近日，武汉无人驾驶出租车萝卜快跑发生大规模系统故障，近百辆自动驾驶出租车在高架环线突然熄火停驶引发交通拥堵，甚至有车辆因突然停车而引发追尾。

事发后，交警部门发通报称，初步定性事件为系统故障。而运营方萝卜快跑则称，系“网络故障和云端通信异常”。

这也揭示了自动驾驶当前的一个痛点：公众最关心的安全冗余失效时，车辆如何应对，就这么水灵灵地停路中间“摆烂”？是否还有更好的解决方案？

一场自动驾驶之旅，让人体验了一把什么是“叫天天不应，叫地地不灵”的绝望。

根据乘客的描述，当时晚上八点半，车辆先是急刹了几下，降速后没过几分钟，就直接停在了三环线高架的快车道中央，车内屏幕弹出一行提示：“驾驶系统异常”。

让人胆战心惊的是，彼时的三环线高架车流密集，两侧大货车、私家车呼啸而过，后方车流则陷入混乱。

车辆就像是一座孤岛，恐惧弥漫开来，此时的乘客只想弃车而去，但是，当乘客按下车顶的SOS紧急求助按钮后，车内毫无响应，连续按了三四次，屏幕也没有跳转到任何求助界面，紧急呼叫功能彻底失灵。

从坐上萝卜快跑到安全下高架，乘客被困了将近两小时。然而，这位乘客的遭遇并非个案，当天，有将近百辆萝卜快跑自动驾驶集体陷入“瘫痪”状态。

安全，曾让萝卜快跑一度引以为傲。百度最新财报显示，截至2026年2月，萝卜快跑在全球26个城市落地运营，累计出行服务超过2000万次，自动驾驶里程超过3亿公里。

但此次事故却暴露了当前L4级自动驾驶技术路线在规模化落地中的系统性脆弱。

萝卜快跑的官方解释是，此次事故因“网络故障和云端通信异常”导致，也就是说，当车辆在失去与云端的正常交互后，直接陷入了“脑死亡”状态。

这种“中央大脑”模式的弊端在于：一旦中心节点出错，所有车辆都失去独立判断能力。本应该发挥作用的安全冗余系统也在此刻完全失灵。为此，自动驾驶企业是不是该好好反思一下，安全冗余的意义何在？作为最后一道“防线”，应该具备基本的安全守护——哪怕车上所有系统都出现问题，也都能依靠冗余系统主导车辆靠边停车。

安全冗余的背后，是一套套昂贵的传感器和计算体系，在成本考量面前，运营方难免不倾向于成本的取舍。

放眼全球，自动驾驶出现“宕机”的情况，并不鲜见。2025年12月，Waymo因旧金山交通信号灯失效，引发交通拥堵。

从Uber自动驾驶车辆撞人事故，到Cruise无人车运营中的多起安全事件，再到国内多起辅助驾驶、高阶自动驾驶相关的交通事故，都暴露出自动驾驶系统在安全设计、风险应对、全生命周期管理等方面的短板。

其实，对萝卜快跑出现的问题，从行业角度看，并非没有预见。

今年2月，工业和信息化部正式发布《智能网联汽车 自动驾驶系统安全要求》强制性国家标准（征求意见稿），面向社会公开征求意见。

其中提到“最小风险策略（MRM）”，这是L4级自动驾驶系统的核心安全兜底机制，也是与L3级系统的核心区别所在。

征求意见稿针对L4系统的无人化特征，专门设定了强制要求：当系统发生故障、超出设计运行条件等需要执行最小风险策略的场景时，系统必须自主执行策略，将车辆移至不妨碍交通的地方静止，全程无需人类用户接管，同时最小化对车内用户和其他道路使用者的安全风险。

标准还强制要求L4系统不得依赖远程协助执行动态驾驶任务，即使在远程协助过程中，系统仍需承担全部动态驾驶任务，不得将驾驶控制权转移给远程端。这一规定明确了远程协助的定位——仅作为系统的辅助补充，不能替代系统的核心驾驶能力，从根本上杜绝了“远程驾驶”替代自动驾驶的安全隐患。

同时，标准还强调L4系统必须向乘客提供请求停车的方法，必须向车内用户提供行程相关信息；系统的激活、退出、运行状态、故障、最小风险策略执行等关键状态，必须通过光学、声学信号向用户清晰提示，其中激活状态必须通过专用光学信号持续提示，直至系统退出。

如今再回过头来看武汉自动驾驶出租车集体“瘫痪”事故，萝卜快跑犯下了一系列错误：车辆直接停在路中间“摆烂”，远程驾驶同时失效，乘客无法自主请求靠边停车，等等。归根到底，这也是当前自动驾驶部分企业“重里程、轻场景”的发展误区。

到目前为止，自动驾驶技术是否成熟，到底该采用怎样的技术，还有待商榷，也因此形成了不同的技术流派。

以Waymo、百度为代表的“规则AI派”，是通过高精地图、数十个传感器、预编程规则来实现自动驾驶。

这类传统自动驾驶主要采用模块化方案，将任务拆解为感知、预测、规划独立模块。这种“拼积木”方式虽然分工明确，却存在致命的缺陷：误差在接口传递中不断累积，整体效率受制于最薄弱环节，并且这套方案对地图更新速度提出了极高要求，一旦更新滞后，系统就可能因“未被定义的路况”而失效。

前百度深度学习研究院常务副院长、现地平线CEO余凯就曾提到过，2015年12月，中国第一个自动驾驶项目首次公开路测成功，但背后藏着许多“花絮”。囿于当时的感知算法能力，为了让车道线识别“万无一失”，在路测演示前，团队提前刷了一遍车道线，还连夜把越过道路边界的树枝剪掉，原因是激光雷达很容易将其识别为障碍物。

也许是深知“规则AI派”的弊端，地平线转向了“端到端派”，这种方案是通过端到端的神经网络、海量真实驾驶数据训练，让AI学会像人一样思考，企业包括特斯拉、地平线、小鹏汽车、卓驭科技等。

如果说，传统“规则AI派”像遵循固定乐谱演奏的交响乐团，那么“端到端派”则像即兴发挥的爵士乐手，能根据环境变化生成最优应对。

卓驭CEO沈劭劼曾透露，一旦技术踏空，是一件非常痛苦的事情，这意味着很多工作要推倒重来。2024年10月，卓驭就作出了一个决定：全删原有代码库，宣布“以后只有端到端，没有规则”。

但端到端也不是完美的，面对表现更优但难以解释的AI系统，依然有诸多不确定性。

不过，不能因为一次偶发的安全机制触发，就否定整个自动驾驶行业的发展成果。外界应该给予各种创新技术以包容与耐心，为技术迭代创造更好的社会环境，而行业本身也应保持敬畏之心，在关乎资本逐利与生命安全面前，还是要拎得清的。

真正的完全自动驾驶什么时候到来，并不取决于通常情况下，车辆运营方交出了多长的安全行驶里程，而是在遇到corner case（极端情况）下的处理能力。这如同木桶的短板效应，安全层面但凡有一个薄弱点，都能成为自动驾驶普及的绊脚石。有时候，慢就是快，武汉萝卜快跑事件，给行业泼了一盆冷水，也让行业重新审视安全。