论证完交通事故的责任之后，接着论证产品责任。首先是对缺陷的分类：
产 品 缺 陷 可 类 型 化 为 制 造 缺 陷（Manufacturing Defect）、 警 示 不 充 分 缺 陷 （Insufficient Warning）、设计缺陷（Defective Design）三种，〔30〕就自动驾驶技术发展 的趋势而言，设计缺陷的认定是三者之中更为核心的问题，具体可能表现为设计了 有漏洞的代码、使用了有瑕疵的数据、作出了不合理的驾驶决策等等。
这个分类和设计缺陷的重要性，和行业认知是一致的。再看缺陷如何在法律上定义：
我国《侵权责任法》中对“缺陷”一词并无界定，《产品质量法》 第 46 条将“缺陷”规定为两层含义：“危及人身和财产安全的不合理危险”和“违 反国家和行业标准”。
行业一般的认知是，“不合理危险”不好衡量，在发生纠纷时也不好形成判断标准；因此，“国家和行业标准”，事实上是自动驾驶落地的前提 —— 比如AVP有了国家标准，随后大规模落地就是可以预见的。当然，“不合理危险”在国外也有对应描述的：
《美国侵权法第二次重述》判断“不合理的危险”时采用的是“消费者合理预 期”的表述。但“消费者合理预期”的标准过于抽象，可操作性不强，无法适用 于自动驾驶汽车这类复杂的产品。
“消费者合理预期”的基 点是社会整体或大部分群体对产品安全性的期待，即智能汽车的驾驶操作能力需 要达到与人类驾驶员同等甚至更高的水平，否则有违自动驾驶的设计初衷。但是 从设计者的角度出发，要求自动驾驶系统不仅能够遵守交通规则，还能预测各种 突发事故，并能立刻执行行之有效的决策，显然以目前的技术有些强人所难。
所以，美国也转向了：
为了回应实践中的操作难题，《美国侵权法第三次重述》转而采取了“风险 - 效用”标准，受害人需要提出合理的“替代性设计”（Alternative Design）。
我的理解是，这是一种尝试寻找出因果性（Causality）的尝试：
缺陷设计与替代性设计的关系可类比统计学实验中观察组和对照组的关系，在能够提出合理的替代性设计前提下，“风险 - 效用”的标准才有讨论的空间。
（ 〔32〕 Gary T. Schwartz, Understanding Products Liability, California Law Review (1979) , p.435. ）
当然，技术水平是否支持，如何去做 —— 比如通过仿真？也许可行。作者的描述是：
就具体事 故中产品缺陷的认定而言，如果在控制其他变量的前提下对算法中的某个要素或 某些要素的组合进行更改，使得同等条件下可以有效避免损害发生，则可证明自 动驾驶汽车的某项设计存在缺陷。
当然，如果事前即可识别风险，但在销售时未 尽到充分的说明和警示义务，应归为制造缺陷或警示说明缺陷的范畴。
哪怕是仿真，随机对照实验等的结合，这会是一个概率性的判断，而且无法解决如下问题：
替换某个数据或代码的操作很简单，但经过修改之后的产品安全性论证却是极为 复杂的。这就需要原告一方拥有强大的专业知识证明系统中某些要素的置换能够 提高产品的安全性能，显然诉讼成本大幅提高，也将技术性问题的解释责任推给 了受害方。
也正是因为这是一个集体性的概率判断，所以才会有：
正是由于“风险 - 效用”标准引发的技术和经济上的困难，诸如传统 驾驶汽车等产品质量问题的争端解决通常表现为“集团诉讼”的形式，以分担诉 讼产生的巨额成本。〔33〕可见，针对设计缺陷的问题，无论采用哪种标准，解释过 程都存在一定漏洞，说理有待进一步完善。
