1、首例自动驾驶定责案诞生，特斯拉将承担超2亿元赔偿责任

2025年8月1日，美国佛罗里达州陪审团裁定，特斯拉公司在2019年一起车祸中负有责任，应向原告方赔偿超2.4亿美元，约合人民币17.3亿元。

这起案件涉及发生在2019年4月25日的一起事故。当时一名司机驾驶他配有自动辅助驾驶系统的特斯拉Model S型汽车以大约每小时100公里的速度穿过一个十字路口，撞上了原告方停在路边的汽车，造成一名女性死亡，其男友受重伤。而司机在撞到原告方的汽车前，曾伸手去捡掉在车里的手机。在此过程中他还闯了一个红灯且忽视了一个停车标识，但据称他没有收到任何警告。

佛州迈阿密联邦法院的陪审团认为涉事司机应对本次车祸承担67%的责任，但他不是被告方，也不必支付他的那部分赔偿金。特斯拉方面则负有约三分之一的责任，根据裁决，该案总赔偿金高达3.29亿美元，特斯拉需承担其中约4250万美元的补偿性赔偿，以及全部2亿美元的惩罚性赔偿，总计约2.425亿美元。

这一判决成为特斯拉公司在美国首宗由陪审团裁定需对自动驾驶致死事故负部分责任的案件，具有标志性意义。原告方代理律师表示，这是首起因自动驾驶系统导致第三方非正常死亡而进入审判程序的案件。（来源：互联网法律匠、央视财经）

 

评论：本案是美国首例明确AI系统开发商应对自动驾驶事故承担责任的案件，虽然特斯拉明确提出将上诉，案件还未正式生效，但本案的结果将对全球AI及汽车产业的未来产生重大影响。

本案庭审的争议焦点在于责任的划分。原告方认为，特斯拉对其Autopilot系统的宣传存在误导，让驾驶员过分信赖其能力，且系统本身存在设计缺陷，未能在驾驶员分心时有效预警或接管车辆。特斯拉则坚称，事故的全部责任在于驾驶员的鲁莽行为，其操作手册已明确要求驾驶员需时刻保持警惕。很显然，最终陪审团没有采信特斯拉公司的抗辩意见。

该案的核心在于，即便驾驶员存在明显过错，企业仍可能因产品设计缺陷或宣传误导而承担责任。这打破了以往将责任完全归咎于人的惯例，将AI系统本身的设计、性能和营销方式纳入了法律责任考量的范畴。可以预见，该判决将为未来的原告方提供了极具说服力的判例和诉讼策略，针对辅助驾驶系统的事故诉讼将大幅增加。责任分配不再是“0或1”的博弈，而是可能出现“按比例划分”的局面，这将极大激励原告方将AI公司列为共同被告，要求更具有赔偿能力的开发商进行赔偿或和解。

而针对该等司法实践新情况，AI企业应从法律、技术和宣传层面进行全面调整，以化被动为主动：

• 在技术方面，强化技术安全冗余。这是根本的应对之道。AI企业必须将安全置于首位，通过更严苛的内部测试、第三方验证以及对现实世界事故数据的深度学习，持续优化算法，提升系统的感知、决策和执行能力。同时，建立强大的黑匣子数据记录系统，对于事故溯源和责任认定至关重要。
• 在宣传方面，明确产品定位。避免使用“自动驾驶”“无人驾驶”等可能产生误导的词汇，以管理用户预期。强化车辆上市、宣传、交付流程中对驾驶员的相关提示。目前，已有多家车企开始将“智能驾驶”的宣传改为“辅助驾驶”，正是出于这种考虑。
• 在法律方面，企业必须在营销宣传和用户手册中，以清晰、明确、无歧义的语言，向用户传达其AI产品（尤其是辅助驾驶系统）的功能边界和使用限制。简单的弹窗确认已不足够，或需考虑引入交互式教学及考试、驾驶评分系统、强制性安全视频观看等环节。
• 在产品方面，设计更有效的驾驶员监控系统，确保驾驶员在开启辅助驾驶功能时保持专注。在系统即将达到能力边界或检测到驾驶员分心时，应发出多重、明确的警告，并在必要时主动减速或安全停车。

 

2、国务院审议通过《关于深入实施“人工智能+”行动的意见》

2025年7月31日，李强总理主持召开国务院常务会议，审议通过《关于深入实施“人工智能+”行动的意见》。

会议指出，当前人工智能技术加速迭代演进，要深入实施“人工智能+”行动，大力推进人工智能规模化商业化应用，充分发挥我国产业体系完备、市场规模大、应用场景丰富等优势，推动人工智能在经济社会发展各领域加快普及、深度融合，形成以创新带应用、以应用促创新的良性循环。政府部门和国有企业要强化示范引领，通过开放场景等支持技术落地。要着力优化人工智能创新生态，强化算力、算法和数据供给，加大政策支持力度，加强人才队伍建设，构建开源开放生态体系，为产业发展壮大提供有力支撑。要提升安全能力水平，加快形成动态敏捷、多元协同的人工智能治理格局。（来源：第一财经）

 

评论：尽管全文尚未公布，但从官方释放的关键信息来看，本次《意见》核心精神在于促进发展与安全治理并重，旨在充分释放中国在场景、市场和产业体系上的优势，推动AI产业的规模化、商业化。从法律视角，如下几个方面值得关注：

• 《意见》强调要强化数据供给，与此前关于构建数据基础制度更好发挥数据要素作用的意见》一脉相承，这意味着将加速探索数据产权、流通交易等基础制度落地。未来可能在保障安全和隐私的前提下，推动公共数据和行业数据的有序开放与共享，为AI模型训练提供高质量的养料。
• 《意见》特别提到，政府部门“通过开放场景等支持技术落地”。AI企业在金融、医疗、交通等领域落地常面临准入和数据孤岛问题，此番表态预示着政府将通过制定试点政策、建立监管沙盒等方式，为AI技术在这些领域的应用打开通道。此外，《意见》指出“动态敏捷治理”，表明监管将更侧重于通过国家标准、行业指南、伦理审查、安全评估和算法备案等“软法”与“硬法”相结合的方式，进行灵活、及时的引导和规范。
• AI的规模化应用，将不可避免地带来一系列知识产权问题，如训练数据的版权合规、生成内容的权利归属以及对他人知识产权的侵权风险。《意见》的实施，将倒逼立法和司法实践加快对这些新问题的回应，可能会看到针对AI生成内容的版权认定、AI开发者与使用者之间的责任划分等方面更清晰的司法解释或指导案例出现。

 

3、调查显示AI编程工具使用率上升的同时对其信任度在下降

Stack Overflow对4.9万名程序员的调查发现，2025年八成开发者在工作流程中使用AI辅助编程工具，但开发者对其准确性的信任度从前几年的40%降至今年的29%。45%的受访者认为，AI辅助编程工具最让他们不满的地方是“解决方案几乎正确但并不完全正确”，相比输出明显错误的答案，几乎正确但不完全正确的答案可能会在程序中引入隐藏的bug或者其它难以识别需要时间解决的问题。逾三分之一的开发者表示他们如今访问Stack Overflow部分是为了寻找AI相关的问题。大模型的问题不可能完全解决，因为这是其工作原理决定的。开发者仍然使用大模型的原因包括经理要求他们使用，以及AI工具仍然有用但不能被误用。（来源：Solidot）

 

4、AI生成的代码近半包含安全漏洞

AI也许是软件开发的未来，但人类尚未做好把手从方向盘上移开的准备。Veracode发布了AI生成代码的安全性报告《2025GenAI Code Security Report》，逾百个大模型完成了80项编程任务，但AI生成的代码有约45%存在安全漏洞。这些安全漏洞很多都属于OWASP（Open Worldwide Application Security Project）Top10漏洞。报告发现，当AI给予选项写安全或不安全代码时，几乎一半的时间它选择了错误的路径。（来源：Solidot）

 

评论：对开发者来说，开发者们遇到的最大困扰并非AI生成了完全错误的垃圾代码，而是“几乎正确，但又不完全正确”的代码。一方面，开发者看到了一个可以提高效率的优秀工具，如果不用可能要被行业抛弃。但另一方面，这个工具在底层逻辑或边界条件上隐藏着不易被发现的缺陷及安全漏洞，一旦大意就可能导致项目倾覆。

这并非AI编程的末日，反而预示了软件开发者的角色演变，开发者不再是代码编写人员，而正转变为“制作人”角色，提问能力（如何向AI清晰、准确地描述需求）、审计能力（如何准确逐行审查、逻辑验证和安全扫描）、调试能力（如何定位BUG和解决问题）变得前所未有的重要。未来，真正的赢家不会是那些试图用AI完全取代人类的组织，而是那些能够智慧地将人类的经验、判断力与AI的超凡效率相结合，建立起一套严格、审慎、负责任的人机共生开发流程的企业。