蘿蔔快跑，制霸武漢三環

“國內已經這麼先進了嗎？”

7月10日，無人車「蘿蔔快跑」登上了熱搜，武漢街頭出現了多台全無人駕駛汽車，在網上引起熱議。

穿著橘色馬甲，在武漢三環附近掃地的環衛工張大爺，指著他眼前嶄新的高新大道和光谷三路交叉口，說無人駕駛汽車經常在這出現，從南駛向北，也從東向西。

張大爺判斷何為自動駕駛車，方法很簡單：「它高一點」—這是車輛頂部配的激光雷達，用來感知路面；「它車身也寫著嘛，蘿蔔快跑四個字」—這是武漢市允許自動駕駛出租車試營運的主要品牌。

2024年初，武漢自動駕駛出行累計超過68萬單，是全國營運里程最多的城市。武漢還有無人自動駕駛車隊佈局規模全國第一的紀錄。 2月，蘿蔔快跑駛上兩座長江大橋，完成自動駕駛的「長江第一跨」。

但武漢司機多喜歡叫「蘿蔔快跑」為「苕蘿蔔」。湖北話“苕”，意思是有些憨，甚至蠢笨。多少武漢司機喜歡超速、別車（超車）、加塞，都因為這些遵守交規的無人駕駛汽車，擋住了去路。

一個開車喜歡聽播客的網約車司機說，蘿蔔快跑經過學校路段會一直禮讓行人，導致劇烈擁堵；有時候它被別的車加塞了，還會在川流不息的馬路中央剎車停下來，「苕得很」。

一位開著已經破產的威馬汽車W6的司機氣勢洶洶地說，武漢司機號稱「全員鄂」。要是在路上遇見想變道或加塞它的“蘿蔔”，他絕不會讓一點路，而是腳踩油門加速通過。

新的馬路問題出現了。無人駕駛汽車越來越普遍，而我們究竟想要一輛絕對安全的無人駕駛汽車，還是學會人類開車風格的AI汽車？

先進科技的濾鏡與粉紅泡泡逐漸消失，兩難的矛盾開始顯現。這一次，全世界都沒有標準答案。

駛進三環

6月20日下午2時，武漢下著小雨。行駛在武漢三環上，網約車司機張力說，最近半年他常在這條道路上看到蘿蔔快跑。

「有時上面（通常是副駕駛）有人，有時沒人。」長期的跑車經歷，讓他隔很遠就能認出這個新事物。 “它沒有車牌，車尾隻掛著一個臨時牌照。”

張力老家在隔壁的黃岡市，他已經來武漢10個年頭，幾年前在光谷新區買了房子。

他很理解無人駕駛汽車的變化。 2022年，最早是武漢經開區街頭出現了大量無人駕駛測試車輛。 2023年，長江以北的幾個新區，東西橋區、∈口區也出現了無人駕駛汽車的身影。這些汽車很多是面向公眾的商業化運營車輛，也就是無人駕駛出租車（robotaxi）。

接著2024年，無人駕駛計程車在武漢街頭越來越常見。 2月，百度的無人駕駛品牌蘿蔔快跑完成「長江第一跨」後，營運範圍從江北到了長江以南。現在，打開蘿蔔快跑的叫車小程序，它的運營範圍基本上覆蓋武漢主要城區，是一個不整齊的大梯形。

半小時後，張力帶我下了三環，到達一個地鐵站。他以為我是遊客，推薦了無人駕駛出租車在武漢較集中的地方。臨下車前，他補充了一句：“我們網約車司機叫它鐵憨憨，不夠靈活的意思。”

武漢對比別的城市更特殊的是，這些開始商業運營的「蘿蔔快跑」大部分是全無人駕駛，而沒有在副駕駛位配備安全員。

但多位武漢司機給了相似的反饋：全無人駕駛汽車，過於追求安全，導致它們經常「擋道」阻塞交通。光谷一個便利商店老闆（兼司機）總結，最令他感到無語的是，無人駕駛汽車在等待左轉和調頭時，啟動很慢。如果對面有密集到來的車流，它們會表現得禮讓過度，「好幾個紅綠燈都轉不過去」。

他還嫌棄無人駕駛的車速慢，「一條路車速可以開到60，蘿蔔（快跑）會開到40」。於是，他和多位老司機形成的共識是，在路上遇見無人駕駛汽車，首先要超車，跟在它後面只會影響效率。

在這個道路縱橫交錯的超大城市，市場投入運營幾千輛的無人駕駛汽車看似影響不大，但開威馬的網約車司機李超說，武漢是全國數一數二的擁堵城市。百度地圖報告也寫道，2023年，武漢在通勤高峰期交通擁堵方面排全國第五。

擁堵的一個可能性在於，「車太多了」。因為買車的人太多，李超說，武漢的燃油車現在已經發不出「鄂A」的牌照，只能新增一張「鄂W」牌。

重要的是，除了周末的上橋路段，武漢其餘時間都不限行。

於是，近半年來，本就對交通敏感的武漢市民紛紛到市民留言板，反映無人駕駛汽車給他們帶來的漣漪。在長江網「大武漢城市留言板」上，有人嫌棄它開車太慢，「經常以60的時速佔最左道」；有人說經常有蘿蔔快跑在高峰期導致擁堵，建議取消它們在高峰期運營。

但也有市民問：“蘿蔔快跑什麼時候能開到我家啊？”

安全也被抵制？

無人駕駛汽車究竟使用感受如何？在武漢的4天裡，我體驗了6次蘿蔔快跑。

與多位乘客感受一致，這是一位開車注重安全、保守的「新手司機」。它在簡單的路面環境下行駛自如。車內沒有煙味、沒有司機的搭話，乘客可以在後座自選音樂、自行調節空調溫度。

我能在種種細節裡，感受到無人駕駛汽車為了確保安全所做的刻意調整。例如6月21日的傍晚，剛好遇到武漢暴雨黃色預警。行駛在傾盆大雨的路面，無人駕駛汽車將時速降至20公里/小時，穩定地緩慢往前開。遇到擁擠的交通路段，它會再次降速，主動避讓周圍來車。

有一次，想變道的它因為速度太慢，夾在了兩車道中間，導致錯過了調頭的拐彎口。

這些表現都證明了一個難題：當下的無人駕駛汽車，仍無法在追求極致安全與道路效率兩者之間，形成優雅的平衡。

若從車企的角度來看，保守謹慎是其唯一的選擇。全球的經驗顯示：自動駕駛一出安全事故，結局就是全盤皆輸。 2018 年，一輛在街道測試的自動駕駛Uber車因為人類安全員的注意力不集中，在美國鳳凰城撞死了一名行人，Uber的自動駕駛研發項目隨即終止。

2023年10月，在美國舊金山，通用汽車旗下Cruise運營的自動駕駛出租車，撞到了一名婦女並將其拖行了20 英呎。事故發生後，Cruise的計程車營運執照被吊銷。

這些事故導致的嚴重後果，很難不讓車企非常謹慎地推行自動駕駛汽車。更何況，人類對AI硬體的安全要求非常高，許多自動駕駛汽車企業的CEO都曾在公開場合略帶委屈地表達，AI汽車早已做到遠比人類駕駛低得多的事故率。但自動駕駛汽車只要一出小事故，人類都會將槍口瞄準該死的人工智慧。

但是，過於遵守安全的自動駕駛汽車，也容易引起人類的不滿。 2023年8月，美國舊金山首次批准無人駕駛計程車在該城市全區域全天候商業化營運。 2024年上半年，Waymo將無人計程車的服務擴大到了鳳凰城、洛杉磯、奧斯汀。但結果是，在美國四個城市運營且暫未出現重大事故的Waymo，遭到了眾多市民的抵制。今年2月，一輛Waymo自動駕駛計程車在舊金山，遭到市民攻擊並起火。

據Waymo的乘客反饋，無人駕駛汽車很難進行左轉或併入高速公路。這款無人出租車會為了避開左轉的車流而故意繞路，此外，它們經常因為間隙不滿足設定要求，錯失高速公路的機會。

同濟大學道路與交通工程教育部重點實驗室在2023年發表的論文中指出，交叉口作為自動駕駛的關鍵瓶頸，有超過80％的自動駕駛失效是在此發生。其核心挑戰為無保護左轉場景時，自動駕駛車輛通常會採取過於謹慎或意圖不明的駕駛行為。這些不符合人類期望的舉動會給人類帶來困惑甚至憤怒，進而演化成意外。

吉林大學汽車工程學院副教授孫天駿認為，人類駕駛和自動駕駛駕駛的新型混合交通流，將在未來很長時間共存。這個新變化向自動駕駛汽車提出了要求：“它不僅擁有智能，還需要有（人類）智慧。”

深入城市

2024年，孫天駿所在的吉林大學汽車模擬與控制國家重點實驗室提出一個新的方向，將人類社會性行為納入自動駕駛的運動規劃。

孫天駿解釋，他和團隊長期關注人類駕駛的心理與社會行為，發現人類的駕駛行為有明顯的社會性。例如，早有國際學者在1992年發現，駕駛員對他們周圍的「駕駛文化」很敏感——每個駕駛員都會受到其他駕駛員的集體行為的影響，在駕駛時有明顯的模仿行為。

那麼，如何解釋人類司機的社會性，讓人類的社會性讓人工智慧知曉呢？孫天駿等人在論文裡介紹，一種解法是，研究者根據博弈論，衍生出社會價值取向（SVO）理論，將人的社會行為大致分為合作主義者、利己主義者和競爭主義者。近年來，國際學者透過人類司機SVO類型的不同，給予自動駕駛車輛在不同情境下規劃不同的運動策略。

孫天駿對我解釋，現在，讓AI理解人類的這些特性，主要是透過車輛的運動學表徵體現的。 「我們還沒有辦法直接獲取人類開車時腦海真實的想法，只能通過車的運動學表現，比如車在當前的情況下加速了，還是減速了？它超車、變道是一個什麼樣的行為？

孫天駿介紹，在自動駕駛演算法中加入對人類社會性行為的考量，是最近幾年自動駕駛領域的熱點。包括大眾、百度等大廠，都注意到了AI車輛要向人的社會性方向靠攏，才能更好地在道路上實現人機共存。

除了變得更有社會性，要自動駕駛進入複雜的城市道路系統，還需要提升對極端場景的解決能力。 2023年，清華大學與百度Apollo聯合發布的《面向自動駕駛的車路協同關鍵技術與展望2.0白皮書》寫道，自動駕駛汽車在日常的駕駛環境中表現較好，但受車端傳感器物理特性、車端算力等限制，車輛在惡劣天氣、遺撒物體、行人鬼探頭等長尾場景中的感知能力仍需提升。

因此，除了調整車輛性能、改善演算法本身以外，上述白皮書指出，車路協同的環境，尤其是高等級智慧道路建設，是自動駕駛進一步深入城市的關鍵。這裡面涉及車、路、雲端的協同。

回到武漢的經歷也是如此。

2023年底，武漢經信局宣佈，武漢已成為全球最大的無人駕駛營運服務區。但真正深入武漢的街巷角落時發現，無人駕駛出租車一般出現在有寬敞的道路、道路場景相對簡單、設施完備的新區。人員集中、車流量大的中心鬧市區，現階段仍較少有無人駕駛車輛。

這也是多位武漢司機擁有「鬆弛感」的原因—現在，他們還不擔心工作會被無人駕駛汽車取代。

距離深入城市，改變千家萬戶，當下的自動駕駛汽車仍要邁過「最後一公里」。正如孫天駿說，現在所有關於自動駕駛的研究，最終目的是要讓AI變得像人，實現仿人的決策，類人的控制，最終，AI要有如同人類一樣自我學習的智慧。這是所有AI從業者都在意圖克服的難題。如今，隨著大模型和產業落地的加速，躬身者相信，目標越來越接近。 （鹽財經）