一次停滯觀全局：自動駕駛安全冗余與產業發展定力

作者 | 鄭浩鈞

編輯 |王瑞昊

2026年3月31日晚，武漢市區部分“蘿卜快跑”無人駕駛車發生停滯，相關部門快速處置后，受影響交通路段很快恢復正常秩序，事件未造成人員受傷。

作為自動駕駛規模化落地過程中的一次典型場景，這一事件引發了公眾對無人駕駛技術安全性的廣泛討論。不少人將車輛臨時停滯等同于技術異常，卻忽略了其背后成熟的安全設計邏輯。

結合此前谷歌Waymo的相似案例，以及自動駕駛行業的通用安全準則來看，此次事件并非技術層面的意外，而是L4級自動駕駛安全機制的正常觸發，也是行業邁向成熟的必經考驗。

停滯非“拋錨”，是主動安全降級

面對自動駕駛車輛的臨時停滯，大家很容易將其與傳統家用車輛的半路拋錨劃上等號，這恰恰忽略了自動駕駛技術主動安全防護的核心設計理念。

從產品底層邏輯來看，傳統家用車輛的半路拋錨，多是零部件損壞、系統失效引發的被動故障，是不可控的異常狀態；而自動駕駛車輛的臨時停滯，大概率是系統自檢到潛在風險、面對無法確認安全的場景時，主動觸發的安全防護操作，二者有著本質區別。

這一安全邏輯，在傳統交通領域早已得到廣泛驗證。家用車輛發動機故障燈亮起時，車輛會自動啟動限速、熄火保護機制，避免故障擴大引發更嚴重的問題；民航飛機的自動駕駛系統檢測到傳感器異常時，會自動切換至降級模式或交由人工接管。這些經過時間檢驗的安全設計，核心都是主動規避風險，而非被動承受故障。

自動駕駛技術作為智能出行的核心載體，將這一安全邏輯升級到全新高度，面對復雜路況、不確定環境時，主動停駛、控制風險擴散，成為系統的本能選擇。

此次武漢蘿卜快跑車輛的臨時停滯，業內專家分析認為，極有可能是系統檢測到外部環境或自身運行狀態的不確定因素，觸發了行業通用的“最小風險狀態”（Minimal Risk Condition，MRC）——當自動駕駛系統無法確認安全狀態時，選擇最穩妥的原地停車。

中國信息協會常務理事、新經濟研究院院長朱克力表示：國際標準ISO23793-1:2024將最小風險操作分為直線停與道內停兩類，允許車輛在觸發MRM時縱向減速并在任意位置停車。

朱克力認為，無論是去年的Waymo無人車在信號燈失效的情況下原地停滯，還是此次蘿卜快跑主動停止運行，均屬于最小風險操作的安全機制，體現了自動駕駛系統在面對不確定性時選擇最保守的退出策略。

放眼全球自動駕駛領域，這樣的安全機制觸發并非個例。2025年12月20日至21日，美國舊金山因變電站火災引發全市大規模停電，導致全城交通信號燈大面積熄滅，數百臺Waymo無人出租車因無法識別失效信號燈，觸發最小風險策略，在多處路口、路中央停滯，形成交通堵點，部分乘客短時被困，城市快速路、主干道多處癱瘓。

對于此次事故，Waymo回應稱，其系統預設將失效信號燈視為“四向停車”場景，但因停電規模超預期，全城交通信號燈幾乎同時失效，海量遠程人工確認請求“擠爆”后臺，導致車輛確認路口安全狀態耗時過長，觸發“最小風險策略”（原地停車并雙閃）。該策略是加州車輛管理局（DMV）對L4級全無人駕駛車輛的強制性安全要求。

從結果上看，Waymo和蘿卜快跑最終都守住了安全底線，兩次事件中均沒有出現人員受傷情況。

安全冗余，構筑自動駕駛的“多重保險”

自動駕駛車輛能夠在風險場景下快速觸發安全停駛，核心支撐是行業嚴苛的安全冗余設計。

這一設計借鑒了民航領域的成熟經驗，如同飛機配備多套發動機、多重飛控系統一般，自動駕駛系統在感知、計算、控制等方面，搭建了多重備份體系，確保單一環節出現異常時，整體系統仍能維持安全運行，最終將車輛引導至最小風險狀態。

感知冗余方面，車輛搭載激光雷達、高清攝像頭、毫米波雷達等多類型傳感器，主感知設備與補盲設備獨立工作、互為備份，即便某一類傳感器受到環境干擾，其他設備也能在毫秒級內完成信息補全，確保系統對周邊環境的精準判斷

計算冗余方面，車輛采用雙計算平臺異構架構，主芯片負責日常行駛決策，備用芯片實時同步數據、保持待命狀態，一旦主計算單元出現異常，備用單元可無縫切換，保障決策鏈路不中斷。

控制冗余方面，車輛轉向系統采用主副雙電機獨立供電，制動系統配備雙控制器與雙油路，即便單一部件失效，備份系統仍能提供完整的轉向、制動能力，讓車輛可控停駛。

可以說，安全冗余是自動駕駛的“多重保險”，也是最小風險策略能夠落地的技術根基。

這套全鏈路冗余設計的核心價值，在于實現了“故障可運行”標準。與傳統設備故障后直接失效不同，自動駕駛系統在檢測到異常時，不會立刻陷入失控狀態，而是通過冗余備份維持基礎安全功能，逐步執行減速、警示、停駛等操作，最終達到最小風險狀態（MRC）。

最小風險狀態是自動駕駛車輛的安全兜底狀態，車輛完成規范停駛、開啟警示標識，將道路通行風險降至最低，這也是安全冗余與最小風險策略協同作用的最終目標。

此次武漢蘿卜快跑車輛的臨時停滯，正是安全冗余體系發揮作用的直觀體現。當系統感知到不確定風險時，冗余設計保障了安全機制的穩定觸發，車輛主動停駛規避風險，而非勉強行駛引發意外。

對比Waymo舊金山事件，兩者雖觸發誘因不同，一個大概率與外部環境狀態相關，一個因交通基礎設施異常引發，但最終都通過安全冗余+最小風險策略的組合，守住了安全底線。這也印證了，安全冗余不是可選的技術加分項，而是L4級自動駕駛規模化落地的硬性要求。

隨著自動駕駛技術的持續迭代，安全冗余設計也在不斷優化升級。早期系統的冗余策略偏向保守，觸發安全停駛的閾值較低，隨著極端場景數據的積累、算法模型的完善，系統對風險的判斷會更加精準，保守觸發的情況會逐步減少。

無論是國內的蘿卜快跑，還是國際的Waymo，都在通過海量路測數據、真實場景復盤，持續優化冗余策略與安全機制，讓自動駕駛在安全與效率之間找到更優平衡。

創新定力，包容成長陣痛

自動駕駛作為人工智能與汽車產業深度融合的前沿領域，在成長過程中必然伴隨著階段性挑戰。

從電力、航空等成熟行業的發展歷程來看，技術成熟從來不是一蹴而就的，而是在場景考驗、問題復盤、迭代優化中逐步完善。

電力行業歷經數百年發展，技術體系已高度成熟，即便如此，仍會因極端天氣、基礎設施檢修等出現停電情況；民航業從早期的技術探索，到如今成為全球最安全的交通方式，背后是無數次場景驗證、安全設計優化的積累。這些行業的發展規律證明，偶發的階段性挑戰不是技術倒退的證明，而是行業走向成熟的必經之路。

自動駕駛目前仍處于規模化落地的早期階段，要應對城市道路中千變萬化的場景、極端復雜的環境，遭遇超出常規預期的場景并觸發安全機制，屬于合理且可理解的范疇。

此次武漢蘿卜快跑車輛臨時停滯事件中，無人員傷亡、路段快速恢復秩序，恰恰說明行業的應急處置與安全兜底能力已趨于完善。

對于自動駕駛技術而言，“零事故”是不切實際的預期，衡量企業與行業真實實力的核心標準，從來不是“永遠不觸發安全機制”，而是遇到不確定場景時能否有效兜底、出現問題后能否快速響應、觸發問題后能否持續迭代。

從行業實踐來看，中外頭部企業都在遵循“場景考驗—問題復盤—技術優化”的迭代路徑。這種快速響應、持續迭代的能力，正是自動駕駛行業走向成熟的標志，也是安全冗余設計不斷升級的動力來源。

從國家科技發展的戰略維度來看，自動駕駛已成為中美科技競爭的關鍵賽道，其價值早已超出出行領域本身，成為牽引人工智能算法、車規級芯片、高精傳感器、網聯通信等產業鏈升級的核心引擎，更是未來物理世界運行規則定義權的重要博弈領域。

發展自動駕駛，不是可選擇的發展方向，而是關乎國家科技制高點、產業未來的必答題。

大洋對岸，盡管Waymo仍會出現事故，但其還是于美國大舉擴張，在洛杉磯、舊金山、鳳凰城、奧斯汀、亞特蘭大等十幾個城市，布局了超2500輛無人車，每周全無人服務單量超45萬單。

面對自動駕駛發展過程中的階段性挑戰，我們需要建立理性、客觀的預期，打破“技術必須完美無缺”的認知誤區。

一項能夠主動識別風險、主動停駛兜底的技術，遠比強行運行、隱藏風險的系統更值得信任。自動駕駛的終極目標是實現更安全、高效的出行，其長遠價值遠超階段性的小插曲。

我們不應因一次合規的安全機制觸發，就否定整個行業的發展成果，而是應該給予創新技術更多包容與耐心，為技術迭代創造更好的社會環境。（雷峰網）