对于汽车智驾，从厂商到某些车主和吃瓜群众，都表现出一种莫名其妙的兴奋和乐观，对其中的致命风险却避而不谈或视而不见。老话说“生死事大”，然而，某些人在智驾这事儿上偏偏“生死看淡”。

智驾频频出事。然而，你也知道现在厂商的手段很厉害，“坏消息”很快会被处理掉，只剩下那些网红们的惊叹赞美：“哇，真是丝滑”、“堪比老司机”、“全程零接管”。

关于所谓智驾，工信部前不久特意要求厂商“杜绝拿用户做测试”。意思很明白，智驾并不成熟，有些厂商把车主当小白鼠用，而有些车主轻信了厂商的鼓吹，也欣然甘当实验品。

前两篇说了智驾的“眼睛”（感知硬件）：摄像头、毫米波雷达和激光雷达，各有各的优势，又都有缺陷。这次接着说智驾的“大脑”，智驾看上去越来越聪明，在很多情况下表现也算正常，但实际上，智驾的“大脑”是缺几根弦的。

智驾的算法架构现在有三个大缺陷无法克服，而这三大缺陷的病根是AI（人工智能）技术的先天不足，换句话说，胎里带的病，除不了根儿。

智驾“大脑”的这些缺陷会让汽车偶尔撒癔症，如同精神失常一样出现怪异表现，对于高速奔跑的钢铁机械来说，后果可能是致命的。

幻觉、黑盒与长尾

据《法制日报》5月份的一个报道：上海车主张先生驾驶某新能源汽车途经积水路段时，车载系统突然警示“行人横穿马路”并紧急刹停，但实际路面空无一人。车企事后承认，这是视觉算法受雨水干扰引发的误判。

另据《中国汽车报》报道，今年3月3日，美国亚利桑那州，一辆特斯拉Model Y在十字路口将一名横穿马路的行人误判为“静止障碍物”，导致行人当场丧生。

这就是智驾的第一大缺陷：“幻觉”。

智驾的“幻觉”五花八门，比较多见的是“幽灵刹车”，很多品牌车型都曝出毫无征兆乱刹车的问题。此外，还有把广告牌当红灯的、有把交通锥桶当行人的、有好端端地就突然扑向路中间绿化带的、有突然和车主争抢方向盘的、有突然急加速一往无前的……

人类搞不清楚智驾系统为什么会出现“幻觉”，不明白它到底“看到了什么”，当时是“咋想的”，为什么会有令人费解的怪异动作。

这就涉及智驾第二个特别棘手的问题：黑盒。

智驾的“大脑”是AI，AI的核心是人工神经网络，而目前流行的神经网络架构，都是“黑盒”。黑盒这个叫法很直白，意思是这些模型都是“暗箱操作”，不管输出的结果是对是错，人类只能被动接受。

近期影响最大的一起智驾车祸，是小米SU7夜间撞上高速公路施工路段的隔离桩，三个年轻人失去生命。这起车祸的起因，除传感器问题外，很可能和智驾模型对某些场景的训练数据不足有关。

通俗点说，就是智驾系统碰到不熟悉的场景时，有可能不知所措，或者乱做主张。

在小米SU7这起车祸中，夜间+施工+路障封闭自车道+改道至逆向车道……这些因素组合起来，就是让智驾发懵的罕见场景。现实世界如此复杂，智驾系统注定要面对没完没了的不熟悉场景，这就是智驾面临的第三个大障碍：“长尾问题”。

Transformer让“端到端”爆红

2023年8月，马斯克在一场直播中演示了特斯拉的“端到端”自动驾驶能力（FSD Beta V12），惊艳一时。

随后，行业群起仿效，“端到端”陡然风靡，成自动驾驶主流技术路线。

特斯拉的“端到端”，一端是摄像头，另一端是方向盘和油门刹车。摄像头感知到的数据，通过一个深度神经网络的处理，直接转化成控制汽车行动的指令。

在此之前，自动驾驶的算法是模块化架构，感知、预测、决策、执行几个模块各司其职。

模块化架构主要是“规则驱动”，工程师要编写几十万行代码，告诉汽车在什么情况下应该什么办。

而端到端架构是“数据驱动”，能从人类的驾驶行为数据中找到规律，自己“学习”怎么开车。

端到端自动驾驶的根基，是2017年问世的一种新型神经网络架构Transformer。

Transformer的首次爆红，是用在一款叫ChatGPT的聊天机器人上，它貌似能解答万物，而且反应极快、巧舌如簧。随后，一批语言、视频生成的模型雨后春笋一般冒出，Transformer模型还能写代码、分析数据、炒股、看CT片、分析蛋白质结构……看上去多才多艺，前途无量。

神经网络，一听就是在模拟人脑，它是AI最重要、最主流的方向。神经网络是受人类大脑构造和运行方式的启发，设计出的一种数学模型，比如CNN（卷积神经网络）是从大脑处理视觉的机制中获得灵感，RNN（循环神经网络）则模仿了大脑语言和记忆处理机制。

在Transformer之前，CNN和RNN是最重要的两种神经网络，也是汽车自动驾驶最依赖的两种模型，Transformer一出，它们就黯然失色了。

Transformer自然不是几句话能说清，简单来说，它最大的本事就是能统揽全局，不像CNN主要擅长处理图像、RNN专注于处理序列，而Transformer则是多面手，同时能干很多活儿还有条不紊。

自动驾驶能做到“端到端”，就是因为有了Transformer，你把摄像头、毫米波雷达、激光雷达感知到的数据一古脑喂给它，它就能指挥车子行动自如。

神经网络的先天缺陷

人脑何其复杂，何其神秘，人类对自己大脑的运作机制不过是略知皮毛。通过神经科学的研究，人们知道了大脑的基本单位是神经元，近1000亿个神经元通过突触连接成庞大的网络，彼此之间用电脉冲和化学信号来传递信息。

神经元构成不同的网络，可以应对视觉、听觉、运动和抽象思考等各种任务。人工神经网络，是模仿大脑神经元工作机制的数学模型，但囿于对大脑的粗浅了解和数学模型本身的局限，这些模型的能力仍有诸多缺憾。

人工神经网络已经可以像人一样“学习”，基于Transformer的端到端自动驾驶模型，能从人类的驾驶方式中找到“经验”。比如，人类开车遇到前边有个人就减速停车，模型学习了若干个这样的例子，就知道“遇见人要停”。

这就是所谓“数据驱动”，喂给它的数据越多、数据质量越高，它学到的本事越大。这也就是大佬们挂在嘴边的“越开越好开”。

但问题也跟着来了，对于没学习过的场景，它会不知所措。

自动驾驶面临一个特别棘手的麻烦，那就是如何应对“长尾问题”。如上所说，所谓长尾问题，就是现实世界中没完没了的罕见场景。

人开车，也会遇到“长尾问题”。比如你开车跟着一辆货车跑，货车上突然掉下来个一个箱子，这种事儿很少见，就是个“长尾问题”。碰上这种状况，人想都不用想就知道刹车避让，但“智驾”如果在数据训练时没见过这场面，可能就没头没脑地撞上去了。

人类对世界是有常识和理解的，也懂得事物之间的因果。神经网络只是一种数学模型，听上去很是高深，实际上在很多方面跟白痴无异。

究其本质，神经网络的“学习”是在数据中找到统计意义上的相关性，从而总结出模式。它学习到车见了人不能撞，却不懂为什么不能撞；它见了红灯也知道停车，但不理解为什么这个地方要有个红灯。

说穿了，这些数学模型对物理世界的常识一无知，也理解不了什么是因果关系。车上掉下个箱子，人虽然貌似不假思索，但根据常识就知道这东西最好别撞，也明白撞上去会有什么后果，但面对此情此景，模型的“大脑”可能一片空白。

长尾问题对于智驾是个特别大的麻烦，神经网络无法基于常识去推演，面对陌生场景的随机应变能力极差。

靠“数据驱动”的神经网络还有个毛病，就是不懂装懂，后果就是出现“幻觉”。

为什么会不懂装懂？因为它只能模仿而不能真正思考，而且它真的对这个世界毫无常识，用古话说，就是知其然而不知其所以然。

特斯拉的智驾曾经把天上的月亮识别成黄灯，很自觉地减速慢行。这让人觉得啼笑皆非，但在神经网络眼里，“圆的+发亮的+黄色的+悬空的”，这么一个东西，它就应该是个黄灯。

现在的神经网络模型，还有一个很不好的毛病，就是办事不透明，是不可解释的“黑盒”。

神经网络的内部计算过程极其复杂，且难以用人类可理解的方式解释，因此我们往往只能看到输入和输出，而无法清晰地理解中间“发生了什么”。

“规则驱动”的模型，出了问题能顺藤摸瓜找到病根；“端到端模型”出了问题，人类只能干瞪眼，根本搞不懂错在哪里。

智驾有时候会突然发神经。比如，有报道说，某品牌电动汽车开启智驾在高速公路上跑，以120公里的时速超过右侧一辆大货车后，突然急刹，差点导致后方车追尾。

碰上这种情况，人们无法知道智驾系统为什么会紧急制动，就算因此出了车祸，也无法搞清楚原因，更无法区分是谁的责任。

下一代神经网络靠谱吗？

幻觉、长尾和黑盒，神经网络目前有这三大难题悬而未决。

你和ChatGPT或豆包聊天，它们偶尔会一本正经地胡诌。听到几句荒唐的话可以付之一笑，但智驾让高速行驶的汽车突然发狂，人还笑得出来吗？

神经网络引发的智驾神经病，还要靠改进神经网络来治。

长尾问题实际上是无穷无尽的，雨雪雾等天气情况+路面上的车祸现场、掉落物、塌陷、施工、动物出现等等+强行变道、强超强会、不规范使用灯光、行人和电动车鬼探头等等……在现实世界中，这些意外状况的随机组合有无数种，不论给智驾大模型喂多少数据，总会有学不到的corner case（又称难例或边缘状况）。

光靠车子在路上收集现实中数据，corner case猴年马月也学不完。于是就有厂商干脆开发所谓“世界模型”，用仿真的手段模拟出各种状况，让大模型在虚拟世界中训练。

好处是可以生成现实中很少出现的corner case，加快训练速度，但虚拟的究竟是虚拟的，训练好的模型放到真实环境中不一定好使。再说，就算虚拟能力再强，总会有虚拟不到的场景。

至于幻觉和黑盒问题，现有的这些神经网络肯定是没指望解决了，业界都把希望寄托在下一代神经网络技术上。

目前有厂商在尝试VLA，也就是“视觉语言行动模型”，大概意思就是让语言模型去解释视觉和行动模型。比如现在的智驾中，汽车减速刹车不会给出说法，用上VLA后，模型会解释一下：前方有行人，所以制动减速。

这貌似能改善黑盒问题，但实际上作用可能很有限。因为语言只能给出表面化的解释，模型的黑盒本质无法改变。

理想汽车正在VLA上使劲，李想说，VLA走的是一个技术上的无人区，结果无法预测。

目前业内认为比较靠谱的下一代神经网络，是“神经+符号”，用神经网络把感知到的东西转化成可以解释的符号，再由符号人工智能（基于规则和逻辑）去进行推理和规划。

神经符号系统的内部运作是有迹可循的，有望解决大模型的黑盒问题。但实现“神经+符号”的有机结合不是说说那么简单，这种思路目前还处于原型验证的实验阶段，至于什么时候能用到自动驾驶上，不好说。

实话实说，现在的智驾离真正的自动驾驶貌似只有一步之遥，但这一步能不能迈过去、什么时候能迈过去，谁也不好说；而且，就算做为驾驶辅助，智驾的问题也有很多，远远做不到某大佬说的“想撞车都难”。

广汽埃安的一位高管最近说过良心话，他说热爱智驾的都是热血青年，不能让他们去当小白鼠，“不然的话，不管是做人还是做企业，我认为都是不讲良心的”。

言下之意是：珍爱生命，慎用智驾。

中核科技成功召开2025年半年度业绩说明会2025年9月5日，中核科技成功举办了2025年半年度业绩说明会。公司副总经理（主持工作）龙云飞、总会计师兼董事会秘书匡小兰出席会议，与来自中金公司、华福证券、中投国际、招商证券、方正证券等多家知名投资机构的分析师及投资经理展开了深入的交流