2026年8月6日 · Robotaxi与自动驾驶等级
迪威国际自动驾驶：Robotaxi已经可以不坐安全员载客以后，为什么这仍然不代表L5无人驾驶已经实现？
一辆Robotaxi车辆前排真的没有安全员，乘客直接上车、系统全程完成驾驶任务，这个画面确实容易让人觉得自动驾驶已经全面实现了。但准确理解这件事，需要先看清这属于自动化等级里的哪一级，以及这个"没有安全员"成立的前提条件是什么。
目前进入商业化、真正取消安全员的Robotaxi服务，普遍属于L4级别，而不是L5。L4和L5最核心的区别在于运行设计域（ODD）是否有限定。L4系统在其被验证过的ODD内——通常是特定城市的特定区域、特定的天气和道路条件、特定的车速范围——可以不需要驾驶员介入；一旦离开这个ODD，系统本身就不具备继续自主运行的资格，需要退出自动驾驶模式或者停止运营。L5则是一个理论概念，指系统在任意条件、任意区域都能完成自动驾驶，目前没有商业化的L5系统。
这里不要急着把"某个城市已经可以打到无人驾驶出租车"翻译成"自动驾驶已经全面实现"。更准确的描述是：在这个具体城市的这个具体区域，在这套系统被验证覆盖的条件范围内，L4自动驾驶已经进入商业运营——范围之外的结论，并不能从这一个事实里直接推出。
Robotaxi商业化的意义确实重大——它证明了在明确限定的条件下，去掉安全员的自动驾驶载客服务是可以被验证、被监管接受、并且能够持续稳定运营的。但这套系统能够稳定运行的城市区域，往往是经过大量前期测试和地图精细化建设的特定范围，把这套系统直接搬到一个从未测试过的新城市，或者搬到天气条件、道路结构差异很大的环境里，并不能假设它会有同样的表现。
从系统角度看，Robotaxi的城市扩张过程本身就是最好的证据——每进入一个新城市，运营方通常需要重新进行道路测绘、场景采集、安全测试和监管审批，这个过程往往需要数月甚至更长时间，而不是把已有系统直接部署上路。如果自动驾驶已经达到L5，这种逐城市验证的扩张模式本应不再必要。
对普通用户而言，理解Robotaxi比较准确的框架是：这是L4自动驾驶在特定条件下的商业化落地，验证了这条技术路线的可行性，但每一次扩展到新的城市或新的运行条件，都需要重新经过测试、验证和监管审批，而不是简单复制。把这类进展等同于L5无人驾驶时代已经到来，混淆了"某个受限场景下高度成熟"和"任意场景下都能自动驾驶"这两件完全不同的事情。
2026年8月5日 · 场景测试与安全验证
自动驾驶系统已经测试一千万公里以后，为什么"公里数很大"仍然不能自动证明它已经遇到所有危险场景？
测试里程是自动驾驶系统最常被引用的一项指标，一千万公里听起来是一个足以让人放心的数字。但公里数本身衡量的是跑了多久，而不是遇到过什么，这两者并不是同一回事。
真正对安全验证有价值的，不是总里程，而是里程背后覆盖了多少种不同的场景，尤其是那些发生概率很低、但一旦发生后果严重的场景——夜间低能见度下的行人横穿、恶劣天气下的紧急变道、施工区域临时改道、救护车或消防车等应急车辆通行时的避让规则，这类场景在正常行驶中出现的频率很低，即便测试里程堆得很高，也不代表已经充分遇到过这些情况。
这里的关键判断标准不是开了多远，而是覆盖了哪些场景。同样一千万公里，如果绝大部分发生在天气良好、路况简单的高速公路上，和分布在多种天气、多种道路类型、多种突发状况下的一千万公里，对安全验证的价值完全不同——公里数相同，场景覆盖度可能相差很大。
这也是为什么单纯依赖真实道路测试积累里程，效率并不高——低概率场景本身出现频率低，靠自然行驶去凑够这些场景，需要极长的时间。因此行业普遍会同时使用仿真测试来批量生成和覆盖各类边界场景，用封闭场地测试验证极端工况下的系统反应，真实道路测试更多用于验证系统在正常及部分边界场景下的综合表现——三种方式配合，才能在合理时间内建立起相对全面的场景覆盖。
场景库本身也需要持续更新。新的道路结构、新的交通规则、新的极端天气事件，都可能带来此前场景库里没有覆盖的情况，这意味着测试覆盖是否充分本身也是一个动态标准，而不是达到某个里程数字后就可以宣布完成的一次性任务。
所以，评价一套自动驾驶系统是否经过充分验证，比起单纯关注测试总里程，更值得追问的问题是：这些里程覆盖了哪些场景类型、覆盖程度如何、是否包含了足够比例的低概率高风险场景。里程数字可以作为背景信息，但不能单独作为安全验证是否充分的证明。
2026年8月4日 · 运营中安全监测
自动驾驶车辆已经通过安全准入以后，为什么真实商业运营反而会产生下一阶段最重要的安全数据？
一套自动驾驶系统通过安全准入、获得商业运营资格，很容易被理解成验证工作已经完成。但更准确的理解是：准入只是证明系统在已知测试和分析范围内达到了安全要求，真实商业运营开始之后，安全验证工作并没有结束，而是进入了一个新的阶段。
准入前的测试，无论是仿真、封闭场地还是真实道路测试，都只能覆盖测试团队能够预见和构造出来的场景集合。真实道路环境的复杂度和多样性，很难在准入前被完全穷尽——大规模商业运营开始后，车队实际遇到的场景数量和多样性通常会显著超过准入阶段的测试范围，这意味着一部分此前未被覆盖的场景，只会在真实运营中第一次出现。
这里的关键概念是"运营中监测"（In-service Monitoring）。车队在商业运营期间持续把行驶数据、异常事件和接近碰撞但被系统或人工干预化解的临界情况回传给运营方，用于识别测试阶段没有覆盖的场景类型，这些数据本身就是安全验证的一部分，而不是运营之外的附加工作。
基于运营中监测发现的问题，系统需要通过软件改进和后续的OTA更新持续修正——这也是为什么自动驾驶系统的安全验证，天然和软件生命周期管理绑定在一起：一次准入对应的是某个软件版本在某个ODD内的安全论证，如果后续通过OTA更新了感知或决策逻辑，理论上需要重新评估这次更新是否还在原有安全论证的覆盖范围内，而不是默认所有更新都自动安全。
道路环境本身也在变化——新建道路、调整后的交通规则、新增的临时施工区域，都会给已经获得准入的系统带来此前未评估过的情况。这意味着即使系统本身没有更新，运营环境的变化也需要持续的监测和评估。
所以，商业运营开始的那一天，不是自动驾驶安全验证的终点，而是进入了一个数据规模更大、场景更真实、也更能暴露此前未覆盖问题的新阶段。持续的运营中监测、数据分析和基于发现问题的迭代改进，是保证一套已经上路的自动驾驶系统能够继续安全运营下去的必要工作，而不是可有可无的后续动作。
