Jonathan Morrison表示，NHTSA已經記錄到多起自駕車闖入事故現場、阻礙消防車與救護車通行，甚至無法辨識警示燈、交通錐、煙霧、火焰以及臨時交通管制等情況。他在致產業界的公開信中指出，主管機關觀察到自駕車在面對緊急應變現場時，存在一種明顯且共同的模式，代表這並非單一車廠或個別事件，而是目前整個產業共同面臨的技術瓶頸。他更強調，若自駕車無法安全地與第一線救援人員互動，就代表其功能仍有所不足，而這樣的車輛對公共安全本身就是一項風險。因此，NHTSA已要求各家自駕車開發商於月底前與主管機關召開會議，提出具體改善方案，希望能盡快建立一致性的解決方向。
之所以這項議題受到高度重視，是因為人類駕駛與人工智慧在理解交通環境的方式有本質上的不同。一般駕駛人在看見消防車鳴笛、警車封鎖道路或消防員揮手指揮交通時，大多能憑藉經驗立即理解現場狀況並做出適當反應；然而，對AI而言，這些卻屬於極其複雜的非結構化交通情境。目前自駕車主要依靠高精地圖、攝影機、毫米波雷達、光達以及AI演算法進行感知與決策，大部分系統都是建立在正常道路環境下進行判斷。然而，真正困難的往往是臨時封路、消防員手勢指揮、濃煙遮蔽視線、夜間火災、交通錐臨時改道、警車不同角度的警示燈號，甚至救護車逆向行駛等特殊狀況。這些都屬於高度非標準化的道路場景，每一次都需要AI即時重新理解整體交通環境，而非依照既有地圖資料行駛。
雖然NHTSA此次並未點名任何特定業者，但德州地方媒體日前曾報導，一輛Waymo Robotaxi於今年5月底在達拉斯行駛時，曾部分阻擋消防車前往一棟失火公寓的救援路線。事實上，近兩年來，美國已有多起類似案例，包括Robotaxi停在事故現場中央、無法理解警方手勢、停在消防栓旁妨礙消防作業，以及因系統誤判而突然停車等事件，都曾引發地方消防單位與執法機關批評。雖然這些事件大多未造成重大傷亡，但卻共同反映出一項值得產業深思的問題：AI可以嚴格遵守交通法規，卻未必理解交通規則背後的人類社會運作邏輯。
隨著Robotaxi開始進入大規模商業營運，真正的考驗才正要開始。如果是在封閉測試場域，自駕車或許可以達到極高的成功率，但一旦進入真實城市，每一天都可能遭遇道路施工、臨時遊行、馬拉松賽事、演唱會交通管制、警方改道、消防救災或天然災害等各種突發情況。這些資訊並非固定存在於高精地圖之中，而是需要AI即時理解、推理並做出符合現場狀況的決策。
目前多數自駕車系統已具備相當成熟的感知能力，能夠辨識車輛、行人、自行車與交通號誌。然而，真正困難的是更高層次的情境理解與行為推理。例如，一輛消防車停在道路中央，AI不僅需要辨識它是一輛消防車，更必須理解它為何停在那裡、是否正在執行救災任務、是否應立即讓路、是否需要改道，以及消防員的手勢是否優先於交通號誌等問題。這些能力已經超越傳統影像辨識的範疇，而是近年生成式AI、世界模型以及Physical AI積極投入發展的重要方向。不少車廠與科技公司也開始導入大型AI模型，希望提升自駕系統在未知情境中的推理能力，而不再只是依賴大量預先標註的訓練資料。
值得注意的是，NHTSA此次並未直接祭出新的法規限制，而是選擇要求產業提出改善方案，顯示美國政府對自駕車的監管思維也正逐步轉變。一方面，美國希望持續維持全球自駕技術領先地位，不願因過度管制而抑制創新；另一方面，隨著Robotaxi車隊數量快速增加，主管機關也意識到，若這類安全問題持續存在，一旦發生重大事故，不僅將削弱社會對自駕技術的信任，更可能迫使監管政策全面收緊。因此，NHTSA此次提前介入，也可視為在鼓勵創新與維護公共安全之間尋求平衡的重要訊號。
從產業發展角度來看，自駕車如今已逐漸跨越能否自行駕駛的技術門檻，下一階段真正決定產業成敗的，將是能否融入真實世界中充滿變數的交通環境。對Robotaxi業者而言，提升感測器精度、增加運算能力或擴大AI模型規模固然重要，但更關鍵的是讓系統真正理解警察指揮、消防救災、臨時封路等高度依賴人類互動與判斷的社會情境。NHTSA此次發出的警告，也象徵著自駕車產業的競爭焦點正在改變。未來衡量一套自動駕駛系統是否成熟，不只是看它能否安全地將乘客送達目的地，更要看它能否在緊急狀況下成為救援工作的助力，而非阻礙。當AI真正學會理解並尊重人類社會的交通秩序，自駕車的大規模商業化，才有機會跨越最後一道門檻。