据统计，全球每年因交通事故死亡人数约130万，其中90％以上由驾驶员分心、疲劳或违规驾驶导致。“安全第一”是无人驾驶的核心理念和价值观，然而无人驾驶不意味着零事故，而是通过技术消除人为操作失误，进一步降低交通事故发生率和人员伤亡。经过二十几年的发展，无人驾驶已经从科研探索迈入城市级示范应用的阶段，成为市民安全出行的新选择。我国于2024年7月启动的“车路云一体化”试点城市计划，推动道路智能化改造和法规完善，为无人驾驶前行的“道路”提供充分保障。

　　无人驾驶与辅助驾驶存在本质差异

　　何霞表示，首先需要明确的是，无人驾驶是指达到L4级别的高度自动驾驶，与目前车辆上常见的L2级辅助驾驶本质上完全不同。何霞强调，二者最本质的差异，是底层安全逻辑的不同。

　　L2的本质是“人机共驾”，其设计初衷是减轻驾驶员负担，而非完全替代人类，仍然需要人类驾驶员为安全兜底。L2辅助驾驶实现的是部分场景的驾驶功能，未能覆盖全场景，对于复杂场景的应对处理，缺乏安全完备性的系统性设计。“过度依赖辅助驾驶，可能会因为驾驶员分心而导致应变不及时的危险。”何霞说。L4则是“系统主导”，要求车辆在特定场景内，无需人类驾驶员干预，独立、安全地应对所有突发状况。这种由系统保障安全，而非人类驾驶员对安全负责的设计逻辑，从根源上避免了需要人类驾驶员介入规避碰撞的风险。

　　大模型实现无人驾驶技术能力阶跃

　　从“模块化”到“端到端”，大模型已经成为无人驾驶技术发展的趋势。何霞表示，传统无人驾驶系统大部分是基于一定规则，通常分为感知、决策、规划、控制等多个独立模块，如“流水线”一样依次运行、协同作业。这类系统即使是向学习型系统转型，也主要是在局部使用小模型处理特定的任务，在很多长尾场景的覆盖和应对能力方面存在局限。而大模型是通过超大规模的参数、更大的模型网络、海量的数据训练而成，能够应对各类复杂的交通场景，不仅是交互博弈能力更智能的表现，对于长尾、极端场景等处理应对也更为灵活恰当，能够避免潜在风险。

　　他举例说明，自2017年起，百度就开始推进全系统从最初的规则式系统向模型化的数据驱动系统演进。2023年，百度率先在无人驾驶领域探索和应用视觉大模型技术。2024年，百度发布了全球首个支持L4级无人驾驶的大模型Apollo ADFM，可以兼顾技术的安全性和泛化性，做到安全性高于人类驾驶员10倍以上，实现城市级全域复杂场景覆盖。

　　值得注意的是，与有人类驾驶员“兜底”的L2辅助驾驶不同，安全冗余能力是保证L4无人驾驶安全可控的必备条件。在车辆本身的软硬件出现故障，或车辆所处场景存在安全隐患时，无人驾驶系统能够及时发现并将车辆保持在安全状态，实现“永不宕机，永不失准，永远在线”。

　　在硬件方面，从传感器、计算单元到车辆控制系统，无人车都具备两套互为独立冗余的系统，避免单点失效，从而提升系统整体的可靠性和安全性。2025年5月，高盛在《中国Robotaxi市场》报告中指出，与配备1～2个前视摄像头和0～1个激光雷达的L2乘用车相比，典型Robotaxi拥有10多个摄像头以覆盖不同视角，多个激光雷达以实现广角视野，以及多个雷达来检测近距离和远距离。另外，车辆底盘同样具备冗余能力，包括转向、动力、制动等关键部件，能够在单一系统故障失效时，切换到备用系统控制车辆，帮助安全停车，防止车辆失控的发生。

　　在风险监控方面，针对软硬件可能的异常状态，以及无人车能力范围的场景，系统能够做到全面地识别和预警，并触发“多重降级”的安全策略。体现在车辆行为上，会按照不同的风险，通过限速、缓慢刹车、靠边停车、刹停等方式，实现安全地控制车辆。以萝卜快跑第六代无人车RT6为例，通过10重安全冗余和6重MRC安全策略的设计，系统失效概率低于10-8。

　　国内外的产业实践都证明，无人驾驶让出行更安全。5月2日，谷歌旗下Waymo发布研究报告，截至2025年1月，无人车已在美国凤凰城、旧金山、洛杉矶和奥斯汀四大市场累计行驶5670万英里（约9124.98万公里）。在美国道路伤害的主要原因——交叉路口车辆碰撞中，Waymo的事故率比人类驾驶员低96％。百度Apollo测试里程已经超过1.7亿公里，累计为公众提供服务1100万次，从未发生过重大伤亡事故，出险率是人类司机的1/14。

　　“无人驾驶依赖真实场景和真实需求，一定要把规模做出来，才能推动技术成熟和领先。”何霞说。当前，全球无人驾驶正处于发展的十字路口。谁能率先实现从科技突破到规模化应用的跨越，谁就将掌握先发优势，主导和改写全球智能出行规则标准，塑造未来全球地面交通科技和产业形态。何霞表示，希望充分授权有条件的地方先行先试，在更具规模化的场景和服务中充分验证技术，为中国企业在全球无人驾驶科技竞赛中争取先机。　（路琦）