4月的奧斯汀，一只在Mueller湖公園孵蛋的母鴨，成了自動駕駛行業(yè)最新的"系統(tǒng)盲區(qū)"標本。Avride的測試車碾過去的時候，車速沒降，輪子沒偏，車里那個雙手離盤的安全員也沒喊停。

居民Lewis Pierce在Facebook群里發(fā)了帖，說這車"直接碾過去，沒減速沒猶豫"。他還補了一句：出事前剛闖過一個停車標志。Avride查了數(shù)據(jù)，否認了闖標志的事，但鴨子確實死了。

一只鴨子的死亡，戳破了"比人更安全"的敘事

自動駕駛公司愛用的統(tǒng)計口徑是"每X萬英里事故率低于人類司機"。但這類數(shù)據(jù)有個狡猾的篩選機制：它統(tǒng)計的是"造成人身傷害的事故"，碾死鴨子、貓、狗通常不在列。

Waymo去年在舊金山軋死一只叫Skeeter的便利店貓，成了全國性新聞。另一只Waymo撞了狗，車里孩子哭了一路。這些事件在公司的安全報告里，大概率歸類為"低嚴重性接觸"或干脆不收錄。

Avride的回應(yīng)很標準：啟動調(diào)查、臨時調(diào)整路線避開湖區(qū)、承諾分析數(shù)據(jù)。公關(guān)負責人Yulia Shveyko的聲明里有個細節(jié)——"車輛在相關(guān)停車標志處完成了完全且適當?shù)耐Ｖ?。這句話的精確性很有意思：它沒否認鴨子被撞，只否認了居民說的"闖標志"。

技術(shù)層面的尷尬在于：當前的感知系統(tǒng)對"小型低速移動物體"的識別，遠不如對車輛和行人可靠。

鴨子的高度大概15厘米，移動速度每秒1-2米，羽毛的雷達反射特性跟地面雜波接近。激光雷達的點云密度在遠距離會稀釋，攝像頭在逆光或樹蔭下可能把鴨子識別為"地面紋理異常"。

更麻煩的是決策層。即使感知到了"某個東西"，系統(tǒng)要判斷它是需要緊急制動的障礙物，還是可壓過的落葉或紙袋？保守策略會導致頻繁急剎，乘客投訴；激進策略就是現(xiàn)在的局面。

安全員在車里，為什么沒干預(yù)？

Pierce的描述很關(guān)鍵："車里的人雙手沒碰方向盤，事后也沒停車查看。"這指向一個被低估的問題——安全員的注意力衰減。

自動駕駛測試車的安全員，平均每天要處理數(shù)百次系統(tǒng)提示，其中99%以上是虛警。幾個月下來，人會進入一種"監(jiān)控麻木"狀態(tài)：眼睛盯著路面，大腦已經(jīng)離線。等到真正需要接管時，反應(yīng)時間往往超過2秒，對40公里時速的車來說，這就是20米的制動距離。

Avride沒有公布安全員是否收到了系統(tǒng)預(yù)警。如果預(yù)警發(fā)了而人沒反應(yīng)，是培訓問題；如果系統(tǒng)根本沒識別到鴨子，是算法問題。兩種情況的性質(zhì)完全不同，但公司選擇了模糊處理。

居民Ada Dang的吐槽很直白："人類考駕照才能開車，這無人車沒考過，先殺了我們都認識的野生動物。"她的邏輯漏洞在于——人類司機碾死野生動物的概率其實更高，只是沒人逐起統(tǒng)計。但情緒上她沒錯：當技術(shù)承諾"更安全"時，任何可避免的死亡都是違約。

鴨子的蛋被好心人撿走孵化了。這個細節(jié)像一則現(xiàn)代寓言：技術(shù)系統(tǒng)制造了傷亡，民間組織收拾殘局。

奧斯汀正在成為自動駕駛的"壓力測試場"

這座城市聚集了Waymo、Tesla FSD、Avride等多家公司的測試車隊，居民對無人車的容忍度正在快速消耗。Pierce說這件事"讓我嚴重懷疑這些車的安全性"，這種個體層面的信任崩塌，比任何監(jiān)管罰款都更難修復(fù)。

行業(yè)的一個隱性焦慮是：動物傷亡事件正在積累為一種"情緒負債"。Skeeter貓的死讓Waymo在舊金山遭遇社區(qū)抵制，母鴨的死可能讓Avride在奧斯汀的擴張受阻。這些事件不會出現(xiàn)在SEC文件里，但會影響地方許可、保險費率、人才招聘。

Avride的臨時路線調(diào)整是個有趣的信號。避開湖區(qū)意味著承認"當前系統(tǒng)無法安全處理該場景"，但公司不會明說。這種"靜默降級"在行業(yè)內(nèi)很常見：某條街道出過事，就悄悄把車隊調(diào)走，等算法迭代后再回來。

問題在于，城市里有無數(shù)個"湖區(qū)"——學校門口放學時的混亂、施工路段的臨時改道、暴雨天的積水反光。每個邊緣場景都需要用真實事故來"標注數(shù)據(jù)"，這個代價由誰承擔？

母鴨的蛋還在孵化器里。Pierce說會有志愿者照顧到孵化。幾個月后，如果小鴨子破殼，它們會回到那個公園，而Avride的車可能已經(jīng)恢復(fù)了湖區(qū)運營——前提是算法更新完成，且沒有新的居民在Facebook上發(fā)帖。

技術(shù)迭代的速度，和公眾記憶的長度，哪個更快？