AI技术的飞速发展让工程师们能够以前所未有的速度推进自动驾驶技术，但自动驾驶领域真正的前沿课题，在于如何将技术进步与可验证的严格安全标准相结合。

如今，安全保障的深度与严谨性，已不再单纯依赖更大的预算或更庞大的车队规模，而是依靠从真实道路测试与仿真数据中提炼出最精准的洞察，确保自动驾驶系统能够应对那些极为罕见的异常场景——有些情况甚至在整个驾驶生涯中只会出现一次。

自动驾驶卡车制造商Kodiak为应对这一挑战，采用了两款工具。其中一款借助AI技术研发，两款工具共同加速了Kodiak在安全工程方面的效率、深度与精准度，并为"Kodiak Driver"系统的安全性提供了清晰、有力的证据支撑。

Kodiak随后将评估结果与人类驾驶员的基准表现进行对比，该基准由Kodiak与多家顶尖交通研究机构合作建立。

第二款工具是Kodiak自主研发的AI验证工具BreakPoint。BreakPoint能够智能高效地搜寻可能导致碰撞或其他异常行为的边缘案例。

两款工具共同构成Kodiak安全案例的核心要素，支撑着公司以资本高效的方式，在多种真实环境与应用场景中安全开发并部署其AI驱动的自动驾驶系统。

PRA与BreakPoint共同代表着Kodiak实现安全无人驾驶车辆规模化部署的关键基石。

自动驾驶车辆的安全性不能仅凭口头声称，必须经过严格验证。PRA是一种最早在航空航天、核能等安全关键行业中得到广泛应用的安全风险量化方法。

Kodiak的PRA将贝叶斯概率理论、系统工程、可靠性分析与统计模型融为一体，形成量化结果，充当推理引擎，使Kodiak能够计算极少发生场景下的碰撞预期概率——这些场景的发生频率之低，仅凭真实道路测试往往难以有效采集。

尤为关键的是，PRA能够对风险评估本身所包含的不确定性进行量化描述，让Kodiak以数学上的严谨性清楚掌握哪些方面证据充分、哪些方面仍需进一步积累。一切结论以硬数据为依据，而非凭直觉判断。

简而言之，Kodiak PRA将场景分解为三个核心维度：

场景暴露频率：车辆遭遇此类运行场景的频率有多高？

碰撞发生概率：在车辆遭遇该运行场景的前提下，发生碰撞的可能性有多大？

碰撞严重程度：该场景下一旦发生碰撞，后果会有多严重？

PRA充分考量了不可避免的不确定性，并随着Kodiak持续积累数据与观测结果而不断更新，使评估模型始终反映出最新的知识状态。

功能安全通常关注的是"某个部件发生故障时会怎样？"，而对于自动驾驶安全来说，一个更具挑战性的问题是："当系统一切运转正常时，它是否真的有能力安全应对真实世界中的各类场景？"

PRA方法代表的是一种迭代式、动态化的自动驾驶安全评估过程，而非一次性的合规打卡。

这使它有别于汽车与卡车行业中传统的功能安全流程与标准——在传统方式下，功能安全分析往往只进行一次，用于验证安全合规性后便长期保持静态不变。

与行为安全最密切相关的标准是预期功能安全标准（ISO 21448），该标准专门针对系统在正确执行功能的情况下，因遭遇意外条件而引发危险的问题。

Q&A

Q1：Kodiak的概率风险评估系统（PRA）是什么？它如何衡量自动驾驶安全？

A：Kodiak PRA是一种将贝叶斯概率理论、系统工程、可靠性分析与统计模型相结合的安全风险量化方法，最初源于航空航天、核能等高安全要求行业。它从场景暴露频率、碰撞发生概率、碰撞严重程度三个维度分解风险，计算极少发生场景下的碰撞预期率，并将结果与人类驾驶员基准对比，以数学方式量化评估结论中的不确定性，随数据积累持续更新。

Q2：BreakPoint工具是做什么的？它和PRA有什么关系？

Q3：Kodiak的安全评估方法与传统汽车行业的功能安全标准有何不同？

A：传统汽车行业的功能安全分析通常只进行一次，用于验证合规后便保持静态。而Kodiak的PRA是一个迭代式、动态化的持续过程，会随新数据的积累不断更新。此外，Kodiak的方法还特别关注ISO 21448预期功能安全标准，专门应对系统正常运行时因遭遇意外条件而引发危险的问题，而非仅聚焦于"部件故障"场景。