中国“移动路障”时代来临！触发集体“焦虑”？

数据显示，截至2025年上半年,全国已有103个城市开放无人配送车辆路权,覆盖超过80%的主要物流节点城市;全国无人配送车保有量突破6000台,较2024年增长超50%。

不过，当无人配送车大规模开上街头，人们发现：并没有迎来预想中的流畅物流，反而遭遇了步履蹒跚的“移动路障”。

更让人疑惑的是，一边是新石器CEO口中“4600万像素、视觉为主”的硬核技术参数；另一边却是现实道路上“不敢走、走不快、随时停”的笨拙表现。

巨大的反差背后，究竟出了什么问题？

街头巷尾的“移动路障”

近五年来，无人配送车逐步走向商业化运营。 

2018年后，新石器和九识先后成立，并推出各自的无人车，主要覆盖办公园区、CBD、校园与封闭社区等场景，承担快递配送、生鲜即配等任务。

据东吴证券数据显示，截至2025年,这两家企业合计占据国内约80%的市场份额,如今它们的车辆频繁出现在多地街头，成为不少区域日常物流的一部分。

不过，相比“城市落地”“算法迭代”“路权突破”这些宏大叙事，人们最先看到的，是它们制造的各种“路障时刻”。

在社交媒体上，不少网友拍到在城市马路正中无车配送车出现暂停、逆行、缓行的画面，后方车辆被迫堵车或全程“龟速”跟随，司机只能干着急。

来源：抖音

实际上，这并非个例，此前无人配送车已经多次因“堵路”登上热搜。

比如2024年1月8日，媒体报道称无人驾驶快递车频繁急刹成“移动路障”，合肥经信局也表明已收到多次相关投诉。

2025年6月9日，又有两辆印有韵达、申通及“九识无人车”标识的配送车在道路上“僵持对峙”，现场交通一度受阻。

2025年6月12日，证券时报发文指出，九识无人车近期在陕西发生多次交通事故。主要聚集在与路边车辆发生追尾，和拖行电动车行驶。

类似的争议场景还在不断出现。

近一月，有社区居民反映，晚高峰时无人车不仅逆行，还“堵”在车道里，远程接管迟迟没有响应；也有通勤者吐槽，早高峰的圆通无人车不按交规行驶，经常压线占两个车道、甚至借道逆行，造成明显阻碍。

原本被寄望于提升末端物流效率的无人车，却成为了会移动的路障。

那么，究竟为什么会这样，距离不是路障还有多远？

为何会被称“路障”？

答案是，真实路况的难度，被严重低估了。

从实验场走向城市道路，难度不是线性增加，而是指数级的爆发。

在实验室里，障碍物有限且可控；而在街头，无人车面对的是无规律穿行的行人、逆行的电动车、突然窜出的宠物、占道的临时摊位，甚至是在路边玩耍的孩童。

对于人类驾驶员来说，靠经验一个眼神就能判断出“怎么走”，但对机器人来说，这属于高度非结构化环境。

为了安全，系统当下的唯一解法就是——“怂”：遇到人停；遇到车停；遇到不认识的东西停。

毕竟，停顶多被人们骂几句，而撞车的后果严重的多，会直接产生信任危机，同时还可能面临高额赔偿。

结果就是：不敢走、慢慢走、走一下停一下。

这种“谨小慎微”的算法策略，落实到现实场景，就变成了与城市节奏格格不入的低速蠕行。

全国汽标委智能网联汽车分技术委员会数据显示，无人配送车设计最大速度一般不大于60km/h，现阶段运营车速一般在 5—25km/h。

而中国司机开车速度远高于无人车。

据高德地图《2024中国主要城市交通分析报告》数据，多个主要城市高峰平均车速在30km/h以上。

也就是说，即便是在寸步难行的晚高峰，人类司机的速度依然远高于无人车。

最根本的原因在于技术和成本的双重受限。

在激烈的行业竞争下，无人配送车的硬件价格被不断压低，部分车型成本已压缩至一两万元区间。

为了应对成本压力，主流厂商不约而同地走上了“降配”之路。九识和新石器都在不断减少高精度激光雷达的用量，转向“视觉为主、激光雷达为辅”的技术方案。

新石器CEO余恩源表明：“我们一直遵循‘视觉为主，激光雷达为辅’的技术路线，正在努力减少激光雷达在整个感知系统里的作用。”

之所以如此，余恩源解释道“这符合大规模商业化的需求”。

激光雷达一直是整车硬件的成本核心，其单价远高于摄像头。以美团发布的“魔袋20”为例，该车搭载3颗激光雷达、19个摄像头、2个毫米波雷达和9个超声波雷达，整车成本约在40万元左右。相比之下，新石器X6仅配备1颗激光雷达与数个摄像头，硬件成本大幅降至约6.05万元。

雷达数目的降低，显著降低了造车成本，但也迎来了自己的困境。

所谓的“视觉为主”，本质上是在模仿人眼，靠AI去“猜”和“算”距离；而激光雷达则是模仿蝙蝠，发出的光束是实打实地“测”距离。

既然是“猜”和“算”，结果自然是概率性的，一旦算力出现微小的延迟，或者环境光线一变，AI的“自信心”就会下降。

为了安全，车会选择立即刹停。

这种技术选择，直接导致了无人车在复杂路况下的双重无能：感知上，它对突发障碍物的判断不够笃定；决策上，它缺乏人类的博弈逻辑，不懂何时该“挤”、何时该“让”。

看不准加上不敢动，结果就是无人车频繁减速或停车，甚至在路中“假死”，在城市道路上自然形成“移动路障”。

距离摆脱“路障”，还有多远？

摆脱“移动路障”并不是一次性突破，而是一段多维度的演化。

如果说，不是路障的定义是：在道路上保持稳定节奏、不频繁停滞，并在基本交通协同中做出合理反应。

那么，无人车还有较远的距离。

首先，感知需要从“看到”转向“看懂”。

无人配送车今天最大的瓶颈不是看不见，而是看不懂。

识别出是人物不难，但预测人物接下来的动作却有难度。

比如路人是停止还是要继续前行。

目前的算法大多停留在“静态识别”，缺乏对“动态意图”的预测能力。要解决这个问题，企业需要海量的极端场景（Corner Case）数据，训练AI从识别像素走向理解逻辑。

在此之前，为了掩盖“不懂”，车辆只能选择“不动”。

同时，在推动技术发展的过程中，厂商绝不能以“减配”来追求销量。必要的传感器、摄像头和计算芯片是安全的基石。在算法尚未完全“读懂”世界之前，可靠的硬件是保障安全不可或缺的冗余。

其次，决策需要从“死板”转向“博弈”。

资料图

人类司机的顺畅驾驶，建立在无数次微小的违规和博弈之上：压线借道、甚至稍微逼一下对方以获得路权。

但无人车的代码里只有“是非”，没有“分寸”。

要不再做路障，决策算法必须从刻板的“规则驱动”转向灵活的“博弈驱动”。它必须学会像老司机一样“谈判”，懂得在安全范围内适度激进，而不是机械地执行“遇阻即停”。

最后，权责需要从“避险”转向“确权”。

技术可以激进，但法律和伦理不行。

法制日报报道，工信部、公安部、交通运输部等多部门持续推进道路交通安全法修订，拟增设自动驾驶专章，明确责任划分、准入与事故处置，该修订已进入立法审议议程，成为行业共识。

但目前，中国尚未出台专门针对无人配送车事故责任的全国性统一法律。现有的责任认定主要依赖《道路交通安全法》等既有法规，并参考各地方推出的测试与商业示范管理办法。

在权责界定模糊的当下，每一次事故的社会舆论成本和财务赔偿，都是企业不可承受之重。

只要“出事算谁的”这个问题没有明确的法律兜底，工程师写下的每一行代码，就必然带着恐惧。

只要这种恐惧存在，无人车的策略就永远是“怂”字当头。

所以，无人车要摘掉“路障”的帽子，不仅需要更聪明的AI、更低成本的雷达、更需要一个完善的立法体系，以及一个能容忍它在探索中“稍微犯点错”的社会环境。

在此之前，我们恐怕还要忍受它们在路上“慢慢吞吞”很长一段时间。

小结

“移动路障”不仅是当下的尴尬标签，更是快速商业化试图征服复杂路况时必然付出的代价。

在AI真正学会像老司机一样博弈、法律敢为机器兜底之前，现在的“慢”与“怂”，是通往未来必缴的学费。

但代价不该是公众无限承担的通勤效率与安全风险。当企业在资本驱动下狂奔，这份试错账单似乎正被悄然转嫁给每一位中国驾驶员。