駕駛輔助系統致死事故特斯拉被美國法院判賠2.4億美元 「智駕險」是否真能「兜底」? 「用智能輔助駕駛出了事故,誰來負責?」這個問題近期因特斯拉的「敗訴」再度引發熱議:8月初,美國法院以2.4億美元的罰單判定特斯拉需為2019年一起涉及駕駛輔助系統的致死事故承擔部分責任。 一紙罰單,讓特斯拉和馬斯克再陷爭議,也再次給國內的智能輔助駕駛敲響警鐘。隨著國內智能輔助駕駛技術飛速發展,安全性問題今年屢被主管部門「點名」。值得注意的是,今年前7個月,已有比亞迪、鴻蒙智行、小鵬等7家企業主動推出相關「智駕險」或權益,為智能輔助駕駛「託底」。不過,在實際操作中,卻有車主理賠失敗,顯示出智駕責任判定與保障問題的複雜性。 逾數十家車企推出智能輔助駕駛兜底服務 「智能泊車出事故,我賠。」今年7月,比亞迪官宣的一項承諾引發業內關注。比亞迪承諾,對所有「天神之眼」車輛的中國用戶在智能泊車場景下的安全及損失全面兜底。本地經銷商也告訴記者:「不用走保險,直接聯繫售後就行,全額賠付,而且不會影響到第二年的保費。」智能泊車,正是近年國內車企熱推的智能輔助駕駛技術的其中一個重要內容。 據不完全統計,截至目前,約有11家車企先後推出了諸如「智駕險」「智駕保」「智駕無憂服務」等,額度從100萬元到600萬元不等的輔助駕駛兜底方案。為開展此類服務,有的車企直接與保險公司開展合作,但仍有個別車企並未公開合作保險公司信息,保障形式更類似延保服務。 在收費方面,如廣汽、華為(鴻蒙智行)等以首年免費的形式贈送給車主;小鵬汽車則是採取239元/年的收費制。 以上形形色色的智駕險、智駕保障或服務,目的都是為智駕系統提供風險保障,免除消費者在使用智駕服務時的後顧之憂。 焦點1 車企做裁判,責任認定存在「模糊地帶」 「智駕險」類的權益看起來很香,但在實際執行中,消費者還是遇到了困難。「車企說我不符合理賠條件。因為我動了方向盤,導致輔助駕駛系統退出,默認駕駛員來接管,出事就跟智駕沒關係了。」今年4月,某新能源車主因智能輔助駕駛系統黑屏、碰撞預警失效等故障,對車企發起智駕賠付,卻遭遇了拒賠,他的經歷也在網上發酵。艱難的協商經歷,讓該車主對智駕功能和智駕險產生了嚴重的不信任感。 業內指出,該車主的遭遇折射出對智駕事故責任認定的核心矛盾:車企既是規則制定者,又是裁判者。中國質檢協會汽車專委會副理事長、中車檢董事長王旭東告訴記者:「當前智駕系統的日誌數據由車企掌控,車主難以獲取原始數據。甚至在第三方鑑定機構嘗試調取某車企的智駕日誌時,也會被以『商業秘密』為由拒絕。」 他表示,在過往相關檢測機構受委託承擔第三方檢測時,會遇到主機廠、4S店設置障礙,不提供數據的不配合行為。這些必然會對車輛事故的權責判定帶來不客觀的鑑定結果。此外,現行《道路交通安全法》也尚未明確智能駕駛系統的法律地位。 焦點2 所謂「智駕險」,其實是增值服務權益 「由於當前智能駕駛事故的樣本量不足、傳統精算模型能力有限等因素,保險公司暫時並未開發出面向個人的獨立智駕險種。」有保險業內人士告訴記者,根據《中華人民共和國保險法》第六條,保險業務僅限持牌保險公司經營。從目前市場的智駕險產品來看,大部分車企推出的「智駕險」,並不屬於備案的保險業務,其性質實為「服務承諾」或「責任兜底協議」,「更像是一種增值的服務權益。」 公開資料顯示,大多車企「智駕險」的權益服務,以車主購買交強險和商業險為前提,甚至是要求投高額的「全險」,「智駕險」只是作為補充保障服務。業內指出,這種定性的差異或導致賠付效力大打折扣,尤其車企的單方承諾可能因格式條款無效、免責聲明模糊等問題失效。 業內觀察 「智駕險」需構建多方共治體系 把方向盤交給智能輔助駕駛,而將風險交給保險公司——這隱隱勾勒出「智駕險」的未來走向。隨著自動駕駛技術朝著L3、L4乃至L5級別邁進,傳統車險所提供的風險保障愈發捉襟見肘,人們愈發需要「智駕險」,而不僅僅是「訂閱付費+延保服務」的組合。 從特斯拉的天價賠償到國內車主的理賠案例,因智能輔助駕駛引發的每一起事故都在倒逼制度完善。業內指出,智能駕駛事故賠付的困局,本質上是技術革新與制度滯後的碰撞。要打破當前的僵局,需要構建政府監管、企業自律、第三方監督的多方共治體系。尤其是監管層面需加快立法進程,明確智駕系統的責任劃分標準,建立數據共享機制,要求車企向監管部門和第三方機構開放脫敏後的事故日誌。 廣州日報全媒體記者 鄧莉
天津8月14日電(記者 孫玲玲)記者13日從南開大學獲悉,近日,南開大學計算機學院媒體計算實驗室取得最新研究成果,不僅從評估的角度揭示了現有AI檢測方法的性能不足,並創新性地提出了「直接差異學習」(Direct Discrepancy Learning,DDL)優化策略,教會AI用「火眼金睛」辨別人機不同,實現AI檢測性能的巨大突破。相關成果論文已被計算機多媒體領域國際頂級會議ACM MM2025(ACM International Conference on Multimedia)接收。 圖為南開大學研究團隊提出的DetectAnyLLM檢測框架以及MIRAGE基準數據集亮點全析。(南開大學 供圖) 近日,OpenAI發布新一代人工智慧模型GPT-5,再次引發全球關注。隨著DeepSeek、ChatGPT、通義千問、豆包等AIGC大模型逐漸從「新奇玩具」變成學習、工作中不可或缺的「生產力工具」,其伴生問題也日益凸顯:AI經常會「一本正經地胡說八道」,生成看似合理的虛假信息,造成「AI幻覺」;依賴AI工具代寫作業甚至畢業論文,極大衝擊著學術誠信和規範;論文AI率檢測系統有待完善,論文被誤判的問題時有發生……如何精準識別AI生成內容,成為亟待解決的熱點問題。 據了解,目前AI生成內容檢測主要有兩種路線,一種是「基於訓練的檢測方法」,使用特定數據訓練一個專用的分類模型;另一種是「零樣本檢測方法」,直接使用一個預訓練的語言模型並設計某種分類標準進行分類。 圖為AI生成內容檢測示意圖。(南開大學 供圖) 多項研究表明,現有檢測方法在應對複雜的現實場景時常顯不足。此前也曾有權威媒體報導,《荷塘月色》《流浪地球》等經典作品被某常用論文AI率檢測系統檢出高AI率。 為何現有的AI檢測工具會「誤判」?論文第一作者、南開大學計算機學院計算機科學卓越班2023級本科生付嘉晨解釋道:「如果把AI文本檢測比作一場考試,檢測器的訓練數據等同於日常練習題,現有檢測方法是機械刷題、死記硬背答題的固定套路,難以學會答題邏輯,一旦遇到全新難題,準確率就會顯著下降。」 「要想實現通用檢測,理論上需收集所有大模型的數據進行訓練,但在大模型迭代飛速的今天幾乎不可能。」付嘉晨說,讓檢測器真正學會舉一反三,即提升檢測器的泛化性能,是提升AI文本檢測性能的關鍵。 為此,研究團隊提出了DDL方法另闢蹊徑,通過直接優化模型預測的文本條件概率差異與人為設定的目標值之間的差距,幫助模型學習AI文本檢測的內在知識,可以精準捕捉人機文本間的深層語義差異,從而大幅提升檢測器的泛化能力與魯棒性。 「使用DDL訓練得到的檢測器如同有了『火眼金睛』,即便只『學習』過DeepSeek-R1的文本,也能精準識別像GPT-5這樣最新大模型生成的內容。」付嘉晨說。 團隊還提出了一個全面的測試基準數據集MIRAGE,使用13種主流的商用大模型(如豆包、DeepSeek、Kimi等)以及4種先進的開源大模型(如Qwen等),從AI生成、潤色、重寫三個角度構造了接近十萬條人類-AI文本對。 「MIRAGE是目前唯一聚焦於對商用大語言模型檢測的基準數據集。直觀地說,之前的基準數據集是由少而且能力簡單的大模型命題出卷,而MIRAGE是17個能力強大的大模型聯合命題,形成一套高難度、又有代表性的檢測試卷。」論文通訊作者、南開大學計算機學院副教授郭春樂說。 在MIRAGE的測試結果顯示,現有檢測器的準確率從在簡單數據集上的90%驟降至約60%;而使用DDL訓練的檢測器仍保持85%以上的準確率。與史丹福大學提出的DetectGPT相比,性能相對提升71.62%;與馬裡蘭大學、卡內基梅隆大學等共同提出的Binoculars方法相比,性能相對提升68.03%。 「AIGC發展日新月異,我們將持續迭代升級評估基準和技術,致力於實現更快、更準、更低成本的AI生成文本檢測,以AI之力,讓每一篇成果更出彩。」研究團隊負責人、南開大學計算機學院教授李重儀說。(完)
免责声明:本文内容与数据仅供参考,不构成投资建议,使用前请核实。据此操作,风险自担。
64958
96
2026-03-14 05:07
53687
83
2026-03-14 05:07
79418
56
2026-03-14 05:07
57861
16
2026-03-14 05:07
64379
35
2026-03-14 05:07
16589
46
2026-03-14 05:07
95178
86
2026-03-14 05:07
82436
56
2026-03-14 05:07
81569
37
2026-03-14 05:07
48179
48
2026-03-14 05:07
32967
45
2026-03-14 05:07
18745
65
2026-03-14 05:07
18956
98
2026-03-14 05:07
26458
32
2026-03-14 05:07
26134
62
2026-03-14 05:07
95832
62
2026-03-14 05:07
32694
25
2026-03-14 05:07
26985
46
2026-03-14 05:07
15962
83
2026-03-14 05:07
84695
94
2026-03-14 05:07
17453
61
2026-03-14 05:07
73842
67
2026-03-14 05:07
29643
69
2026-03-14 05:07
86941
97
2026-03-14 05:07
47916
87
2026-03-14 05:07
46258
97
2026-03-14 05:07
15639
41
2026-03-14 05:07
87641
93
2026-03-14 05:07
98547
13
2026-03-14 05:07
68572
36
2026-03-14 05:07
95814
56
2026-03-14 05:07
21645
28
2026-03-14 05:07
68721
47
2026-03-14 05:07
17984
75
2026-03-14 05:07
95327
36
2026-03-14 05:07
92571
81
2026-03-14 05:07
62148
19
2026-03-14 05:07
78594
97
2026-03-14 05:07
49673
41
2026-03-14 05:07
39684
49
2026-03-14 05:07
68394
58
2026-03-14 05:07
57823
54
2026-03-14 05:07
21637
12
2026-03-14 05:07
59612
94
2026-03-14 05:07
19753
69
2026-03-14 05:07
29635
78
2026-03-14 05:07
84123
14
2026-03-14 05:07
13526
68
2026-03-14 05:07
59734
59
2026-03-14 05:07
69348
23
2026-03-14 05:07
17394
93
2026-03-14 05:07
38745
54
2026-03-14 05:07
| 荔枝直播 | 直播全婐app免费 |
| 趣爱直播 | |
| 趣爱直播 | 黄瓜直播 |
| 秀色直播 | |
| 桃花直播 | 月夜直播在线观看 |
| 小白兔直播 | |
| 午夜直播 | 咪咕直播 |
| 心跳直播 | |
| 极速直播 | 花瓣直播 |
| 国外b站刺激战场直播app | |
| 金莲直播 | 四季直播 |
| 苹果直播 | |
| 夜魅直播 | 五楼直播 |
| 曼城直播 | |
| 么么直播 | 金桔直播 |
| 夜月视频直播 | |
| 韩国直播 | 青柠直播 |
| 国外b站刺激战场直播app | |
| 就要直播 | 黑白直播 |
| 魅影直播视频 | |