滤掉那些看似“杂波 ”的信号 ，那么当一辆静止的白色货车横在路中间 ，或者一个穿着深色衣服的行人在夜色中鬼探头时，系统可能会“自信 ”地认为前方无障碍 ，最终酿成惨剧 。
人类司机拥有基于常识的“物理直觉” ，我们一眼就能分辨出飘舞的报纸撞上去也无妨，但机器没有这种常识 ，在它们的世界里 ，那只是一堆占据了空间体素的、未知的“障碍物 ” 。
是谁出的题这么的难？到处找不到正确答案
智驾为了培养机器的“物理直觉 ”尝试过很多路径。
最初，传统智驾研究的方案把开车分成了三个步骤：感知 、规划 、决策 。信息像接力棒一样在这些盒子之间传递——感知层说：前方10米有一个障碍物 ，置信度80% 。
预测层说：这东西好像不带动的。
决策层查阅了程序员写下的第502条规则：如果前方有障碍物且静止，立即刹车。
控制层执行命令：一脚跺死 。
但是在规控这个环节总是会遇到一个问题：很多事情没有最优解 。
举个例子 ，车辆现在需要右转 ，但是右侧有行人在走路，这个行人距离车辆还有一定距离，如果是人类司机在教新手 ，这个时候一脚油门过去也可以、原地等待行人也可以 ，这种“都可以按情况决定”对人类来说是非常简单的，但是对机器学习来说就复杂了。因为这会衍生出下一个问题：哪种情况要加速过去 ，那种情况要原地等待 。
传统规控做的事情就是干这个“具体问题具体分析”的活 ，把遇到的 corner case（特殊场景下的极端情况） 人工标注出来告诉机器应该怎么办 。这就会引起另外两个问题：1. corner case 穷尽不了怎么办？2. 代码太多了，需要的人力也太多了怎么办。
“幽灵刹车 ”这种现象在传统研究方法之下很容易产生 ，因为总会出现“这个 case 我没处理过 ，所以不知道怎么做最好 ”这种情况 。
一项遵循“第一原则”的马斯克推翻了传统的研发路径，提出另一个解决方案：如果我能直接让机器像人一样思考 ，而不是再用人工标注要教他每一个 corner case 应该怎么处理 ，才能真正实现智驾的初衷 。
于是乎 ，在 2023 年的夏天 ，马斯克在加州的帕洛阿尔托进行了一场画质并不清晰的 FSD 直播，但真正震撼业界的不是画质，而是他说出的那句话：“FSD v12 没有任何一行代码是用来告诉车什么是红灯 、什么是路口。我们删掉了超过 30 万行 C++控制代码 。 ”
至此 ，端到端逐渐成为了实现智驾的主流方案 。
推出端到端后 ，FSD 团队规控部门整体裁撤，原负责人离职剩下的人转岗去做数据清洗和场景挖掘。团队从感知 、规控、地图 、测试四条老线全部打散 ，合并成“单模型 + 数据工程 + 云端训练 ”三块 。
到了 2024 年 ，端到端逐渐成为圈内共识，华为 、小鹏、理想 、百度等智驾研发团队调整相继开始 ，小鹏撤销原感知 、规控、地图三部 ，新设“AI 模型开发、AI 应用 、AI 效能”三大板块；ADS 3.0 组织架构 2024-05 完成整合，感知/规控/地图并入“端到端架构部 ” ，余承东直管；百度现在是双线并行一部分人在传统算法团队 ，另外成立 ADFM 团队，把原团队感知人员移过去一部分也做了扩充招聘 。
所谓的“端到端 ” ，就是不再把驾驶拆解为“感知 、决策、控制” ，而是把这所有环节融合成一个巨大的神经网络。输入端是摄像头拍到的原始视频流，输出端直接就是方向盘的角度和油门刹车的力度。中间发生了什么？不再有程序员写好的“红灯停绿灯行 ”的代码，而是一个包含了数十亿参数的黑盒子在疯狂运算 。
这就像是从“背交规 ”进化到了“练车感” 。这种技术变革带来的最大优势 ，就是对模糊场景的泛化能力。
然而，端到端提出已经两年的时间 ，智驾为什么还在出现“幽灵刹车 ”这种“智障 ”的瞬间——因为端到端虽然解决了“直觉”问题 ，却带来了两个新的 、更可怕的缺陷：不可解释性与逻辑推理的缺失 。
所有的大模型都有其不可解释性，就像我们永远解释不了为什么当你让 Gemini 给你把表格的颜色改一改 ，结果对方反馈给你一个狗头图片；或者你让 ChatGPT 在网页信息里提取数据内容做成表格 ，它反馈给你满满两网页的代码……
在 ChatBot 产品中，这种不可解释性会被当成一个“智障瞬间”的笑话 ，但在智驾场景里 ，这种不可解释性可能会造成重大事故 。
因此，在端到端之上 ，衍生出了一些范式。比如 ，VLA——Vision-Language-Action（视觉-语言-动作）模型 。
如果把端到端训练出来的机器比作赛车手，VLA 的意义就是让这个赛车更好地适应日常的交通规则 。可以简单的把“VA ”理解成端到端，“L ”理解成大语言模型 ，那么就很好理解 ，VLA 就是给自动驾驶装上一个“语言中枢”。它不仅看路，还能“读懂 ”路 。它能理解交通标志上的文字含义 ，能理解交警手势背后的社会契约 。当 VLA 介入时 ，车不再是凭直觉开，而是能进行内心独白：“我看到了警车在闪灯 ，虽然是绿灯 ，但我应该让行，因为法律规定警车优先。 ”这补足了端到端最缺乏的逻辑链条 。
今年 ，随着“物理 AI”的概念越来越火，世界模型的概念开始被多次提及 。因为大家发现 ，当模型参数大到一定程度 ，它不仅能生成像素，还能涌现出对物理规律的理解。比如 Sora 生成的视频中，液体流动的重力感 、物体遮挡的透视关系 ，不再需要人工写物理公式渲染 ，而是模型自己“悟 ”出来的。
世界模型也被应用到智驾研发上，来解决“端到端 ”的幻觉问题 ，世界模型可以充当一个“裁判” 。在车做出动作之前 ，世界模型先在虚拟空间里推演一下：“如果我这么做，未来五秒会发生什么？ ”从而验证端到端的决策是否安全 。
身为人类司机 ，我应该怎么做
一位的用户在 Reddit 上写道：“我有 99%的时间都觉得 FSD 像个神 ，但在那 1%的时间里，它试图在高速公路的匝道口把全家带进水泥隔离墩。那一刻 ，我老婆在尖叫 ，孩子吓哭了 。虽然我接管回来了，没有发生事故 ，但那天晚上我就取消了 FSD 订阅 。我无法承担那 1%的代价。 ”
这种情况屡见不鲜，很多订阅 FSD 和尝试智驾的司机都会跟我反馈，有一次智驾抽风从高架桥下来之后差点撞上路边的墩子、或者是莫名其妙开进坑里 ，当下立刻决定取关 。
司机们对智驾的态度都是“一次不行 ，百次不用”，容错率几乎为零 。
因此我们看到智驾市场上一个反直觉的现象：一边是车企鼓吹智驾是人类司机安全性的几倍 ，另一边是因为一件小事从此不再使用智驾的用户。
这中间缺失的是智驾时代没有填补的用户教育 。
从产品本身而言 ，充分交互的设计，是必要的 。在每一个需要决策的场景都用语音和图片的交互方式告诉司机 ，机器接下来决定怎么做 ，这是为了两件事情：1. 和司机充分沟通，让司机理解机器的意图 ，判断是否应该接管；2. 避免司机因为信息差 ，对机器产生过分的信任或者不信任，错过最佳接管时机或者在机器可以处理的时候提前接管 ，影响智驾体验。
所以我们看到车企在人机交互方面的不停尝试，包括 HUD 显示 、理想推出 AI 眼镜，这都是在扩展机器和用户交互的场景 ，进行充分沟通 。
从营销来看 ，车企应该做两件事：其一是在销售环节给用户智驾功能的充分展示 。实际上，马斯克在近期的采访中已经透露道 ，特斯拉准备让所有销售强制给意向用户展示 FSD 的功能 ，因为很多订阅客户在不够了解的情况下不经常使用 FSD，或者很多人干脆不订阅 ，让马斯克非常苦恼。
智驾展示 ，是必要的，但不应该是市场式营销 ，应该是销售式科普。我和十几个各个品牌的电车车主聊了聊 ，发现他们在购车环节当中被科普智驾使用方式的人数为零 。其中一个车主跟我说：电车销售分前端销售和后端交付，前端销售会通过各种折扣 、金融优惠催促下单 ，后端交付的任务就是希望你尽快提车 ，这样车企的营收可以计提在当月，不然你的车就会变成存货了 。这样的销售链路下，就没有人有耐心去讲解智驾的使用方式 ，更别说提醒智驾的边界和风险性了。
开了三年电车的 Vivian（化名）就说：我觉得智驾展示不应该只停留在销售口头的科普 ，应该做成说明书手册，甚至随着智驾技术的提升应该推广专门的智驾驾驶证 。
而作为消费者 ，我们能做的就是 ，养成对智驾的理性认知，如果对智驾功能感兴趣 ，在销售环节更多询问智驾的边界和交互的模式：什么场景我必须介入？什么场景是最方便安全的？什么提示的情况下我必须接管？通过不断地提问和试驾去了解技术真实的边界 。也通过提问 ，来推动企业进行销售培训。
任何技术的发展都需要用户的支持和耐心，不同的是 ，和手机、耳机 、眼镜这些消费级电子产品不同 ，智驾边界探索的代价很可能是人类的生命，作为用户 ，谨慎入场 、理性判断才是我们能做的事 。
作者：沙拉酱
编辑：卧虫
封面图来源： Giphy
Guokr
1月19日晚19点 ，“年味食足 ”零食直播专场即将开启！我们为你精选了健康零食、山珍海味 、还有送人超有面的好礼 。
直播间全场好物9.9元起，惊喜福袋 、互动抽奖轮番加码，年货一站购齐 ，省心更省力！点击预约 ，一起囤年货吧~
本文来自果壳，未经授权不得转载.
如有需要请联系sns@guokr.com
点个“小爱心 ”吧
本文来自作者[铁艺馨]投稿，不代表视听号立场，如若转载，请注明出处：https://stddy.com/life/202601-74443.html
评论列表（4条）
我是视听号的签约作者“铁艺馨”！
希望本篇文章《凌晨的公路上空无一人，我的车却不停地自动刹停……》能对你有所帮助！
本站[视听号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：智驾发展到今天，最难的不是教车辆怎么开走，而是教车辆怎么停下。你坐在一辆智驾接管顺畅行驶的车辆里，眼前路况开阔、阳光明媚，中控屏上的蓝线平稳延伸。突然，毫无征兆地，车辆狠狠来了...