这个转变发生在他入职前半年。第一代远程操作员因为直接操控车辆导致过两起事故——人的反应延迟加上网络抖动，比算法自己处理还慢。后来智行出行的cto拍了桌子，整个部门推倒重来，最终确立了现在的模式：算法处理百分之九十九点九的场景，剩下那零点一个百分点，由人类操作员用最精准的语言告诉算法这是什么该忽略什么可以用什么方式通过。
张远的工牌上写的是高级行为干预师，但他更喜欢叫自己云端哨兵。
凌晨四点，第一批晨练的老人开始出现在城西公园附近的道路上。张远负责的区域内有两辆车正在那个片区运营，它们的感知系统频繁地把慢跑的老年人标记为移动障碍物，轨迹预测模块给出的路线在安全避让持续通行之间反复横跳，平均每三分钟就需要一次人工确认。
他的手指在触控板上飞快跳动。十七号车前方有一位穿红色运动服的老人，步态略有不稳——可能是膝盖不好，也可能是路面不平。算法的行人姿态分析给出了百分之六十七的摔倒概率，于是整辆车进入了一种近乎神经质的戒备状态，刹车踏板上的压力传感器微微收紧，随时准备急停。
十七号，目标行人步态正常，无需额外制动空间。保持现有速度通行，注意右后方电动自行车。张远下完指令，又补了一句：红色衣服，别跟丢了。
最后那句话是说给追踪模块听的。红色在清晨的灰色街景里是最容易丢失的特征，一旦目标从主摄像头的视野边缘消失，重新找回的算力开销极大。果然，在他的指令下，十七号车的多目标追踪器把红色运动服的行人标记成了高优先级跟踪对象，即便在老人拐进林荫道、身影被树影切割成碎片之后，激光雷达的回波依然牢牢锁定着那个移动的热源。
周姐那边忽然发出一声轻微的吸气声。张远转头看去，周姐的主屏幕上，一辆在工业园区行驶的车辆遇到了一个他从未在培训案例里见过的情况：前方道路上散落着几十张被风吹散的纸页，像是从某辆货车上掉下来的发货单，在柏油路面上铺成一片不断翻涌的白浪。
无人车的视觉系统正在疯狂输出语义标签。在训练集里属于低关注度物体，但算法同时检测到了纸页上印刷的条形码——那被误判成了某种警示标识。于是路径规划模块产生了矛盾：一方面认为前方是可通过的散落物，另一方面却因为条形码的属性而想要绕行。绕行的路径又会被其他纸页上的条形码继续阻断，整辆车在原地以极慢的速度画着微小的弧形，像个迷路的蚂蚁。
这什么情况？张远忍不住问。
周姐已经在处理了。她没有直接给出绕行或通过的指令，而是先调取了前十五秒的录像，确认纸页的来向，又在高精地图上标记了疑似散落源头的货车轨迹。做完这些前置分析，她才对着麦克风说：三十二号，前方散落物为普通纸质单据，无危险品标识。允许低速直行通过，无需避让。所有条形码均为印刷品，非交通标志。
三十二号车犹豫了大概零点八秒，然后像突然想通了什么似的，直直地轧过那片纸海。摄像头捕捉到一张纸页被气流卷起，贴在车头散热格栅上，几秒后又脱落，翻卷着消失在车底。
周姐在日志里详细记录了事件，标注了条形码误检散落物语义分级缺失两个问题，抄送了算法训练组。做完这一切，她摘下眼镜靠在椅背上，闭了会儿眼睛。
小张，她没睁眼，你知道我们这行最怕什么吗？