在自动驾驶发展的早期，“可行性”几乎是唯一的行业主题。人们热衷于讨论算力、模型能力与路测里程，试图用一组不断增长的数字，逼近一个尚未完全抵达的未来。
但当L4级自动驾驶逐步从封闭测试走向开道路，行业发展的关键变量正在悄然发生变化。
什么样的自动驾驶公司才能拿到“长跑入场券”？
这或许可以从滴滴联合创始人、滴滴自动驾驶公司CEO张博近日的一场公开讲话中一窥答案。
4月1日，张博在智能电动汽车发展高层论坛上发表了题为《AI时代自动驾驶的前景与探索》的演讲。
我们试着用三句话归纳这场发言的核心信息：安全是自动驾驶获取政策和法律准入的门槛，体验是留住用户的商业粘性，而混合出行则是解决L4级技术无法实现全场景覆盖的重要路径。
硬件和AI是躯干，真正决定自动驾驶在中国和全球化落地成败的是本地化运营的安全体系与服务细节。
安全的规模化交付能力才是底线
在张博不到5分钟的发言中，“安全”被提及14次，是整个演讲中的高频词之一。为何张博反复强调“安全”？
与大多数互联网产品不同，自动驾驶直接作用于物理世界，承载的是人的生命与公共交通秩序。它的上线不取决于用户增长或商业模型是否成立，而首先取决于监管与社会是否认可其风险边界。
从这个意义上讲，安全不是结果指标，而是一种“准入能力”。没有被验证、被信任的安全体系，再先进的算法也难以进入真实道。
全球每年因交通事故死亡约135万人。张博认为，随着技术的进展，这个数字会大幅下降。“在十年前这是一个预测，此时此刻已经成为现实，自动驾驶技术已经被验证比人类驾驶员更安全。”
在滴滴自动驾驶与广汽联合研发新一代RobOTAxi车型上，自动驾驶系统设计了三层安全冗余。
第一层算法冗余，专门用于判断车辆跟周边的交通参与者是否有可能发生碰撞，有风险就会急刹车或者打方向盘规避碰撞。第二层是软件冗余，如果自动驾驶的软件出现故障，会有一套系统帮助乘客安全地停到可靠位置。第三层是硬件冗余，如果自动驾驶的系统硬件出现了问题，会有独立的一套系统实现安全停车。
安全决定了自动驾驶能否实现规模化。单次或小范围的成功，并不能说明系统具备大规模运行的能力，只有当系统在不同天气、路况和交通参与者条件下都能保持稳定表现，自动驾驶才可能从示范区走向更广泛的城市网络。
这也是为啥张博强调工程化的安全能力：通过算法、软件与硬件的多层冗余，将偶发风险转化为可控问题，使系统在极端情况下仍能给出确定性的响应。
滴滴的混合出行成为一种更具可行性的路径。其核心逻辑并不复杂：滴滴将自动驾驶车辆嵌入既有出行体系，与人驾驶网络协同提供更好的服务，而不是单纯用前者替代后者。
在具体运行中，系统可以根据道路条件、实时供需和车辆能力进行动态派单，在适合自动驾驶的场景中调用RobOTAxi，其他则由人类驾驶员完成。这种模式的关键，不在于最大化自动驾驶的使用比例，而在于保证整体网络的稳定性与连续性。
这一思路在广州的实践中已有体现。用户在平台上发起订单后，并不会主动区分是否由自动驾驶车辆接单，而是由调度系统在后台完成匹配。自动驾驶车辆成为供给的一部分，而非唯一选项。
对于用户而言，体验的核心并非“是否无人驾驶”，而是“是否能被及时、稳定地服务”。这将自动驾驶能力嵌入既有网络的方式，可以在不打断原有服务结构的前提下逐步扩展。
自动驾驶的出海并非简单的技术复制，而是要在不同国家的交通规则、基础设施和用户习惯中建立一套可运行的系统。滴滴在14个国家的出行服务经验，使其在进入新市场时，已经具备一定的本地化能力。这种基础并不体现在算法或硬件上，而体现在对供需关系、调度逻辑以及用户行为的理解上。
从行业路径来看，自动驾驶已成为全球科技竞争焦点。张博透露，滴滴今年也会把自动驾驶推广到海外，部署RobOTAxi出行服务。
特斯拉强调单车智能，通过统一的技术方案在全球范围内推广；英伟达则提供底层算力与软件，服务于整车厂与开发者。相比之下，滴滴自动驾驶探索的这条路径，是基于海量的全球化出行场景，以混合出行网络的业态，去推动自动驾驶AI技术的进步和汽车形态的变化。
出海不是代码的平移，而是安全标准、运营经验与社会责任感的整体性输出：安全体系需要符合不同市场的监管要求，服务流程需要适配当地用户习惯，运营策略需要根据供需结构进行调整。
这些要素共同构成了“负责任的创新”：不仅关注技术是否可行，也关注其在具体社会环境中的运行方式。
自动驾驶的难点，或许从来不在于让机器学会开车，而在于让一套新系统在复杂世界中持续运转。而当技术逐渐趋同后，真正拉开差距的，往往是那些不易被量化的能力：如何处理不确定性、如何理解人，以及如何在效率与安全之间保持克制。
所谓“负责任的创新”，正是对这种边界的长期经营。
