「若不是親眼所見，你永遠不知道前方為什麼會堵車。」
最近網絡上流傳着不少無人配送車的視頻，內容大致是無人車在路上的笨拙表現，每次都能引起駕駛員的討論。
之所以引發討論，是因為無人車的規模已經大到難以忽視。
數據顯示，截至2025年上半年,全國已有103個城市開放無人配送車輛路權,覆蓋超過80%的主要物流節點城市;全國無人配送車保有量突破6000台,較2024年增長超50%。
不過，當無人配送車大規模開上街頭，人們發現：並沒有迎來預想中的流暢物流，反而遭遇了步履蹣跚的「移動路障」。
更讓人疑惑的是，一邊是新石器CEO口中「4600萬像素、視覺為主」的硬核技術參數；另一邊卻是現實道路上「不敢走、走不快、隨時停」的笨拙表現。
巨大的反差背後，究竟出了什麼問題？
街頭巷尾的「移動路障」
近五年來，無人配送車逐步走向商業化運營。
2018年後，新石器和九識先後成立，並推出各自的無人車，主要覆蓋辦公園區、CBD、校園與封閉社區等場景，承擔快遞配送、生鮮即配等任務。
據東吳證券數據顯示，截至2025年,這兩家企業合計佔據國內約80%的市場份額,如今它們的車輛頻繁出現在多地街頭，成為不少區域日常物流的一部分。
不過，相比「城市落地」「算法疊代」「路權突破」這些宏大敘事，人們最先看到的，是它們製造的各種「路障時刻」。
在社交媒體上，不少網友拍到在城市馬路正中無車配送車出現暫停、逆行、緩行的畫面，後方車輛被迫堵車或全程「龜速」跟隨，司機只能幹着急。
來源：抖音
實際上，這並非個例，此前無人配送車已經多次因「堵路」登上熱搜。
比如2024年1月8日，媒體報道稱無人駕駛快遞車頻繁急剎成「移動路障」，合肥經信局也表明已收到多次相關投訴。
2025年6月9日，又有兩輛印有韻達、申通及「九識無人車」標識的配送車在道路上「僵持對峙」，現場交通一度受阻。
2025年6月12日，證券時報發文指出，九識無人車近期在陝西發生多次交通事故。主要聚集在與路邊車輛發生追尾，和拖行電動車行駛。
類似的爭議場景還在不斷出現。
近一月，有社區居民反映，晚高峰時無人車不僅逆行，還「堵」在車道里，遠程接管遲遲沒有響應；也有通勤者吐槽，早高峰的圓通無人車不按交規行駛，經常壓線佔兩個車道、甚至借道逆行，造成明顯阻礙。
原本被寄望於提升末端物流效率的無人車，卻成為了會移動的路障。
那麼，究竟為什麼會這樣，距離不是路障還有多遠？
為何會被稱「路障」？
答案是，真實路況的難度，被嚴重低估了。
從實驗場走向城市道路，難度不是線性增加，而是指數級的爆發。
在實驗室里，障礙物有限且可控；而在街頭，無人車面對的是無規律穿行的行人、逆行的電動車、突然竄出的寵物、佔道的臨時攤位，甚至是在路邊玩耍的孩童。
對於人類駕駛員來說，靠經驗一個眼神就能判斷出「怎麼走」，但對機械人來說，這屬於高度非結構化環境。
為了安全，系統當下的唯一解法就是——「慫」：遇到人停；遇到車停；遇到不認識的東西停。
畢竟，停頂多被人們罵幾句，而撞車的後果嚴重的多，會直接產生信任危機，同時還可能面臨高額賠償。
結果就是：不敢走、慢慢走、走一下停一下。
這種「謹小慎微」的算法策略，落實到現實場景，就變成了與城市節奏格格不入的低速蠕行。
全國汽標委智能網聯汽車分技術委員會數據顯示，無人配送車設計最大速度一般不大於60km/h，現階段運營車速一般在5—25km/h。
而中國司機開車速度遠高於無人車。
據高德地圖《2024中國主要城市交通分析報告》數據，多個主要城市高峰平均車速在30km/h以上。
也就是說，即便是在寸步難行的晚高峰，人類司機的速度依然遠高於無人車。
最根本的原因在於技術和成本的雙重受限。
在激烈的行業競爭下，無人配送車的硬件價格被不斷壓低，部分車型成本已壓縮至一兩萬元區間。
為了應對成本壓力，主流廠商不約而同地走上了「降配」之路。九識和新石器都在不斷減少高精度激光雷達的用量，轉向「視覺為主、激光雷達為輔」的技術方案。
新石器CEO余恩源表明：「我們一直遵循『視覺為主，激光雷達為輔』的技術路線，正在努力減少激光雷達在整個感知系統里的作用。」
之所以如此，余恩源解釋道「這符合大規模商業化的需求」。
激光雷達一直是整車硬件的成本核心，其單價遠高於攝像頭。以美團發佈的「魔袋20」為例，該車搭載3顆激光雷達、19個攝像頭、2個毫米波雷達和9個超聲波雷達，整車成本約在40萬元左右。相比之下，新石器X6僅配備1顆激光雷達與數個攝像頭，硬件成本大幅降至約6.05萬元。
雷達數目的降低，顯著降低了造車成本，但也迎來了自己的困境。
所謂的「視覺為主」，本質上是在模仿人眼，靠AI去「猜」和「算」距離；而激光雷達則是模仿蝙蝠，發出的光束是實打實地「測」距離。
既然是「猜」和「算」，結果自然是概率性的，一旦算力出現微小的延遲，或者環境光線一變，AI的「自信心」就會下降。
為了安全，車會選擇立即剎停。
這種技術選擇，直接導致了無人車在複雜路況下的雙重無能：感知上，它對突發障礙物的判斷不夠篤定；決策上，它缺乏人類的博弈邏輯，不懂何時該「擠」、何時該「讓」。
看不准加上不敢動，結果就是無人車頻繁減速或停車，甚至在路中「假死」，在城市道路上自然形成「移動路障」。
距離擺脫「路障」，還有多遠？
擺脫「移動路障」並不是一次性突破，而是一段多維度的演化。
如果說，不是路障的定義是：在道路上保持穩定節奏、不頻繁停滯，並在基本交通協同中做出合理反應。
那麼，無人車還有較遠的距離。
首先，感知需要從「看到」轉向「看懂」。
無人配送車今天最大的瓶頸不是看不見，而是看不懂。
識別出是人物不難，但預測人物接下來的動作卻有難度。
比如路人是停止還是要繼續前行。
目前的算法大多停留在「靜態識別」，缺乏對「動態意圖」的預測能力。要解決這個問題，企業需要海量的極端場景（Corner Case）數據，訓練AI從識別像素走向理解邏輯。
在此之前，為了掩蓋「不懂」，車輛只能選擇「不動」。
同時，在推動技術發展的過程中，廠商絕不能以「減配」來追求銷量。必要的傳感器、攝像頭和計算晶片是安全的基石。在算法尚未完全「讀懂」世界之前，可靠的硬件是保障安全不可或缺的冗餘。
其次，決策需要從「死板」轉向「博弈」。
資料圖
人類司機的順暢駕駛，建立在無數次微小的違規和博弈之上：壓線借道、甚至稍微逼一下對方以獲得路權。
但無人車的代碼里只有「是非」，沒有「分寸」。
要不再做路障，決策算法必須從刻板的「規則驅動」轉向靈活的「博弈驅動」。它必須學會像老司機一樣「談判」，懂得在安全範圍內適度激進，而不是機械地執行「遇阻即停」。
最後，權責需要從「避險」轉向「確權」。
技術可以激進，但法律和倫理不行。
法制日報報道，工信部、公安部、交通運輸部等多部門持續推進道路交通安全法修訂，擬增設自動駕駛專章，明確責任劃分、准入與事故處置，該修訂已進入立法審議議程，成為行業共識。
但目前，中國尚未出台專門針對無人配送車事故責任的全國性統一法律。現有的責任認定主要依賴《道路交通安全法》等既有法規，並參考各地方推出的測試與商業示範管理辦法。
在權責界定模糊的當下，每一次事故的社會輿論成本和財務賠償，都是企業不可承受之重。
只要「出事算誰的」這個問題沒有明確的法律兜底，工程師寫下的每一行代碼，就必然帶着恐懼。
只要這種恐懼存在，無人車的策略就永遠是「慫」字當頭。
所以，無人車要摘掉「路障」的帽子，不僅需要更聰明的AI、更低成本的雷達、更需要一個完善的立法體系，以及一個能容忍它在探索中「稍微犯點錯」的社會環境。
在此之前，我們恐怕還要忍受它們在路上「慢慢吞吞」很長一段時間。
小結
「移動路障」不僅是當下的尷尬標籤，更是快速商業化試圖征服複雜路況時必然付出的代價。
在AI真正學會像老司機一樣博弈、法律敢為機器兜底之前，現在的「慢」與「慫」，是通往未來必繳的學費。
但代價不該是公眾無限承擔的通勤效率與安全風險。當企業在資本驅動下狂奔，這份試錯賬單似乎正被悄然轉嫁給每一位中國駕駛員。
