2025年3月29日晚，一輛小米SU7在安徽高速發生碰撞后爆燃，車內3名年輕女性不幸遇難。事故引發公眾對智能駕駛安全性的激烈討論——家屬質疑“車門為何無法解鎖”“車輛為何自燃”，而小米聲明稱“已提交數據配合調查”，但未直接回應核心疑問 。

這場悲劇撕開了智能駕駛時代的技術信任裂痕：當車企用“自動輔助駕駛”吸引用戶時，是否該為生命安全兜底？

一、技術黑箱：當“系統正常”成了萬能解釋

根據小米通報，事故發生時車輛處于NOA（智能輔助駕駛）狀態，時速116公里，系統檢測到障礙物后發出預警并減速，但駕駛員接管后仍以97公里/小時的速度撞上護欄 。然而，家屬質疑：“系統提示了風險，為何沒能避免事故？”

算法局限：小米SU7標準版未配備激光雷達，僅依賴攝像頭和毫米波雷達。業內人士指出，夜間復雜路況下（如施工路段警示燈），純視覺方案可能存在識別盲區 。

響應時間爭議：從系統預警到碰撞僅2秒，而AEB（自動緊急剎車）理論上應在此類場景中觸發。但小米聲明未明確AEB是否生效，引發公眾對“技術邊界”的追問 。

數據壟斷：車企掌握事故原始數據卻未開放第三方分析，如同“黑箱魔術”——用戶只能相信“系統正常”，卻看不到決策邏輯 。

二、安全冗余：被輕視的“最后防線”

事故中，家屬稱“車門斷電鎖死導致無法逃生”，而小米客服回應稱“車門下方有機械應急拉手” 。但這一設計在劇烈碰撞中可能失效：

機械備份的脆弱性：傳統燃油車通過物理拉線控制車門鎖，而電動車的電子鎖依賴電池供電。若碰撞導致斷電，電子鎖可能卡死，機械拉手也可能因結構變形無法使用 。

行業標準缺失：目前國內對智能汽車應急裝置（如機械解鎖）的測試標準尚不明確，車企可能為降低成本簡化設計 。

用戶認知鴻溝：多數消費者誤以為“電子鎖=絕對安全”，卻不知緊急情況下操作失敗率高達34%（MIT研究數據） 。

三、技術烏托邦的祛魅：我們需要的不是“全能AI”

小米曾宣傳SU7可實現“全場景自動駕駛”，但事故暴露了過度營銷與技術現實的落差：

功能邊界模糊：L2+級輔助駕駛的本質是“輔助”，而非“替代人工”。但車企常以“未來感”包裝技術局限，例如特斯拉因宣傳“自動泊車”卻撞墻被起訴 。

公眾期待錯位：德國VDI標準要求L3級自動駕駛僅限時速60公里以下使用，而國內用戶卻期待高速場景下的“無憂駕駛” 。

安全驗證不足：小米SU7的電池雖采用“電芯倒置”技術，但實驗室數據與事故表現仍存差距。行業需建立更嚴苛的“極端場景測試” 。

結語：在算法時代重建安全共識

雷軍在回應中承諾“無論發生什么，小米都不會回避” ，但公眾更期待看到行動：

數據透明化：強制車企開放事故數據，允許第三方機構獨立分析；

冗余設計立法：要求關鍵安全部件（如車門解鎖）必須具備雙重備份；

用戶教育升級：用通俗語言告知技術邊界，而非僅標注“注意”或“風險” 。

畢竟，技術的進步不應以生命為賭注。當算法黑箱撞碎技術烏托邦的幻象，或許我們該重新思考：真正的智能，是教會機器敬畏生命，而非讓我們盲從代碼。