一句话看懂:Avride 的配送机器人已在四个美国城市送货,但真正阻碍规模化落地的不是自动驾驶 AI,而是被路人掰弯的旗杆、坑洼人行道和只给 17 秒的过街信号。
事件核心:发生了什么
据 Business Insider 2026 年 11 月 19 日报道,Avride 的配送机器人可在城市人行道连续运行约 13 小时,一次最多装载六个超大号披萨。10 月,公司宣布在已有试点的新泽西州泽西市扩量,并进入相邻的霍博肯、费城和弗吉尼亚州阿灵顿。落地场景包括独立餐厅、Marc Lore 创办的美食广场连锁 Wonder,以及在泽西市与 Uber Eats 合作的订单。Avride 首席商务官 Sergei Kirillov 表示,选址逻辑是公寓和高密度住宅集中,能在小范围内带来更多餐饮订单。
但上街后,问题多来自物理世界。机器人原本在约 2.5 英尺高的杆子上挂红旗和灯,路人会随手把它掰弯甚至折断,Avride 不得不重新设计成防破坏结构。人行道过窄或缺乏维护也会成为障碍;在阿灵顿演示中,遇到剩余 17 秒的闪烁红灯,机器人选择停下等待下一次白灯,而非像快步行人那样抢行。今年早些时候,一台 Avride 机器人在费城过街时被卡车撞到,仅受轻伤,还能自行挪过马路。
为什么重要
这则新闻的价值在于揭示自动驾驶配送商业化的真实瓶颈:感知和决策模型只是第一层,公共基础设施、行人行为和城市交通规则才是更难标准化的变量。DoorDash 的 Dot 机器人甚至需要付费零工把机器从餐厅柜台搬到停车场,覆盖最后几英尺。这说明在密集城区,机器人配送的“最后一公里”仍需要人工兜底和硬件适配,而不是单靠 AI 模型迭代就能解决。对行业而言,城市扩张速度将取决于基础设施评估和本地化运营能力,而非单纯技术指标。
对用户/开发者/创作者的影响
对普通用户来说,配送机器人会先出现在高密度住宅区,服务范围和时效仍受路口信号、路面状况限制。对开发者而言,Avride 的案例说明仿真训练之外,真实世界的对抗性输入——恶意破坏、不规则路沿、转弯车辆——需要专门的容错设计和防篡改硬件。对关注 AI 应用落地的人来说,值得留意的不是模型参数,而是运营团队如何逐城调试路线、信号灯策略和人机交互界面。例如 Avride 机器人会在屏幕显示小狗图案回应遛狗行人,这类“城市友好度”设计也可能成为竞争维度。
值得关注的后续
一是 Avride 在费城等新城市的事故率和人工接管频率是否公开;二是 Uber Eats 等平台合作能否从单城扩展到更多城市;三是 DoorDash、Serve Robotics 等竞品是否跟进防破坏硬件或人工搬运方案。目前公开信息显示,Avride 现阶段更侧重优化已运营城市,而非继续开新城。


