武汉乘客把萝卜快跑骂上热搜:太守规矩。百度自己承认:安全不意味着保守。
武汉,早高峰。一辆萝卜快跑稳稳地停在路口,绿灯亮了,它没走。前后没车,斑马线上也空着,它还是没走。后面的车开始按喇叭,一声接一声。后座的乘客坐直了身子,又颓然靠回去——急也没用,这车没有司机,你催谁去?
这事不是段子。今天(11月6日),「萝卜快跑逼出乘客路怒症」挂上了微博热搜。有乘客的吐槽被顶到高赞:「开得比蜗牛还慢,超车基本靠等,急得我在后排直跺脚。」
图1:百度Apollo Go RT6无人车实拍(图源:Wikimedia Commons,摄影S5A-0043,CC BY 4.0)
有意思的地方在这:两年前,武汉人也骂萝卜快跑,骂它抢出租车司机的饭碗;现在还骂,骂的内容却换了——嫌它磨叽,嫌它怂,嫌它太守规矩。
一辆车因为开得太守规矩被乘客嫌弃。这话放在五年前,没人信。
车是怎么变「怂」的先说结论:怂,是设计出来的。
萝卜快跑是L4级无人驾驶,车内没有安全员随时接管。这意味着每一种小概率危险,它都得自己扛:行人突然窜出,电动车贴着车头拐过去,隔壁车道的车毫无征兆地别过来。人类司机靠经验糊弄过去的场景,它全都要按最坏情况打算。
代价就是慢。礼让行人多等三秒,变道多观察两秒,跟车距离再留大一截。每一单多花几十秒,乘客的体感就是「这车肉得离谱」。
图2:武汉街头的百度自动驾驶车(图源:Wikimedia Commons视频帧,CC BY-SA 4.0)
百度自己把这个事挑明了。11月3日,深圳,百度AI Day·Apollo专场。百度智能驾驶事业群组首席架构师王亮当场承认:随着无人车数量增加、跟人类司机的交互越来越频繁,「过于保守的驾驶策略也可能影响正常交通秩序和乘客体验」。
然后他补了一句:安全不意味着保守。
厂商在发布会上承认自家产品「太保守」,这在大厂里算罕见的坦白。毕竟常规流程是把缺点包装成卖点。
这个坦白背后是一个很大的盘子。百度二季度业绩披露:萝卜快跑累计提供超过2300万次出行服务,自动驾驶总里程超过3.5亿公里,其中全无人驾驶里程超过2.4亿公里,业务覆盖全球28座城市。
图3:萝卜快跑运营数据一览(码哈鱼自制数据卡)
骂它的人在换茬,说明它在长大2024年那会儿,武汉城市留言板上攒了300条投诉,矛头都指向萝卜快跑:起步慢,掉头卡住,堵住车道。据当年媒体梳理的数据,那时武汉的萝卜快跑只有400辆左右,全市网约车接近3万辆,它是个刚上路的新生。
两年过去,同一座城,骂声的方向掉了个头。出租车司机骂过它抢饭碗,路人拍过它掉头的糗态,现在轮到坐在车里的乘客嫌它磨叽。
图4:从被投诉到被催促:萝卜快跑两年时间线(码哈鱼自制数据卡)
这个变化值得多看一眼:一辆车只有真的融入了城市交通、真的载着普通人满街跑,乘客才会拿它跟人类司机比。而人类司机拿手的,恰恰是那些不守规矩的活儿——加塞、抢黄灯、贴身超车。守规矩,在人类司机的驾驶文化里从来都算缺点。
所以真正拧巴的事来了。百度的工程师现在要教AI干一件自相矛盾的活:学会人类司机的高效,又不能沾上人类司机的坏毛病。
王亮在AI Day上把话说得很直白:人类司机的驾驶行为并不都是值得学习的,不负责任的驾驶习惯可能污染训练数据。他们要做数据清洗,把不规范的驾驶行为过滤掉,同时给高质量数据加权。
翻译一下:AI的老师是海量真人司机,但这些老师里,有人开车真有两把刷子,有人是纯纯的马路杀手。只学前一种的本事、不沾后一种的习气,是这条技术路线最难的作业。
治「怂」的药,先在虚拟世界里喂百度给这个病开的药方,也在这场AI Day上露了面:一个叫Apollo World的世界模型。
说人话:给无人车造一个虚拟武汉。路上跑的车辆行人电动车,全部由AI扮演,会抢道,会加塞,会突然窜出来,然后让驾驶系统在里面反复挨训。码哈鱼帮你做个算术:按百度给的数据,这套系统一天能跑约十万公里虚拟路测;按一辆车一天跑500公里算,这约等于两百辆车在真实马路上跑一整年的量,被压进了24小时。
王亮透露,目前已有约百辆萝卜快跑装上新一代端到端架构参与实际运营,全无人安全里程接近百万公里。所谓端到端,就是让模型直接从传感器数据学出「方向盘打多少、刹车踩多深」,跳过过去那套一条条写规则的架构。
当然,虚拟路测替代不了真实道路。百度世界模型负责人杨泽在现场也承认,世界模型还难以完整模拟真实世界的全部变化,虚拟数据得跟真实道路数据结合着用。他还给了一个硬约束:无人驾驶系统要以约33毫秒的周期做一次决策。33毫秒,比人眨一次眼快十倍。所有「灵活」都得在这个预算里完成。
这活儿不好干。但对坐过萝卜快跑的武汉人来说,方向总算对了——从「不管你们怎么骂,安全第一」,变成了「承认太怂,正在改」。
这事的后续,比热搜本身重要无人车把守规矩开成了负债,武汉不是孤例。今年1月文远知行发布通用仿真模型WeRide GENESIS,2月Waymo发布自家世界模型,4月小马智行推出PonyWorld 2.0。各家在解同一道题:怎么让AI在规矩和效率之间找到活路。
连通用大模型都来踢馆。今年9月,独立测试DrivingBench让GPT-6 Astra等四款通用大模型控制一辆真丰田卡罗拉,在停车场跑锥桶赛道。11次尝试,只有GPT-6 Astra成功了一次:134.7米用了5分22秒,均速约每小时1.5公里。离上街还差十万八千里,但意思到了——通用AI也在盯方向盘。
回到武汉的后座。乘客的路怒症,本质是一道选择题:你要一辆永远不惹事但慢吞吞的车,还是一辆像老司机一样灵活、偶尔吓你一跳的车?
我的答案现阶段是怂的那个。怂,顶多让我迟到;野,可能出人命。
但乘客的抱怨也不是矫情。打车是为了省时间,时间就是打车这项服务卖的东西。安全是底线,效率是这门生意卖的商品,缺了哪个都撑不起来。
百度把话说到「安全不意味着保守」,接下来就看武汉街头的萝卜快跑,能不能真让乘客的体感变快,而不是只让发布会的PPT变快。
如果你坐在一辆守规矩到窝囊的无人车里,后面堵了一排按喇叭的车,你希望它加塞,还是继续等?加塞派和等待派,都来评论区报个到。