-
日期: 2026-04-01 | 來源: 新浪財經 | 有0人參與評論 | 字體: 小 中 大
今年2月，洛杉磯(专题)暴雨中，兩輛Waymo在洪水中“趴窩”，被網友調侃為“Waymo water than I was expecting”。
壹起起事故證明，Robotaxi的“集體趴窩”已經成為壹個跨地域、跨平台、跨技術路線的普遍現象。
舊金山停電致使Waymo趴窩事件，意外引爆了壹場關於技術路線的大討論。
CEO埃隆·馬斯克第壹時間在X平台上發文嘲諷：“特斯拉Robotaxi未受到舊金山停電影響。”這句話的潛台詞是：依賴高精地圖和人工規則的Waymo不行，而采用端到端神經網絡架構的特斯拉FSD才是未來。
地平線創始人兼CEO余凱也加入論戰：
這場論戰的本質，是兩種技術路線的對決。
壹種是以Waymo、百度為代表的“規則AI派”：通過高精地圖、數拾個傳感器、預編程規則來實現自動駕駛。這套體系的優勢是確定性，只要場景被提前定義過，系統的表現就可預測。致命弱點是“脆弱性”，糟糕的天氣環境、因停電無法工作的交通燈，導致依靠高精度地圖和規則算法的車輛難以政策決策。
另壹種是以特斯拉、小鵬、地平線為代表的“端到端派”：通過端到端的神經網絡、海量真實駕駛數據訓練、讓AI學會像人壹樣思考。這套體系的優勢是泛化能力，能應對未被預先定義的突發場景。
在AI智駕尚未實現L3、L4級自動駕駛之時，高精度地圖搭配規則算法，無疑是最穩妥的選擇。更何況百度和谷歌分別擁有百度地圖與谷歌地圖，具備地圖測繪資質，手握大量道路數據，自然更傾向於高精地圖搭配規則算法的方案。
高精度地圖搭配規則算法不是不能解決智駕問題，只是對Robotaxi企業的地圖更新速度提出了更高要求，百度和谷歌需要不斷進行地圖測繪和信息采集，才能避免Robotaxi對路況感到“陌生”。
如果說“系統故障導致趴窩”還只是技術問題，那麼更深層的安全威脅，可能遠超我們的想象。
2017年上映的《速度與激情8》中，反派塞弗在紐約(专题)操控千輛自動駕駛汽車，讓它們像“僵屍”壹樣從停車場墜落、在街頭狂飆、圍堵俄羅斯國防部長的車隊。當時這只是壹個科幻橋段，但今天，它正在逼近現實。
有國內網絡安全研究機構曾發出警告：自動駕駛汽車的“感官系統”極其脆弱——激光雷達可以被虛假激光信號欺騙，攝像頭可以被特制圖案誤導，V2V通信可能被截獲篡改，OTA更新通道可能被注入惡意代碼。2024年就有研究團隊通過篡改OTA更新，成功讓測試車的AI系統調低了“避讓行人”的優先級。
這意味著，未來RoboTaxi的安全威脅至少包含兩個層面：
第壹層是“單車攻擊”：黑客遠程劫持壹輛Robotaxi，將其變成針對特定人物或建築的攻擊武器。想象壹下，壹輛滿載炸藥的自動駕駛汽車，在沒有任何人察覺的情況下，精准駛向目標。
第贰層是“群體攻擊”：攻擊者同時劫持成百上千輛Robotaxi，讓它們集體堵死城市主幹道、包圍重要設施、阻斷應急通道。正如壹位網友的評論：“以前要讓壹座城市癱瘓，需要轟炸橋梁道路；未來只需要調集幾百台robotaxi堵路。”
這不是危言聳聽。當Robotaxi成為城市基礎設施的壹部分，它的“可攻擊面”呈指數級增長。每壹輛車都是壹個潛在的“攻擊入口”，而中央調度平台壹旦被攻破，整個城市的交通命脈就可能被瞬間掐斷。
哪怕沒有遭受黑客攻擊，雲端數據波動也會對車輛行駛安全造成影響。高精度地圖智駕方案依賴車路雲協同，壹旦雲端算力、數據同步、網絡通信出現波動，車輛無法正確上傳路況和行駛狀態，雲端無法同步地圖更新，系統就可能出現誤判。
解決這壹問題的最好方案，是將高精度地圖與端到端結合。端到端模型在自主學習感知、預測、規劃全流程的同時，借助高精地圖的靜態信息提升決策可靠性，彌補純端到端方案在復雜場景下的魯棒性不足，實現“算法自主學習+地圖安全兜底”的雙重優勢。
未來智駕系統停擺、Robotaxi無法正常通行，甚至阻礙交通的情況大概率還會發生，這只是自動駕駛技術和Robotaxi發展之路的陣痛。
舊金山停電後，Waymo被迫暫停全城服務。武漢事故後，蘿卜快跑恐怕也要面對類似的信任危機。這不是終點，而是壹個警示：在Robotaxi從“玩具”變成“工具”、從“體驗”變成“基礎設施”的過程中，安全不應該是壹個可以被犧牲的變量。- 新聞來源於其它媒體，內容不代表本站立場！
-
原文鏈接
原文鏈接:
目前還沒有人發表評論, 大家都在期待您的高見