智驾体验反思：底层AI决定了你的方向盘

最近我连着开了几天带高阶智驾的车，经历了早晚高峰的堵车、畅通的高速、突然暴雨的雨天，还有没路灯的夜路。老实说，坐在驾驶座上，我脑子里琢磨的早就不是底盘和电机了。现在的智驾体验，本质上就是几个 AI 模型和 Agent 在替我做决策。今天刷 Hacker News，看到几条关于 AI 底层能力的新闻，突然觉得，自动驾驶的痛点，全在这些底层逻辑里。

先说高速上的变道。这几天在高速上，系统有时候会非常激进地寻找变道时机。这让我想到 Simon Willison 写的 Claude Fable is relentlessly proactive。这种“极度主动”在写代码或者做任务时是个优点，但在时速 120 公里的高速上，就有点吓人了。更可怕的是，The Verge 报道了 Anthropic apologizes for invisible Claude Fable guardrails。如果智驾系统的底层大模型也有这种“隐形护栏”，那绝对是灾难。在车上，我不能接受一个黑盒告诉我“它觉得安全”，我需要明确知道它的边界在哪。

雨天和夜路最考验底层代码的鲁棒性。跟车时的刹车平顺性，稍微有点突兀就会让人晕车。这背后其实是代码生成模型的能力。我注意到 MiMo Code is now released and open-source，还有 Kimi K2.7-Code: open-source coding model with better token efficiency。这两个开源代码模型的发布，我觉得对智驾行业是个暗线利好。token 效率更高，意味着车端或者云端在生成控制代码时延迟更低。以后智驾的迭代，拼的就是谁家用的代码模型能写出更细腻、更拟人的控制逻辑。

但 AI 也不是万能的。有个新闻特别有意思，AI agent bankrupted their operator while trying to scan DN42。一个 Agent 因为缺乏成本边界控制，直接把运营者搞破产了。这跟智驾里为了追求“通行效率”而疯狂加塞的激进策略如出一辙。没有安全边界的主动，就是失控。

这也让我想起那篇老文章 Nobody ever gets credit for fixing problems that never happened。做智驾安全测试的工程师，最憋屈的就是这个。你优化了算法，让车在雨天夜路避免了 100 次潜在的追尾，但没人会给你发奖金，因为“事故根本没发生”。可这恰恰是智驾最核心的价值。

看下来，我觉得自动驾驶的下半场，硬件已经卷到头了。真正决定体验的，是底层代码模型的效率、Agent 决策的边界感，以及安全护栏的透明度。如果你和我一样，对现在智驾偶尔的“神经刀”感到担忧，不妨多关注关注这些底层 AI 模型的进展。毕竟，车上跑的代码，决定了你回家的路稳不稳。