一边是效率提升、事故减少、新服务诞生的广阔

　　

　　在业界围绕“AI泡沫”争论不休的这个冬天，今年的CES上，黄仁勋又为AI点了把“火”。他提出，

　　智能走入真实世界，这些模型能够理解物理规律，并直接从物理世界的感知中生成行动。他讲了很多技术细节。千言万语汇成一句话：AI，还是值得投投投；大家，还是要买买买。

　　翻译一下人话，如果真的如此，“物理AI”的场景在哪呢？建筑（如工厂、仓库），机器人，自动驾驶汽车是普遍认为的三个先发场景。这个时候，不禁有点让人感到尴尬。这些物理AI的场景，也不是一天两天了。真要“涌现”甚至“变现”，困难和堵点到底在哪？

　　一些人会寄希望于技术的重大突破。但在我看来，如何化解社会心结、实现人机共融，仍是其能否顺利落地的关键考题。

　　今天我们就先说说无人驾驶。无人驾驶无疑是物理AI最具代表性的赛道之一，但在奔向现实的道路上却屡屡碰壁——公众的误解、安全的焦虑、就业的担忧，都形成了重重阻力。

　　先让我们闭上眼睛，想象一下无人驾驶的线点，北京海淀区的AI巡逻车已在林荫道上缓缓行驶，车顶的摄像头捕捉着每一处异常。

　　与此同时，在鄂尔多斯包茂高速上，两辆满载煤炭的重卡正以80公里时速平稳行驶，驾驶室里的老司机李学亮双手平放在膝盖上——方向盘已由自动驾驶系统接管。而出租车司机们则一边抱怨“现在开出租就跟要饭的一样”，一边还得担心无人驾驶会不会抢了他们的饭碗。

　　这一幕幕，每天都在全球悄然上演。根据麦肯锡2023年的预测，到2035年，全球自动驾驶汽车市场规模将达到4000亿美元，中国有望成为最大市场。

　　然而，与技术创新并行的，是社会层面日益加剧的焦虑——尤其是对就业替代的担忧。国际运输论坛的研究显示，仅在欧洲，就有约500万专业司机可能受到影响。

　　这些问题客观存在，无法回避，但我们或许陷入了一个认知误区——对“无人驾驶”这个概念本身的误解。

　　当我们纠结于“机器是否会取代人类”时，不妨换个思路：或许从一开始，“无人驾驶”就叫错了名字。这个名字不仅扭曲了技术的本质，更误导了社会对其价值的判断，甚至人为放大了行业发展的社会阻力。重新定义它，或许才是破解当前困局的关键一步。

　　在科技领域，概念的命名往往会深刻影响公众认知。“人工智能”就是典型案例：最初“Artificial Intelligence”被直译为“人工智能”，让很多人误以为机器会拥有类似人类的“智能”，甚至引发“机器统治人类”的恐慌。

　　但事实上，当前的人工智能本质是“基于数据的概率计算”，是辅助人类决策的工具，而非替代人类的“智能体”。这种认知偏差，曾导致人工智能行业在20世纪经历两次“寒冬”。

　　“无人驾驶”的命名误区，比“人工智能”更为致命。自主智能无人系统（AIS）是一个新兴的跨学科领域，它是依靠大数据和人工智能（以及其他科学技术的进步）来创造具有集成任务和运动规划以及决策和推理能力的无人系统，可以在没有或有限的人工参与的情况下完成通用任务。

　　典型自主智能无人系统包括自动驾驶汽车、智能制造机器人以及用于陪伴或安慰的机器人。相对于普通的无人平台（可能是基于规则的，或由人类或其他机器远程控制），它具有（越来越高的）自主性、智能性和协作性。

　　但现实是，按照国际汽车工程师学会（SAE）的定义，自动驾驶分为L0-L5六个级别。真正的“无人驾驶”对应的是L5级别——在任何条件下都无需人类干预。

　　然而，目前全球范围内商业化的系统，最高仅达到L4级别（特定条件下的自动驾驶），更多是L2+、L3级别的辅助驾驶系统。

　　以当前商业化程度最高的L4级自动驾驶出租车为例，本质上都是“人机协同”的场景。即便车辆能自主完成行驶、避障、泊车等任务，背后依然需要庞大的人类团队支撑：远程安全员需随时应对车辆无法处理的极端场景，数据标注员要持续优化算法模型，运维人员需定期检查车辆传感器状态。

　　换个角度来看，英文“Autonomous Driving”的核心含义是“自主驾驶”，强调的是车辆自主完成驾驶任务的能力，而非“没有人类参与”。

　　但“无人驾驶”四个字，却给公众构建了一个“空无一人的汽车在道路上行驶”的极端场景，这种认知偏差直接催生了两大误解：一是认为技术的终极目标是完全取代人类；二是将人机关系定义为“零和博弈”。

　　美国加州机动车管理局（DMV）2024年发布的《自动驾驶脱离报告》显示，2023年加州所有自动驾驶企业的车辆平均每行驶128万公里就需要人类远程干预一次，其中在暴雨、大雾等恶劣天气下，干预频率更是提升至每8万公里一次。

　　更关键的是，在紧急避险、交通纠纷等涉及伦理判断的场景中，人类的决策依然不可或缺，现在依然需要依靠人类决策逐步形成共识，最终推动自动驾驶采纳大多数人的共识形成操作规范。

　　就目前商用的场景来看，自动驾驶不是“彻底无人”，而是通过人机分工提升出行效率和安全性。人类擅长处理复杂的伦理判断和突发场景，机器擅长精准执行重复操作和数据计算。

　　从这个角度来说，“无人驾驶”更准确的名字应该是“协同驾驶”——它不是要消灭人类在交通系统中的作用，而是重新定义人类的角色，构建人机互补的新型出行生态。名称的转变，不仅是语义上的修正，更是认知的重构——从“取代人类”转向“增强人类”，从“零和博弈”转向“协同进化”。

　　事实上，协同驾驶早已在特定场景落地。在港口物流领域，“自动化码头”采用“无人集卡+人类调度员”的模式，无人集卡负责精准运输集装箱，人类调度员则处理船舶到港时间变化、货物紧急调配等突发情况。

　　数据显示，该模式使码头作业效率提升30%，同时将人类操作员从高温、高噪音的恶劣环境中解放出来。这种“机器做基础工作，人类做决策工作”的协同模式，正是自动驾驶的未来方向。

　　这让人想起航空业的启示。现代客机早已可以实现自动起飞、巡航和降落，但驾驶舱内始终有两位飞行员。不是技术达不到，而是人机协同提供了更高的安全冗余。自动驾驶汽车的发展，大概率会遵循类似路径：长期处于“人机共驾”状态，而非简单粗暴地“替代人类”。

　　反对自动驾驶的核心声音之一，是“将导致大量司机失业”。但历史经验告诉我们，技术革命从未真正消灭就业，而是重构就业结构。

　　工业革命时期，蒸汽机取代了手工业者，但催生了工人、工程师、铁路管理员等新职业；互联网革命时期，电商冲击了实体店，但创造了快递员、直播主播、数据分析师等新岗位。

　　自动驾驶的本质，是交通运输业的效率革命，它取代的是“单纯的驾驶操作”，但会催生更多基于出行场景的服务型职业。

　　最直观的变化，是出行场景将从“运输工具”升级为“移动服务空间”，而服务的核心依然是人类。当前的汽车设计以“驾驶”为核心，驾驶座、方向盘、仪表盘占据了大量空间，乘客的体验被严重压缩。

　　但在协同驾驶场景下，当机器承担主要驾驶任务后，车辆空间可以被重新设计：去掉方向盘和驾驶座，设置按摩座椅、迷你影院、办公台等设施，让出行时间从“无效时间”变为“可利用时间”。

　　这种场景创新已经有了初步探索。为什么不重新想象？去掉方向盘的车型已经开始出现。通用汽车旗下的Cruise Origin完全取消了方向盘和踏板，将空间全部留给乘客。中国的初创公司如元戎启行也在探索无方向盘设计。这些车辆本质上不再是传统意义上的“汽车”，而是“智能移动空间”或“自动驾驶座舱”。

　　某企业推出的“移动服务座舱”，在自动驾驶测试车辆中取消了驾驶座，增设了VR体验区和茶饮吧台，提供“通勤+娱乐”“出行+办公”的定制化服务。类似地，德国奔驰推出的“Vision AVTR”概念车，将车辆空间设计为“移动客厅”，乘客可以在行驶过程中进行社交、观影、健身等活动，而随车服务人员则负责提供定制化服务，如讲解沿途景点、准备餐饮等。

　　这些探索背后，是庞大的服务型就业增量。车百会理事长张永伟在相关论坛上指出，随着汽车产业迈入自动驾驶时代，服务生态正在成为继汽车制造、数字与AI技术以外的汽车产业第三大竞争力。他预计到2028年，我国汽车服务业将形成超8万亿元的市场规模，成为待开发的“第二个汽车产业”。

　　刚刚发布的《自动驾驶出行生态2025》报告称，停车、充电、保养、保险、点餐、购物、送货等一系列围绕车生活的服务，构成了一个庞大而离散的“车后服务”生态。在汽车智能化以前，各个服务均需要人进行操作，为行业开启了一扇通往全新世界的大门，亟待构建一个围绕自动驾驶汽车展开的高度自动化、智能化与协同化的服务新生态[1]。

　　但当前的政策和行业标准，却制约了这种场景创新。我国《道路交通安全法》明确要求，机动车必须配备方向盘、驾驶座等驾驶设施，这直接限制了“无驾驶设施”的新型车辆设计。

　　这种僵化的标准，让人联想到工业革命初期的“马车思维”——当时的英国法律规定，蒸汽汽车必须由人手持红旗在前方引导，理由是“防止惊吓马匹”。直到这种规定严重阻碍交通发展，才被逐步废除。

　　实际上，打破思维惯性，才能线世纪末诞生时，其外观设计在很大程度上沿用了马车的形态，这被称为“无马的马车”时代。

　　当时的汽车，无论是开放式驾驶室、木质车身，还是轮罩、车灯等部件的布置，都明显带有马车的痕迹。这种延续并非偶然，而是因为马车是当时人们唯一熟悉的、成熟的轮式交通工具形态，设计师和公众的认知都难以在短时间内跳脱出这个框架。

　　汽车设计史中甚至存在一个从“仿生”到“功能”的演变过程。一个著名的早期案例是1899年的“Camille Jenatzy”汽车，为了不惊吓到路上的马匹，它的车身被设计成了马车的形状。

　　其核心并非真的争论是否要保留一个“马车形状”，而是反映了设计者如何将新事物（汽车）融入旧环境（以马车为主导的道路）的尝试，汽车设计从对马车的简单模仿，到逐渐探索出符合自身机械结构和空气动力学特性的独立美学语言的漫长过程。

　　更关键的是，要打破“无人驾驶=不安全”的认知误区，核心是构建可信的数据体系。公众对自动驾驶安全性的质疑，很大程度上源于数据不透明。某第三方机构的调查显示，83%的消费者认为“自动驾驶企业隐瞒了事故数据”。

　　目前很多厂家都积累了大量的数据，比如特斯拉的Autopilot系统运行数据、百度Apollo的中国道路测试数据、小鹏NGP的复杂场景处理记录，但这些关键信息大多以碎片化形式存在，缺乏统一的数据空间。

　　但事实上，主流自动驾驶企业的事故率远低于人类司机。根据特斯拉2024年第一季度的安全报告，开启Autopilot自动辅助驾驶的车辆，单次平均安全行驶里程达到1228万公里[2]。美国国家公路交通安全管理局（NHTSA）和联邦公路局（FHWA）的数据称，美国车主平均每行驶107.8万公里（67万英里）就会发生一起交通事故[3]。

　　不过，恶性事故的发生确实暴露了安全保障的漏洞。2024年3月，某自动驾驶出租车在路口未避让行人导致事故，原因是算法对“行人突然横穿马路”的场景识别延迟。这说明，自动驾驶的安全保障不仅需要算法优化，更需要构建“可信数据空间”。

　　除了通过区块链技术实现事故数据的不可篡改，目前世界各国的做法是使用“汽车黑匣子”。目前关于汽车黑匣子，我国已经设立强制性国家标准，《汽车事件数据记录系统》(GB 39732-2020)在普通汽车已实施，、《智能网联汽车自动驾驶数据记录系统》（GB 44497-2024）在2026年1月1日起实施。

　　从命名到场景再到安全，我们需要重新定义自动驾驶：它不是“无人驾驶车”，而是“智能协同座舱”；不是“无人驾驶出租车”，可能更适合称作“人机协同代步服务车”。这种重新定义的核心，是从“机器取代人类”的零和思维，转向“人机协同创造价值”的共赢思维。

　　但凡亲身体验过自动驾驶的人，很多都会意识到，自动驾驶的未来势不可挡，但真正的挑战在于：企业能否等到开花结果的那天？社会能否平稳过渡？这取决于两条曲线的交汇。

　　第一条是中国劳动力供给曲线，尤其是劳动力总量下降和从事艰苦岗位的从业者减少的情况。第二条是自动驾驶成熟度曲线：从封闭场景到开放道路，从辅助驾驶到高度自动驾驶，自动场景的增长曲线值得期待。

　　在这两条曲线交叉之前，自动驾驶企业面临的最大挑战，不是技术突破，而是如何先活下来。在商业化落地的同时，化解社会阻力是必须回答的挑战。解决这个问题的关键，是摒弃“一步到位的硬替代”，推行“循序渐进的软过渡”，让技术进步与社会结构转型同频共振。

　　从宏观数据来看，自动驾驶的发展曲线与劳动力结构变化曲线高度契合。国家统计局数据显示，我国劳动年龄人口（16-59岁）在2024年末为85798万人（约8.58亿人），占总人口的60.9%[4]。但多方数据显示，我国劳动年龄人口（15-59岁）从2012年开始持续下降。

　　人社部在2016年的新闻发布会上曾预测，到2030年，我国劳动年龄人口会降至8.3亿人左右，并且从2030年以后会以平均每年约760万人的速度减少[5]。劳动力紧缺的问题在交通运输、制造业、农业等领域尤为突出。而自动驾驶的商业化进程，恰好可以填补这些领域的劳动力缺口。

　　事实上，无人化场景早已在劳动力紧缺的领域大量落地，且几乎没有引发就业争议。

　　在制造业，“灯塔工厂”采用无人搬运车、无人装配机器人，解决了“年轻人不愿进工厂”的难题。数据显示，富士康郑州科技园的智能互联车间在完成升级改造后，通过数据的自动采集和设备的互联互通，实现了生产全流程的自动化，改造后生产效率提高了102%[6]，同时将工人从高强度的重复劳动中解放出来，转向质量检测、设备维护等技术岗位。

　　在农业领域，农业无人机、自动驾驶拖拉机解决了“谁来种田”的困境——我国农业劳动力平均年龄已达58岁，年轻人不愿从事农业生产，而自动设备可以实现“一人管理百亩田”，大幅提升农业生产效率。

　　具体到自动驾驶，也有不少可以优先落地的场景：机场到酒店的固定线路、大型社区的微循环接驳、深夜女性专属出行服务、残疾人士无障碍出行。北京亦庄的自动驾驶出租车已覆盖地铁站到小区的“最后一公里”；广州的生物岛，自动驾驶小巴成为固定通勤工具。这些场景需求明确、风险可控，能够积累信任。这些场景需求明确、风险可控，能够积累信任。

　　与这些领域不同，自动驾驶在出租车、网约车行业引发的争议最大。从技术扩散的角度来说，我的预测是，自动驾驶在家庭乘用车、公共交通和特殊场景上的扩散速度，将大大超过在“迅游出租车”这个场景的扩散速度。

　　核心原因是该行业吸纳了大量年轻就业人口。根据交通运输部网约车监管信息交互系统统计，截至2024年10月31日，全国已核发网约车驾驶员证748.3万本[7]。未持证司机总数各方口径不一，从接近800万人到甚至更多。但近些年来涌入的人数激增是广泛共识。

　　中国新就业形态研究中心发布的报告显示，网约车司机群体的平均年龄约为39.8岁，与我国劳动力平均年龄接近，整体呈现“中年化”特征，以中年男性为主体，是典型的“上有老，下有小”的家庭支柱[8]。这些司机担心“技术会直接抢走自己的饭碗”。这种担忧是合理的。在所有的无人驾驶场景中，无人驾驶出租车是社会风险最高，也最应该暂缓推行的。

　　第一条路径是“人机分时协作”，利用机器弥补人类的生理短板。人类司机的最大局限是容易疲劳，尤其是夜间驾驶的安全风险极高。

　　公安部交管局在2017年的预警中指出，通过对近三年“五一”节事故的分析，19时至23时为恶性事故高发时段，事故死亡人数占总数的23.2%[9]。公安部在2022年7月发布提示称，6月份以来，全国一次死亡3人以上较大道路交通事故中，涉嫌疲劳驾驶肇事的占17.5%[10]。

　　而自动驾驶系统不会疲劳，可以承担夜间驾驶任务，人类司机则负责白天的驾驶和服务工作。一些平台在深圳已经实现了有人驾驶网约车与Robotaxi的混合运营。

　　在这种模式下，乘客通过同一个APP叫车，由平台智能匹配有人车或自动驾驶车辆提供服务[11]。这为“人机协同”提供了基础架构。

　　第二条路径是“强化特殊场景”，在人类司机难以覆盖的领域发挥自动驾驶的优势。这些场景包括：超短距离出行（如机场到周边社区）、公共交通“最后一公里”（如地铁口到小区）、深夜女性安全出行、残疾人等特殊人群出行。

　　以深夜女性出行为例，某出行平台在2024年通过公众评议会征集用户需求时发现，“女乘客可选女司机”这一选项获得了最高支持率（24.2%），60%的女性用户曾在深夜打车时感到不安。这直接印证了女性对夜间出行安全的高度关切。但在该平台推出“女乘客优先选择女司机”功能后，据一些媒体报道，反而引发了女司机的吐槽。

　　而自动驾驶出租车可以通过“全程无人类接触+实时视频监控”的模式，解决这一痛点。小马智行已在北上广深开启7×24小时全天候自动驾驶测试，旨在解决传统交通在“被遗忘时段”运力大幅缩减的问题。

　　有体验者表示，深夜11点后会优先选择无人驾驶车，因为其服务标准化、无情绪化，且能通过屏幕实时观察环境，带来安全感[12]。深圳的无人出租车部分区域已实现24小时运营，且夜间订单占比已达三成，成为加班族和晚归人士的选择[13]。这显示了自动驾驶在补充夜间运力方面的潜力。

　　第三条路径是“对接‘i人经济’需求”，挖掘服务型就业的潜力。我在本公众号上发表的《i人经济的冰与火》一文中指出，随着“i人”（内向型人格）群体的扩大，越来越多的人希望在出行中获得“低社交压力+高质量服务”的体验。

　　自动驾驶恰好可以满足这一需求：车辆由机器驾驶，减少了与司机的不必要交流；甚至对于需要在车上开电话视频会议的牛马们来说，也提高了私密性。同时，随车服务师可以提供定制化服务，如安静的办公环境、个性化的音乐推荐、沿途景点的语音讲解等。

　　这种“无打扰驾驶+精准服务”的模式，正在成为新的消费趋势。自动驾驶车辆可以成为“移动会客厅”“私人影院”或“移动办公室”，满足个性化、私密性的服务需求。

　　第四条路径是“推动司机技能转型”，在全民灵工的背景下，重构驾驶行业的职业体系。当前，大部分司机的技能单一，仅掌握驾驶能力，这是他们担心失业的核心原因。

　　企业和政府需要共同推动司机的技能升级：一方面，开展免费的技能培训，让司机掌握服务、运维、数据分析等技能，转型为随车服务师、自动驾驶运维工程师；另一方面，建立新的职业评价体系，将服务质量、用户满意度等纳入评价标准，让司机从“单纯的驾驶者”转变为“出行服务提供者”。

　　更根本的解决方案，是解决“技术进步带来的财富分配”问题。如果失业后可以很快再就业，那失业并不可怕，可怕的是失业后失去收入来源。自动驾驶带来的效率提升，会创造巨大的社会财富，这些财富应该让包括司机在内的全体社会成员共享。

　　自动驾驶创造的价值如何共享？一些探索已经开始：可不可以让出租车公司允许司机持有自动驾驶车辆的股份？无人驾驶小巴运营利润部分是否注入公共交通基金？更激进的设想是“数据分红”——车辆产生的数据价值部分返还给受影响群体。

　　除了社会分红，还有一些数据权利共享的尝试。智己汽车推出的“原石谷”计划是一个典型案例。该计划发行数字权益“原石”，用户通过驾驶汽车（贡献数据）或参与官方活动可以获得。这可以看作是一种将车辆产生的数据价值（或用户参与价值）以权益形式返还给用户的初步尝试[14]。

　　历史总是在重复相似的故事。19世纪初，蒸汽机的普及让大量马车夫失业，引发了大规模的抗议活动，甚至出现了“卢德运动”（手工业者砸毁机器）。但最终，马车夫们逐渐转型为火车司机、铁路管理员等新职业，分享了工业革命的红利。20世纪初，电梯操作员协会自动电梯；21世纪初，传统零售商抵抗电子商务。每一次技术革命都伴随着职业结构的重塑，而每一次成功过渡的关键，都在于将短期的社会阻力转化为长期的发展动力。

　　今天的自动驾驶，正处在类似的历史十字路口。一边是效率提升、事故减少、新服务诞生的广阔前景；另一边是就业冲击、社会分化的潜在风险。

　　正确的做法不是要消灭就业，而是要升级就业；不是要取代人类，而是要与人类协同创造更美好的生活。我们需要的不是技术进步，而是以历史耐心和创新思维，构建一个让技术、企业、劳动者、社会共赢的生态。

　　自动驾驶也只有诞生了一个支持它的庞大就业人群，才真正获得了可持续发展的基础和动力。

　　自动驾驶的未来，不应该是“无人”的寂寥，而应是“有人服务、人机协同”的繁荣。名字变了，视野就开了；思路换了，道路就宽了。当我们不再被“无人”的标签误导，就能更理性地看待技术的本质，更积极地参与到行业的发展中。历史的车轮滚滚向前，技术进步的趋势不可阻挡，但行业的未来，终究是由我们每个人的选择和行动塑造的。

　　[4] 中国人口红利依旧明显：劳动年龄人口规模优势显著，2025年10月11日，

　　[9]公安部交管局：“五一”出行注意五大风险，中国政府网，2017年4月24日。

　　[10]公安部：6月以来全国一次死亡3人以上交通事故中疲劳驾驶肇事占17.5%，人民网，2022年7月17日。

　　[13] 深圳成全国首个全域开放无人出租车的城市，实测8次发现这些秘密！，百家号。

　　苇草智酷（全称：北京苇草智酷科技文化有限公司）是一家思想者社群组织。通过各种形式的沙龙、对话、培训、丛书编撰、论坛合作、专题咨询、音视频内容生产、国内外学术交流活动，以及每年一度的苇草思想者大会（原名互联网思想者大会），苇草智酷致力于广泛联系和连接科技前沿、应用实践、艺术人文等领域的学术团体和个人，促成更多有意愿、有能力、有造诣的同道成为智酷社区的成员，共同交流思想，启迪智慧，重塑认知。