交通标志识别（TSR）系统对于安全、正确的自动驾驶至关重要。近年来，学术界对TSR模型的物理世界对抗攻击研究显示出这类攻击具有低成本、高可部署性，并能造成严重后果（如隐藏关键交通标志或伪造虚假标志）。然而，现有研究大多仅在学术模型上评估攻击效果，对真实商业TSR系统的影响知之甚少。本文首次对商业TSR系统进行了大规模物理世界对抗攻击测量。测试结果显示，某些学术攻击方法确实能在特定商业TSR系统功能上达到100%的攻击成功率，但该能力并不具备泛化性，整体攻击成功率远低于预期。作者发现一个潜在的关键因素：当前商业TSR系统中普遍存在的“空间记忆”设计（spatial memorization design）。该设计会在系统级影响攻击的实际生效过程。为准确刻画这一影响，作者设计了新的攻击成功率指标，能够数学化地建模该设计对TSR系统级攻击成功率的修正，并利用这些指标重新审视现有攻击方法。通过上述工作，作者总结出7项新观察，其中部分观察因为新指标的引入，直接挑战了既往研究中的结论或主张。这项研究填补了学术攻击研究与商业系统现实差异之间的空白，为评估自动驾驶感知系统的真实对抗风险提供了新视角，并为后续设计更贴近实际部署的鲁棒性测试与防御策略奠定了基础。适合自动驾驶安全研究人员、TSR系统开发商以及关注物理世界对抗攻击的AI安全从业者阅读。