7.4
深览指数
科技虎嗅·果壳··AI 生成
行驶途中突然自动刹车，智能驾驶的“敏感肌”快把车主们逼疯了……
文章深入剖析了智能驾驶中“幽灵刹车”现象的成因。核心观点是刹车决策不仅关乎技术，更是一场关于“预判”和“信任”的博弈：传统规则驱动方案难以穷尽极端场景，而端到端模型虽然解决了直觉问题，却引入了不可解释性和逻辑推理缺失的新缺陷。作者进一步介绍了VLA模型和世界模型作为解决路径，并指出车企在用户教育和人机交互设计上的缺失是信任危机的关键。文章适合关注智驾技术演进、产品设计及用户体验的读者。原文 ↗
核心观点
- ▍“幽灵刹车”的根本原因是机器缺乏人类基于常识的“物理直觉”，难以在“错杀”（过度灵敏导致急刹）和“错放”（灵敏度低导致漏检）之间找到平衡，本质是一个关于“预判”的赌局。
- ▍当前智驾技术演进的核心矛盾在于：端到端方案解决了传统规控对Corner Case穷举的难题，但引入了不可解释性与逻辑推理缺失的新缺陷；而用户对此类“智障”瞬间的容错率几乎为零，形成了技术与信任的脱节。
- 01传统智驾采用“感知-预测-决策-控制”的串联流程，当面对如“右转遇到行人”等需要根据上下文判断的场景时，规则引擎难以找到最优解，导致决策犹豫或错误刹车。
- 022023年，马斯克在FSD v12直播中宣布删除了超过30万行C++控制代码，标志着智驾从规则驱动转向“端到端”神经网络模型，这一方案随后被华为、小鹏、理想等国内厂商跟进。
- 03端到端模型的黑箱特性导致不可解释性，例如Gemini生成无关的狗头图片、ChatGPT输出错误代码，同样的不可解释性在智驾场景中可能造成重大事故。
- 04VLA（视觉-语言-动作）模型被引入来弥补端到端的逻辑缺失，它通过大语言模型理解交通标志、交警手势等上下文信息，使机器能进行类似“内心独白”的逻辑推理。
- 05“世界模型”作为“裁判”被用于智驾，在车做出动作前先在虚拟空间推演未来数秒的场景，以验证端到端模型的决策是否安全。
- 06用户调查显示，许多车主因一次智驾的“幽灵刹车”或危险操作而彻底放弃该功能，体现了用户对智驾“一次不行，百次不用”的极低容错率。
反方 / 局限
- — 作者提到，大多数智驾用户在购车环节中并未得到充分的智驾功能展示和边界教育，销售的重点在于促成订单而非科普，这导致用户对智驾能力产生不切实际的期待或过度恐惧。
- — 文章虽主要批评了技术的不完善，但也指出用户教育缺失是信任危机的重要成因，暗示问题不完全在技术侧，也在于商业模式的缺陷（销售与交付的KPI导向）。
11 分钟 · 4 卡片 · 6 资料
读原文 →