無人出租車高度自動化，為什么卻要花20美元請人關門？

自動駕駛出租車，能自己看路、自己轉彎、自己等紅燈，卻常常因為“車門沒關好”這種小事，直接“趴窩”在路邊。更讓人想不到的是，解決這個問題的方法，是派人趕到現場，親手把門關上——每次服務，至少支付20美元。

這不是科幻小說的情節，這是正在美國洛杉磯和舊金山街頭真實發生的事。

作為谷歌母公司Alphabet旗下的明星項目，Waymo的自動駕駛出租車一直被看作行業標桿。它依靠激光雷達、雷達和攝像頭，能實時構建周圍環境的3D地圖，在復雜的城市道路里自主行駛，還能和云端服務器保持通信，進行智能調度。

但是，這些“聰明”的車，卻頻頻在一些最基礎的物理環節上“翻車”。

車門沒完全關緊、乘客的安全帶卡住、車輛電池在開到充電站前耗盡……任何一個小問題，都會讓整輛車立刻停止運行，癱在路邊，一動不動。

由于車輛完全封閉，乘客或路人都無法進行機械干預。系統一旦檢測到門鎖未扣合等異常，就會出于安全原則，中止一切服務。這時，只能呼叫外部人員趕來“救援”。

為此，Waymo通過一款名為Honk的道路救援平臺，按次向當地的拖車公司或零工支付費用。關一次門，起價20美元；如果需要拖車，費用則漲到60至80美元。在洛杉磯和舊金山，這已經發展成一類新型的“自動駕駛出租車救援零工”。

洛杉磯一家拖車公司的運營者塞薩爾·馬倫科說，他已經把給Waymo車輛“關門”和拖車發展成了一項穩定的副業。他每周通過Honk能接到多達三次任務。他在TikTok上發布的一段拖走Waymo車輛的視頻，播放量超過了40萬次。

“只要車里沒有駕駛員，”馬倫科說，“乘客總會在關門或系安全帶這類事情上出點錯。而車上又沒人能當場提醒。這就是人類總會犯的錯誤。”

Waymo公司發言人承認確實存在這類人工介入，但也強調車門故障“并不常見”。公司表示正在改進流程，并加強對乘客的教育，以減少問題發生。

然而，一旦城市基礎設施出現波動，這些“小毛病”就會被迅速放大，演變成系統性的麻煩。

本月初，舊金山發生大面積停電，導致多個路口的交通信號燈失靈。數十輛Waymo自動駕駛出租車在無燈的十字路口集體“懵了”，停在路中不再前進。拖車公司接到了雪片般的緊急請求，社交媒體上充斥著無人出租車堵塞車道或被吊上拖車的視頻。

Waymo解釋稱，車輛遇到熄滅的信號燈時，會將路口視為“全向停車”路口，需要更長時間確認安全，因此停留更久。但同時他們也承認，當天遠程響應中心被海量的求助請求淹沒，導致處理積壓，部分車輛長時間占道，影響了交通。舊金山的監督委員直接將這一情況稱為“危險且不可接受”，并呼吁就Waymo的運營召開公開聽證會。

對于執行救援的從業者來說，這份錢賺得也并不輕松。

洛杉磯另一家拖車公司的負責人說，有些街道非常狹窄，拖車難以靠近拋錨的車輛，光找車和定位就要花10分鐘到1小時。簡單的關門任務報酬僅20多美元，扣除油費和人力后，利潤微薄。

舊金山一家拖車公司的經理甚至表示，在停電當天，他拒絕了Waymo的訂單。因為對方給出的拖車報價，遠低于他拖一輛普通四驅車通常收取的250美元。而且，Waymo車輛外部布滿昂貴的傳感器，在拖運過程中損壞的風險很高，賠償是個大問題。“這不公平。”他說。

這種現象暴露了一個深層問題：在追求高度自動化和智能化的過程中，我們是否過于關注“大腦”（算法與數據），而忽略了“小腦”（基礎物理交互）的可靠性？

從產業經濟角度看，有學者提出了新思路。加州大學洛杉磯分校的一位行為經濟學家建議，Waymo這類公司可以與Uber、Lyft等網約車平臺合作，把簡單的線下操作（如關門）外包給附近的零工司機，讓他們“順路”處理。或者，直接給乘客一些小激勵，鼓勵他們正確完成操作。

目前，Waymo已經在部分市場接入Uber應用，這種平臺整合被視為未來“人車混合”網絡的基礎設施雛形。

平臺整合或將成為連接無人駕駛車輛與人類服務網絡的橋梁

為了從根本上減少對人工的依賴，Waymo也在硬件上尋求改變。據報道，Waymo正在測試由中國極氪（Zeekr）生產的新一代專屬車輛。

這些車型的一個關鍵設計是：配備了可以自動開合的電動側滑門。

這個設計的初衷非常直接——從物理結構上徹底消除“因乘客未關緊車門而導致故障”的可能性。如果自動門能可靠運行，未來至少在“關門”這個環節，Waymo或許就能省下那每次20美元的“尷尬”開支。

這件事帶給先進制造業的啟示是深刻的：再復雜的系統，最終都要與簡單的物理世界交互。任何一個微觀環節的失效，都可能導致宏觀系統的停擺。 在設計和制造過程中，對“最后一厘米”的基礎物理體驗給予同等甚至更多的重視，或許比一味堆疊傳感器和算法更為關鍵。

從硬件設計源頭解決問題，是減少“低級”故障的根本途徑

無人出租車被困于“關門”問題，像一個隱喻。它提醒所有致力于自動化和智能化變革的行業：

當我們的機器越來越善于處理虛擬世界的復雜信息時，它們是否足夠“接地氣”，能從容應對現實世界中那些雜亂、隨機卻又至關重要的物理細節？

我們建造了能“思考”的車，但它是否也擁有了足以應對真實世界的“觸覺”和“肌肉記憶”？

對于這個問題，你怎么看？在你的行業里，是否也遇到過這種“高技術被低端問題卡住脖子”的情況？