晚高峰的十字路口，雨刮器在挡风玻璃上快速摆动，仪表盘上的NOA图标亮着绿灯。你双手搭在方向盘上，右脚悬在刹车上方，眼睛盯着前方——不是在看路，而是在等系统什么时候“犯一次错”。这是一种很微妙的疲惫：你明明买了号称能自己开的车，却比亲自驾驶还要紧张。
这不是个别用户的矫情，而是整个行业正在面对的真实困境。
中国汽车工业协会发布的报告显示，2025年1至11月，搭载城市NOA的乘用车累计销量达312.9万辆，渗透率已突破15%。但另一组数据更扎心：行业实测的城市NOA平均接管里程仅8.7公里一次——也就是说，你在市区开10公里，大概率要人工介入一次。调研显示，仅32%的用户敢完全放手，72%的受访者直言“不敢完全信任”，81%的人更倾向于“高速放心用，城区谨慎用”。华为高级副总裁靳玉志甚至公开表示，国内仅有不到10%的用户真正使用过驾驶辅助。
技术狂奔，但信任没跟上。城市NOA正陷入“技术狂欢、用户观望”的尴尬局面。智驾的能力边界到底在哪？安全责任如何划分？我们离真正“放手驾驶”的那一天，还有多远？
用户对智驾的信任崩塌，往往遵循一条清晰的路径。
初期是好奇与期待。提车第一天，你迫不及待地在城市主干道上开启NOA，看着方向盘自己转动，感觉自己提前进入了未来。然后，意外来了——可能是鬼探头式的电动车突然窜出，系统一脚急刹把你往前猛推；也可能是无保护左转时，系统在路口犹豫了三四秒，后排的家人已经开始紧张地问“怎么了”。就在那一刻，你心里那根叫“信任”的弦，断了。
从那次以后，你开始变得谨慎。手不再离开方向盘，脚随时准备接管。再后来，你干脆只在高速上开NOA，城市里还是自己来。最后，你甚至把功能关了——不是不好用，是“盯着它会不会出错”这件事，比开车本身还累。
这背后有具体的场景在作祟。无保护左转是头号信任杀手，行业数据显示它的成功率只有54%左右——每两次就可能有一次需要你接管。加塞博弈同样让人崩溃：系统选择的防御性减速，和人类心中“踩一脚油门挤过去”的预期截然相反，你感觉自己“被欺负”了。施工区域和不规则车道更是让系统频繁“死机”，锥桶识别不清、车道线消失，系统突然退出，方向盘猛地甩回给你。夜间和雨雾天气下，性能的衰减更是看不到边界——你不知道它什么时候会“看不清”。
更深层的问题在于，人类对“安全”的感知阈值存在偏差。我们自己开车时，偶尔的判断失误、轻微的剐蹭风险，都被大脑自动归入“正常驾驶波动”。但换成智驾系统，哪怕是一个温和的犹豫、一次体感偏硬的刹车，都会被放大成“这机器不靠谱”。接管率低不等于信任率高，用户真正在意的是“不可预测性”——我不知道它下一次会在什么时候、以什么方式让我失望。
面对同样的信任鸿沟，头部车企给出了截然不同的解药。
理想走的是“舒适信任”路线。
AD Max的调校关键词是“平顺不晕车”。加减速柔和得像一个开惯了MPV的老司机，跟车距离宽松，经过路口时提前温和减速，几乎不给你任何突兀的感觉。在19.1公里的城市综合路测中，理想L6甚至实现了零接管。它的逻辑很简单：用舒适的乘坐体验换取安全感，让用户觉得“这系统是可控的”。但代价也很明显——决策偏保守，复杂路口的通行效率在五者中偏低，有时为了平顺宁可多等几秒。
小鹏打的是“行为信任”牌。
XNGP走的是“更像人”的路线。它用VLA视觉大模型学习老司机的驾驶风格，变道果断、抢灯利落，在无保护左转场景中成功率能达到92%-98%。它的逻辑是：模仿人类行为，降低你对“机器味”的排斥。你感觉它不是在“执行算法”，而是在“开车”。但问题在于，不同版本的驾驶风格差异较大，OTA更新后你可能需要重新适应——版本变了，信任感又要从头建立。
华为守卫的是“安全信任”底线。
乾崑ADS走的是“硬核安全”路线。多颗高线数激光雷达、4D毫米波雷达、视觉融合，感知冗余堆得满满。无保护左转成功率高达99.5%，百公里接管仅0.3-0.5次，P3综合测评得分4.46连续登顶。它的逻辑是：用绝对的安全冗余建立底线信任——哪怕你不敢用它变道超车，至少知道它在关键时刻不会撞。它还自带一个独家加分项：NOA出险不走个人车险，次年保费不上涨，直接把用户最大的焦虑——责任归属——给兜底了。短板是成本高，多见于高端车型，买断或订阅都不便宜。
三种信任配方，对应的是三群不同的人。追求效率的年轻人可能偏爱小鹏的“胆大心细”；拖家带口的用户更吃理想那套“平顺不晕车”；而把安全看得比什么都重的，自然投向华为。但问题在于，没有一种信任配方能解决所有场景——你在新城区主干道上对系统建立的好感，可能在下一条老城区窄路上就碎了一地。
要让用户真正“放手”，光靠车企自己卷算法是不够的。
第一步，是让系统“开口说话”。
理想的VLM视觉语言模型已经在做这件事——实时展示系统当前识别到了什么、接下来打算做什么、什么情况下它做不了。这种“决策透明化”能有效降低用户的不确定性焦虑。人不怕机器犯错，怕的是不知道机器什么时候会犯错。当系统能主动告诉你“前方施工区域，我可能无法处理，请准备接管”，你的心理预期和管理负担都会大幅降低。
第二步，是渐进式体验与用户培训。
智驾不该是“一上车就要信任”的单选题。分阶段解锁——从高速NOA到城市简单道路，再到复杂场景——让用户在低风险环境中逐步建立信心。模拟器训练让用户在安全环境里体验接管场景，提前建立心理预期。系统在接管后主动解释原因——“刚才我减速是因为左侧盲区有行人”，形成“犯错-解释-学习”的闭环。这些看起来不是技术突破，但对信任的建立，比堆算力更有效。
第三步，是责任划分与保险创新。
比亚迪已经开始探索“出险厂家赔”的模式，直接分担用户对智驾事故的风险焦虑。虽然法律上L2级辅助驾驶的最终责任人永远是驾驶员，但车企通过承诺和保险创新来增强用户信心，是打破信任僵局的关键一步。行业也需要建立统一的接管率测试方法和场景分类标准，避免“每家都说自己第一”的数据失真。
第四步，是监管与第三方评价体系的完善。
2026年，工业和信息化部数据显示，搭载L2级功能的乘用车渗透率已达70%，其中配备NOA的车型渗透率超过30%。但“高搭载、低使用”的现状说明，光有政策推动还不够。第三方测评机构发布透明、可比的报告，建立包含接管率、用户满意度、场景覆盖度在内的“信任指数”，才能让消费者在购车时有据可依，而不是被发布会上的演示视频牵着走。
8.7公里接管一次。这个数字背后，是无数用户与机器之间反复博弈的缩影。
城市NOA已经从“有没有”进化到了“好不好用”的阶段，但从“好用”到“敢用”，中间还隔着一条信任的鸿沟。这条鸿沟的宽度，不以算力TOPS、激光雷达线数、或者开城数量为衡量标准——它取决于用户坐在驾驶座上时，心里那根紧绷的弦，什么时候才能真正松下来。
如果让你给车企提一个建议，你觉得最应该改进的是哪个方向——是更稳定的性能表现，更明确的责任划分，还是更透明的交互体验？
