全國多地采購“無人駕駛公交車”，公交、地鐵即將“告別司機”？

海口市公共資源交易中心發布招標公告，擬采購10輛L4級自動駕駛汽車、60輛智能網聯公交及配套基建。這并非個例，2026年以來，廣東、江浙、湖北、四川等地密集開展無人駕駛接駁招投標，自動駕駛正從實驗室走向現實，這場變革也讓全國3000多萬職業司機面臨轉型挑戰。

2026年3月前夕，海口市公共資源交易中心發布了一則重要招標公告，這份公告看似普通，卻在暗流涌動的出行市場引發不小波瀾。公告明確列出采購清單，包括10輛L4級自動駕駛汽車、60輛智能網聯公交，以及配套的基礎設施建設服務，涵蓋智能調度平臺、充電樁、道路感知設備等，采購資金全部用于城市公共出行的智能化升級，計劃在半年內完成采購、安裝并投入使用，主要服務于海口市區的固定線路接駁和園區通勤。

這并非孤立事件，進入2026年以來，全國范圍內掀起了一場無人駕駛接駁的招投標熱潮。從嶺南的廣東，深圳、廣州等地陸續啟動智能網聯公交試點，批量采購無人駕駛車輛用于公交線路接駁；到江浙平原，杭州、蘇州推出無人駕駛網約接駁車，覆蓋社區、商圈與地鐵站之間的短途出行。

再到九省通衢的湖北，武漢、宜昌開展無人駕駛公交線招標，打通城市交通微循環；天府之國的四川，成都、綿陽也加入其中，將無人駕駛接駁延伸至郊區新城。據統計，2026年一季度，全國已有18個省市發布無人駕駛相關招投標項目，涉及車輛采購、基建建設等多個領域。

這場密集的招投標，標志著自動駕駛已徹底走出實驗室，從技術探索階段進入規模化落地階段，并非科幻電影中的超前場景，而是實實在在的數字化出行變革。之所以率先在公交線路推進無人駕駛，核心原因在于公交線是固定、可控的行駛環境，也就是工程師所說的“確定性場景”。

與開放城市道路的復雜環境不同，公交線有固定的路線、不變的信號燈位、固定的轉彎半徑，甚至每個站臺的客流波峰都能提前預測，無需應對復雜多變的交通狀況。對于自動駕駛系統而言，固定線路能大幅降低技術難度，一輛智能公交在同一條線路上反復行駛，每一圈都會收集大量行駛數據，不斷優化算法，提升行駛安全性和穩定性。

但即便如此，算法依然存在“邊緣場景”的短板，比如遇到穿著玩偶服橫穿馬路的行人、姿勢詭異的路邊躺臥者等極低概率的復雜情況，算法可能無法準確識別，導致行駛風險。因此，目前多數自動駕駛車輛的駕駛座上仍會配備安全員，他們不主動操控車輛，主要作用是穩定乘客情緒，應對突發情況，消除乘客對自動駕駛的不信任感。自動駕駛的規模化落地，不僅是技術的突破，更帶來了責任認定的全新難題，需要建立完善的規則體系加以解決。

隨著自動駕駛車輛逐步投入使用，傳統的交通責任認定邏輯被徹底打破，形成了難以破解的責任迷局。在傳統交通場景中，發生交通事故后，責任認定簡單清晰，要么是駕駛員操作失誤，要么是對方違規，責任主體明確，可直接劃分責任、追究責任。但在自動駕駛場景中，責任主體變得多元化，整車廠、算法提供商、車輛運營商、零部件供應商等，都可能成為責任鏈上的一環，一旦發生事故，各方往往各執一詞，難以界定責任。

核心問題在于自動駕駛的行駛數據歸屬，目前，絕大多數自動駕駛車輛的行駛數據都存儲在車企的私有云端，數據的采集、存儲、修改權都掌握在車企手中。這種“運動員兼裁判”的現狀，導致事故發生后，難以保證數據的公正性和真實性——如果事故涉及車企責任，由車企自行提供數據證明自身無過錯，顯然缺乏說服力，也無法讓公眾信服。這種數據黑匣子的壟斷，不僅讓責任認定陷入困境，也制約了自動駕駛行業的健康發展。

當前，社會各界對第三方中立數據存證平臺的需求日益迫切，需要建立一套統一、不可篡改的數據存證標準，就像飛機黑匣子一樣，由第三方機構統一監管，確保行駛數據的真實性和客觀性，為事故責任認定提供可靠依據。目前，國內部分城市已開始試點第三方數據存證平臺，整合車企、運營商、監管部門的數據資源，實現數據共享和全程可追溯，但尚未形成全國統一的標準和體系。

如果沒有完善的法治保障和數據監管機制，自動駕駛的推進將會陷入反復拉鋸。畢竟，當機器出現故障引發事故時，需要有明確的責任主體承擔后果、接受懲戒，而不是讓一串冰冷的代碼成為“無責主體”。責任認定難題不解決，不僅會影響公眾對自動駕駛的信任，也會阻礙行業規模化發展，同時，這一難題的破解，也與千萬職業司機的轉型命運緊密相關，需要在技術推進的同時，兼顧各方利益。

自動駕駛的規模化落地，最直接的影響就是全國超過3000萬的職業司機群體，這支龐大的隊伍由網約車主、貨運司機、公交司機組成，其中貨運司機中90%以上為個體戶，他們的就業前景隨著自動駕駛的普及，面臨著嚴峻挑戰。很多人擔心，這些司機將會被技術淘汰，失去賴以生存的飯碗，但事實上，司機群體的轉型并非無路可走，而是一場從“握方向盤”到“管數據線”的職業升級。

直接讓長期從事駕駛工作的司機轉型為算法工程師、技術運維人員，顯然不現實，兩者之間存在巨大的技能鴻溝。比如，一位開了二十年公交的老師傅，熟悉線路情況、了解乘客需求，但缺乏專業的計算機技術和算法知識，無法直接從事算法優化工作。這種崗位遷移，本質上是從執行層面到管理、輔助層面的轉變，需要依托司機自身的經驗優勢，實現平穩轉型。

司機的核心優勢的是豐富的實際駕駛經驗，這些經驗無法被數字化，卻能為算法優化提供重要支撐。比如，哪一站的老人上下車較多，需要多停留幾秒；哪段路夜間視線差，容易有行人橫穿；哪類天氣條件下，車輛制動需要提前預判，這些經驗都是算法無法通過數據直接獲取的，卻是提升自動駕駛安全性和舒適性的關鍵。

因此，很多司機可以轉型為“算法訓練師”，將自身的駕駛經驗轉化為算法優化的素材，助力自動駕駛系統完善。除此之外，司機還可以轉型為乘客服務經理、線網調度顧問等崗位。乘客服務經理主要負責車廂服務，幫扶老人、小孩等特殊乘客，處理乘車過程中的各類問題；線網調度顧問則依托自身對線路的熟悉，優化無人駕駛線路規劃、調整發車頻次，提升出行效率。

同時，各地也在推出相關扶持政策，比如海原縣對取得相關駕照的司機給予培訓補貼，全國多地也在開展司機技能轉型培訓，幫助司機掌握新技能，適應新崗位。企業在推進自動駕駛落地、享受人力成本降低帶來的紅利時，也應承擔起社會責任，建立完善的司機轉型孵化機制，提供技能培訓、崗位對接等服務，幫助司機平穩過渡。

技術的進步不應以犧牲個體利益為代價，讓自動駕駛在提升出行效率的同時，為司機群體提供轉身的空間，才是真正的行業進步，也才能讓這場數字化出行變革，得到更廣泛的社會認可。