五一假期，闲来无事，想到一个问题，现在监管部门对于自动驾驶的要求已经非常严苛，那自动驾驶要达到什么程度才算足够安全？如果达到99%，是否就可以商用了？抑或自动驾驶是否可以保留最后1%的不确定性？
其实在自动驾驶技术走向规模化商用的进程中，安全始终被视为最核心的命题。从过去的辅助驾驶，到现在的L2级别的组合辅助驾驶，各大车企和科技公司投入了巨额研发资源，力图构建出一种几乎完美的行驶保障。当我们将安全指标压缩至接近“零事故容忍”的高度时，是否能够容忍那最后1%的隐患？
我们首先需要明确的是，任何复杂系统都无法实现绝对安全。无论是航空、核电还是铁路，历史经验都证明，即便系统越严密、冗余越多，仍难以完全杜绝极端情况下的失效可能，聊回运输行业，哪怕是经验再丰富的驾驶员驾驶车辆，都可能会出现事故。
自动驾驶系统的软硬件架构及其工作原理，决定了其在感知、决策、执行各环节都面临不同形式的风险。感知层依赖激光雷达、毫米波雷达、摄像头等多传感器融合，一旦某一传感器失效或环境条件极端（如大雾、大雪、强光照射等），即便其他传感器可以补位，也可能出现信息断层。决策层的核心算法虽经过千万次仿真和大量路测，但“长尾场景”仍旧难以穷尽；执行层的制动、转向、动力分配等环节，受制于物理约束以及零部件耐久度，一旦出现机械故障或控制延迟，也将带来致命风险。在各环节叠加之下，那1%的残余风险并非一个抽象数字，而是需要直接面对的现实隐患。这也就意味着，自动驾驶可能无法做到100%的安全程度。
在自动驾驶的安全验证与监管上，如何设定容许的风险阈值尚无全球统一标准。美国国家公路交通安全管理局（NHTSA）提出的“可接受的碰撞率”参考值为每70.2万英里一次，而欧洲的UNECE法规也在不断修订中，中国对于相关标准的制定尚还缺乏。各国对自动驾驶车辆上路的要求有所不同，但都有一个共识，那就是只有将系统安全性推至尽可能接近“100%”才能获得市场与公众认可，这并不意味着可以将“最后1%”的风险置之不理。监管机构应更多关注在技术不可避免存在失误的前提下，如何建立一整套补偿机制，如“冗余决策路径”“实时远程监控”“事故溯源与责任追溯”等，以在万一发生事故时，将损害降至最低。
其实在公众心理接受度上，一直有一条“最后1%”的心理鸿沟。大家对自动驾驶的信任，远不仅仅来源于技术宣传或事故率统计，更仰赖于对“安全”二字的深层信念。任何一次重大事故，尤其是在高度自动化模式下发生的悲剧，都会迅速放大公众质疑，将自动驾驶贴上“不可靠”“不安全”的标签，就像这次小米汽车的事故，其引起的社会讨论是非常热烈的，更是让很多人注意到了自动驾驶安全问题。智驾最前沿在很多的文章留言下，经常会有小伙伴对自动驾驶安全性进行过讨论，在社交媒体上，关于“机器决策”“自动驾驶”等话题的讨论也经常会引发争议，这无疑加剧了对技术的不安情绪。这种不安不是冰冷的数字能消除的，而是需要更加透明的事故通报机制、更贴近真实环境的测试试验场，以及持续开展面向公众的科普教育，减少大家对于自动驾驶的担忧。
关于“智驾安全能否留1%的余留”，或许我们更应该思考的是，在追求“几近零风险”的道路上，如何把“人”的因素纳入安全体系。当技术越来越强大，自动驾驶的决策权正在从人手中逐渐转移，也只有让社会各方（政府、企业、研究机构、公众）在价值观和规则层面平等对话，才能为那“最后1%”的隐患找到最合适的分担与兜底方案。可以预见，真正的安全，不只是让车辆自身“零失误”，更是让整个交通系统在各种不确定中保持韧性。这条路或许漫长，但正是对“余留1%”怀揣敬畏之心，我们才能一步步接近真正的“智驾安全”。