体验 L4 Robotaxi：真正让人安心的，是它面对复杂场景的应变能力

今天，我在真实开放道路环境中，体验了由 奇瑞 推进的「未来专线计划」L4 Robotaxi 试乘活动，试验车型为 星纪元ET。

相比“自动驾驶能不能跑”，我更关心的是：当道路环境变得复杂、不可预测时，这套系统是否具备足够成熟的应变能力。

从技术架构上看，这次体验的 L4 系统并非单独为展示而搭建，而是采用了端到端 + VLM（视觉语言模型）的大模型技术路线，并且与量产 L2 系统同算法、同架构、同数据体系。这意味着系统并不是靠规则堆叠完成决策，而是通过对道路环境的整体理解来生成驾驶行为，这也是我重点关注的技术前提。

在实际试乘中，车辆在多种典型复杂场景下的表现，都体现出较高的一致性。例如在前方车辆突然减速、侧向存在非机动车靠近的复合场景中，系统并没有出现频繁修正或“急刹—再犹豫”的情况，而是提前完成速度管理，制动介入干净、力度线性，整体减速度控制在一个乘客体感非常友好的区间。

这种表现，背后离不开完整的安全冗余体系支撑。据现场技术信息显示，该系统在感知、计算、通信、供电、制动与转向六大关键环节均设置了冗余方案。其中，车辆搭载了全球首个量产上车的 EMB 冗余制动系统，在极端情况下可实现更快的制动响应和更高的控制可靠性，这是传统线控制动难以比拟的工程优势。

同时，整车平台已通过整车级功能安全产品认证，而非仅对单一控制模块进行安全验证。我认为，这种“从整车层面定义安全”的思路，是 L4 系统能否真正进入规模化运营的关键前提。

在体验过程中，系统面对行人横穿、非规则加塞等情况时，决策逻辑明显偏向保守但不僵硬。车辆会优先确保安全边界，再逐步恢复通行效率，而不是追求极限通过。这种风格并不追求“看起来很聪明”，但非常符合真实运营场景中对稳定性和可预期性的要求。

从量化指标来看，该系统在研发阶段即按照高于普通驾驶员十倍以上的安全标准进行打磨，平均事故里程间隔目标超过10 万公里。在我看来，这一指标本身比任何主观描述都更有说服力，它代表的是系统在大量真实数据训练下的长期稳定表现，而不是单次演示效果。

此外，这套 L4 系统在硬件和算力层面预留了统一计算单元向上兼容的升级能力，支持整车生命周期内的算力扩展与算法迭代。这也解释了为什么其 L2 与 L4 能实现高度复用——无论是传感器配置还是数据体系，都在一开始就按照更高阶目标进行设计。

体验结束后，我给出的评价相当克制但明确：
这套系统最值得肯定的，并不是它完成了多少高难度动作，而是在复杂、不完美的真实道路环境中，始终保持稳定、可预期的应变逻辑。

对于 L4 Robotaxi 来说，真正的分水岭并不在“能不能跑”，而在于能不能长期、规模化、安全地跑。从这次试乘来看，这套系统已经明显具备了从技术验证阶段，向实际运营阶段过渡的工程基础。