加州车辆管理局公布的数据显示,特斯拉自动驾驶系统连续六年官方路测里程记录为零。然而据多位业内人士透露,这家电动汽车制造商正通过一种非传统方式开展大规模测试——利用数百万车主的日常行驶,以"影子模式"持续采集真实道路数据； 这种测试模式的运作机制颇为独特。当车主使用自动辅助驾驶功能时,车载系统会自动记录各类驾驶场景和决策数据,并通过远程升级技术将信息回传至数据中心。据了解,仅2025年该公司通过此方式收集的行驶数据就超过30亿英里,数据规模远超传统路测企业多年积累的总和。 从技术层面看,这种模式确实表现出显著的效率优势。传统自动驾驶测试需要配备专业测试车辆和安全员,每英里测试成本高达数十美元。而通过车主日常使用采集数据,企业几乎无需额外投入,数据获取的边际成本接近于零。这种规模化的数据积累,为算法优化提供了丰富的真实场景样本。 然而,这种创新模式也暴露出诸多问题。首先是监管合规性存疑。现行法规要求自动驾驶测试需事先向监管部门报备测试路线、时段及安全预案。而"影子测试"既无固定路线,也缺乏传统意义上的安全监督机制,游离于现有监管框架之外。其次是数据质量难以保证。来自普通车主的数据存大量干扰因素,需要投入大量算力进行筛选和清洗。此外,日常通勤场景为主的数据采集,难以覆盖极端天气、复杂路况等关键测试场景,导致系统在特定环境下表现不稳定。 更为关键的是安全责任认定困境。当系统判断失误引发事故时,究竟应由车主承担操作责任,还是企业承担技术缺陷责任,在法律层面始终模糊不清。这种责任主体的不确定性,给消费者权益保护和司法实践带来挑战。 这场测试模式的变革正在引发行业分化。部分传统车企开始效仿这种数据采集方式,试图在技术竞赛中缩小差距。但也有企业坚持认为,缺乏严格质量控制的数据可能带来更大风险,主张继续采用传统测试方法。 监管层面的应对也在加速推进。加州立法机构已成立专门工作组,研究是否将"影子测试"纳入监管范畴,以及如何在鼓励技术创新与保障公共安全之间寻求平衡。业内人士指出,新的监管框架需要在数据采集规范、质量标准、安全责任划分各上作出明确规定。 从产业发展角度看,这场争议折射出自动驾驶技术推进过程中创新与规范的深层矛盾。一方面,海量真实数据对于算法优化至关重要,限制过严可能阻碍技术进步;另一方面,公共道路安全关系千家万户,任何测试都不应以牺牲安全为代价。如何在两者之间找到恰当的平衡点,考验着监管者的智慧。
"影子测试"现象向全球监管体系提出了关键问题：如何在保障公共安全的同时，为技术创新留出空间？寻找这个平衡点的过程，或将重塑未来智慧交通的发展路径。正如专家所言，真正的技术革新不仅是算法的突破，更需要制度、伦理与社会共识的共同进步。