刚刚研究了市场份额，其实按说这不是个大新闻，但你116887辆，这数字摆在那，的确有点震撼。就算你觉得这个数字样本有限，放在疫情之后车市逐步回暖的背景下，突然出现这么多"受影响"的车型，还是不免让人心里多了一份不安。
我在路上随意碰到一位销售朋友，他边做着倡导升级软件改善安全工作，边小声抱怨：现在这批车，厂家都不得不紧急召回，实际谁也不想出事，但你会发现，车子自己调校的那套逻辑，总会有点‘盲点’。这话让我猛然意识到，所谓的L2级自动驾驶，本质上还是个半成品。你让它在高速公路上保持车道，像个老手司机一样稳得一批，但一旦场景变咸菜皮——比如突发刮风，或者异形卡车突然横插——它就会变成看不见的危机。
说到这我突然卡壳了（这段先按下不表），我刚才翻了下笔记和相册，发现之前去展会时，看到他们那批辅助驾驶硬件都装得挺扎实，线缆也看得挺工整。看似普通的硬件，原本就是个家庭作业。供应链能否供给可靠的芯片，软件又能不能快点调优？你可以想象成做菜，要的不是单一的一味调料，而是火候、调味料的配比，一样的原料在不同时间点，味道就能差出天壤。
我想问，哪怕你我都知道，自动驾驶还在试验阶段，小米为什么会在这个关键点上动刀——限速、降马力？是不是觉得出现问题，坏了品牌名声的整体局？还是说，背后算法调优出了点偏差，需要紧急修正？
这里我还得插一句，我个人猜测——这个限速也许是出于安全考虑，但更可能其实是技术成熟度不够，单纯用软件补救还远远不够。犹如拼装房的水泥，放再多沙子也盖不住基础问题。有点反直觉：我们不都喜欢技术自由度嘛？这次却反过来，用软件限制自由是不是意味着，技术还没成熟到可以提前预知极端场景？（这段猜测我没细想过，就觉得挺疑惑的。）
你知道，自动辅助驾驶技术，实践中最怕的就是假警报和漏警报。假警报一多，用户总觉得管太紧，索性关掉。有些场景的识别，比如高速特殊车辆或异形大件，要是系统没遇过，也就是说，研发时检测数据不够丰富，就像在拼图中少了几块。你怎么觉得，车企真能通过上线OTA做补救？还是只是应付法规的应急方案？
我反复琢磨，答案其实可能都对：用软件升级去修补裂缝很快，但根基是不是还得靠真正的场景训练丰富。不然，任何电子安全帽都只能应付表面，背后隐患就像饭里的沙子，一次次堆积。不知道你有没有兴趣推测：这次召回，除了确保合规，是不是给整个自动驾驶产业点醒了——安全才是王道，不能只靠技术狂欢！
说到这，我曾试图想象，反正我开车，还是更信人。人不懂，机器更不懂。当我问朋友：你觉得自动驾驶会不会变得更安全？，他笑：那得看谁玩得更溜。这就像炒菜，火候还得人来把控，机器永远都只能是帮手。核心还是人在。而我心里暗想，自动驾驶技术也许也在这样一个人机平衡的微妙位置徘徊。
再后面，那款车实际上真挺高级的，设备齐全，价格也没贵出天。但这次召回会不会成个转折点？——技术发展还需要时间，也许，很多人都被智能挂牛鼻子，忘了还得人工把关。或者，未来的安全感，不就是：在关键时刻，人能稳住方向？
我还要注意一个细节：你有没有发现，所有的高级驾驶辅助系统，都很依赖高清识别和高速反应。大部分事故发生时，实际上是反应慢与场景识别不充分共同作祟。其实反应慢，大多跟硬件的处理速度和软件的决策算法有关。像个等灯的司机，明明已看见绿灯，还得做个确认，这时候任何拖沓都可能酿成大祸。
说到这里我不由得想，你觉得，未来硬件升级会不会变成关键词？如果硬件跟不上算法的追赶，就算牺牲点成本，不能让安全线被踩破。我一直觉得——这场自动驾驶长跑，跟跑马拉松很像：硬件、软件、场景和人，缺一不可。
是不是，最难的还是场景训练这块？有时候我真怀疑，开发者是否真理解普通人开车时的那种心里想法。看天吃饭这句话用在自动驾驶上，也是太恰当了。有谁知道，将来会不会出现，真正能在所有复杂场景中都应对自如的系统？还是说，我们还是要多留点缓冲——就像每天早上打车时，那一段自以为安全，结果意外来了个转折。
这段我有点跑题，但怎么说呢？安全，真的是永远的难题。不知道你注意到没有，那张召回通知书发出去的瞬间，小米的股价也像个过山车。这让我想到：科技公司，真的是高风险高回报。且行且看，也许下一秒，就会有更智能的解决方案出现，但我想，真正能打动人的，还是在那些看似微不足道的细节里——比如个微微弯曲的车道线。
这次事件，除了强调安全第一的原则外，或许更能启发我们：未来的自动驾驶，怎么才能真正安全?是不是要多一点人性化设计？还是模型必须活在真实世界里得更加丰富和复杂？这真是个令人沉思的问题。
你是不是也会想，技术上的极限究竟在哪里？以及，怎样的极限才算是真正的安全线？我自己其实没那么多答案，但，一台车，每次踩油门，我都觉得，背后都藏着一场人机共舞的大戏。
全部评论 （0）