10月16日，苗圩在2025世界智能網(wǎng)聯(lián)汽車大會上，機器駕駛第十四屆全國政協(xié)常委、存安經(jīng)濟委員會副主任苗圩表示，全挑與人駕駛相比，苗圩機器駕駛在在反應(yīng)速度、機器駕駛規(guī)則執(zhí)行等方面具備一定的存安優(yōu)勢，但機器駕駛也存在著安全挑戰(zhàn)。全挑

　　一是苗圩應(yīng)對“長尾場景”的能力不足，所謂“長尾場景”，機器駕駛指的存安是面對訓練數(shù)據(jù)中未充分涵蓋的罕見場景，機器的全挑決策系統(tǒng)可能因缺乏先驗知識而失效，構(gòu)成潛在的苗圩安全隱患。

　　二是機器駕駛感知與認知存在固有局限，機器對駕駛環(huán)境的存安感知依賴傳感器數(shù)據(jù)與預(yù)設(shè)的算法，易受到惡劣天氣、傳感器噪聲、模型偏差等因素的影響，可能影響駕駛決策的準確性。

　　三是“黑箱效應(yīng)”帶來的不可控風險，尤其是端到端等基于深度學習的駕駛系統(tǒng)，其決策過程不透明，可能導致行為邏輯難以追溯，責任難以認定，可能在出現(xiàn)錯誤時缺乏有效的干預(yù)與控制手段。