武漢街頭近日上演了一場特殊的“交通靜默”——多輛蘿卜快跑無人駕駛車輛在高架橋與主干道上集體停止運行，車輛如被按下暫停鍵般靜止路中。所幸事件未造成人員傷亡，車內乘客均安全撤離，但輿論場隨即掀起軒然大波，從“技術不成熟”到“百度自動駕駛能力存疑”的質疑聲鋪天蓋地。

這場看似技術故障的背后，實則隱藏著自動駕駛行業最核心的矛盾：安全策略的邊界究竟該如何劃定？當L4級自動駕駛車輛面臨系統異常時，是選擇冒險繼續行駛，還是采取最保守的停運措施？這個問題的答案，直接決定了公眾對自動駕駛技術的信任度。

要理解此次事件，需先厘清L4級自動駕駛的責任認定邏輯。根據《智能網聯汽車準入和上路通行試點實施指南》，此類車輛的責任主體為廠商而非乘客。這意味著，當車輛出現異常時，廠商必須優先考慮避免二次事故的風險。與傳統L3級以下輔助駕駛車輛不同，后者在系統失效時可由駕駛員接管，而L4級車輛駕駛位可能無人，這要求廠商必須通過云端與車端的協同決策來確保安全。

從技術配置看，蘿卜快跑的單車能力堪稱豪華：4顆128線激光雷達、12個攝像頭、6個毫米波雷達、12個超聲波雷達，配合雙Orin X芯片提供的1200 TOPS算力，足以支持車輛自主感知環境、識別停車區域并完成靠邊操作。然而，百度的系統架構設計卻將決策權高度集中于云端——所有終端車輛在接收云端停車指令后，若需靠邊需再次申請車端操作指令。這種設計在常規場景下可確保統一調度，但在極端情況下卻可能成為系統癱瘓的誘因。

此次事件中，云端下發停車指令后，車輛因缺乏自主靠邊權限而集體靜止路中。批評者認為，讓車輛靠邊停車才是更安全的選擇，但問題在于：當車內無安全員時，誰為乘客安全與整體交通秩序負責？若車輛在自主靠邊過程中發生剮蹭或引發連鎖事故，責任將如何界定？這種“寧可靜止也不冒險”的策略，本質上是廠商對責任劃分的極端化應對。

類似場景并非中國獨有。2025年12月，舊金山大面積停電導致Waymo數百輛無人車集體趴窩。其技術邏輯與蘿卜快跑如出一轍：車輛雖能識別熄滅的紅綠燈，但出于審慎原則，需向遠程團隊發送確認請求。當停電規模超出系統處理能力時，所有車輛因等待確認而卡在路口。反觀特斯拉，其純視覺方案與端到端神經網絡賦予單車完全自主決策權，卻導致奧斯汀Robotaxi在半年內發生14起碰撞，事故率是人類的4至8倍。

三種策略，三種代價：特斯拉的“放權”換來高事故率，Waymo的“中間路線”在異常場景下崩潰，蘿卜快跑的“云端集控”則因過度謹慎引發系統性癱瘓。這揭示了一個殘酷現實：自動駕駛的終極難題，不是如何讓車跑起來，而是如何讓車在異常情況下安全停下。當行業將90%的資源投入感知、決策與控制算法時，對“停車策略”的研究卻長期被忽視——這或許才是當前技術發展的最大盲區。

公眾對自動駕駛的容忍度呈現明顯雙重標準：當大模型因“智能涌現”而犯錯時，人們選擇寬容；但當無人車因執行最安全策略而“笨拙”時，批評聲卻洶涌而至。這種矛盾背后，是技術理想與現實責任的激烈碰撞。對于站在行業風口浪尖的蘿卜快跑們而言，他們選擇的不是技術路徑，而是一條承載生命重量的責任之路——哪怕這條路會讓他們顯得“不夠聰明”。