第一章：百年梦想——从自动马车到AI司机

1939年的纽约世博会，通用汽车馆内人头攒动。在“未来高速公路”展区，参观者坐上模拟汽车，穿过一个充满荧光灯的隧道。灯光在车窗外流动，仿佛在高速行驶。讲解员的声音透过广播传来：“想象一下，二十年后，你们可以在专用车道上，一边喝咖啡，一边让汽车自己驾驶。” 展厅外，纽约的街道上，汽车还需要人手转动方向盘。但在这个充满霓虹与幻想的空间里，一个关于“机器司机”的梦想，被如此具体而诱人地呈现出来。这并非人类第一次幻想自动行驶，但却是第一次，这个幻想被如此大规模地、系统性地展示给公众，仿佛一张通往未来的蓝图。

把时间倒回更早的岁月。1480年左右，意大利的芬奇镇，列奥纳多·达·芬奇在笔记中画下了一幅复杂的草图。那并非飞行器或战争机器，而是一种“自动马车”的设想。它由发条驱动，齿轮啮合，理论上可以沿着预设的路线自行移动。虽然受限于时代，这更像一个精美的玩具概念，但它清晰地包含了自动驾驶的核心要素：动力系统、路径遵循、以及脱离人力直接操控的意图。达·芬奇的笔触跨越了五个世纪，轻轻触碰到了一个至今仍在激烈争论的命题：机器，能否取代人的感官与判断，安全地驾驭一个移动的金属躯壳？

从芬奇的羊皮纸到世博会的荧光灯，人类对“自动行驶”的渴望，如同一条隐秘的地下河，在历史的岩层下时而奔涌，时而干涸。它并非科技树的必然分枝，而是一种根植于人类对自由、安全与效率永恒追求的浪漫想象。我们厌倦了握紧方向盘的疲惫，恐惧于分神瞬间的危机，更向往着在移动中能读书、工作、休憩的“移动生活空间”。这种渴望，在工业革命后机械力量爆发的时代，找到了实现的可能。本章将循着这条地下河的脉络，回溯那些关键的时刻、闪光的个体与失败的尝试，讲述一个关于梦想、挫折与最终曙光的故事。这不是一个关于某个天才突然发明了“自动驾驶”的传奇，而是一幅由无数人接力绘制的、跨越千年的拼图。每一块拼图，无论大小，都不可或缺。

---

一、机械幻梦：从发条幻想到“幽灵汽车”

在达·芬奇之后，自动行驶的构想并未立即进入工程实践，而是沉入了漫长的“机械幻梦”期。17至18世纪，欧洲宫廷里流行着精巧的自动机器，如能写字的机器人、会弹琴的玩偶。这些玩具展现了齿轮与凸轮组合的魔力，但它们与“行驶”无关，更多是权力与好奇心的炫耀。真正的转机，发生在19世纪，当蒸汽动力开始征服陆地与海洋。

“遥控”的曙光与“无人”的雏形

1870年代，一位名叫约翰·拉姆齐的英国海军军官，在杂志上发表了一个大胆的设想：用电力驱动一辆“幽灵汽车”（Phantom Car），通过地下电缆发送指令，使其在铁轨上自动行驶，用于夜间巡逻或危险货物运输。这已经是远程操控的雏形，而非完全自主。但关键的一步在于：将人的操作，通过某种媒介（电线）进行空间上的分离。

真正的“无人”实验，出现在20世纪初。1925年，美国工程师弗朗西斯·胡迪纳（Francis Houdina）在纽约街头测试了一辆“无线电控制汽车”。这辆车由后方的一辆车上的人通过无线电信号控制，能完成启动、加速、转弯甚至鸣笛。媒体哗然，称之为“美国奇迹”。然而，它本质上是一辆高级遥控车，距离“自主”还差得远。但它证明了：无线技术，可以让“司机”离开车身。这是一个重要的心理与技术铺垫，公众开始习惯“没有人的汽车”这个概念。

与此同时，一个更实用、也更先被商业化应用的“自动化”路径，正在汽车内部悄然萌芽——巡航控制。1945年，一位名叫拉尔夫·蒂特（Ralph Teetor）的美国发明家申请了“恒定速度控制”专利。这位盲人工程师的灵感，源于他乘车时，司机频繁踩油门导致的颠簸让他不适。他的装置能自动调节节气门开度，保持预设车速。1958年，克莱斯勒“帝国”轿车首次将其作为选装配置推出，名为“自动巡航控制”（Auto-Pilot）。这并非“自动驾驶”，但它实现了在单一维度（纵向速度）上的自动维持，是汽车“自动化”的第一次实质性突破。它像一个忠诚的脚，替司机完成了单调的踩踏任务，为日后更复杂的系统埋下了种子。

关键节点：从发条构想、无线电遥控到巡航控制，人类探索的路径清晰可见：从完全自主的幻想，到远程操控的尝试，再到车内单一功能的自动化。这些探索虽然未能实现“从A到B的全程自主”，但它们分解了“驾驶”这个复杂任务，并验证了部分环节的自动化可行性。它们如同一个个探路的哨兵，虽然未能抵达城堡，却标记了地形与障碍。

---

二、高速公路之梦：通用汽车的“未来”与政府的大计划

如果说之前的探索还散落在民间与实验室，那么20世纪中叶，一股强大的力量将“自动行驶”推上了国家战略与产业蓝图的前台。这股力量，就是美国，以及它引以为傲的高速公路系统与蓬勃发展的汽车工业。

1939年纽约世博会与“原子能汽车”

回到本章开头的场景。通用汽车的“未来高速公路”展区，是其愿景的核心。展区负责人是工业设计师诺曼·贝尔·格迪斯（Norman Bel Geddes）。在他的规划中，未来的高速公路是专门为“自动汽车”设计的。这些汽车由无线电控制，编队行驶，间距精确，由中央系统调度。格迪斯甚至预言，这种系统将彻底消除交通事故与拥堵。他的设想如此完整，以至于在展馆里，参观者看到的不是一辆辆独立的汽车，而是一个由无数“自动单元”组成的、如流体般顺畅的交通系统。

更具科幻色彩的是，通用汽车还展示了一款“原子能汽车”模型。它由钚驱动，续航无限，外形流线如飞碟。虽然核动力汽车从未成为现实，但这个设计传递了一个强烈的信号：未来的汽车，其核心将不再是“司机”，而是“能源”与“控制”。人的角色，被设定为纯粹的乘客与享受者。

1956年《国家州际公路法案》与“自动高速公路”研究

二战后，艾森豪威尔总统签署了《国家州际公路法案》，美国开始建设覆盖全美的超级高速公路网。这条条平坦、笔直、隔离的“现代动脉”，为“自动行驶”提供了近乎理想的环境：没有交叉路口、没有对向车流、没有行人。路况的简化，让“机器司机”的难度骤降。

在此背景下，美国联邦政府开始系统性投入。1960年代，美国交通部启动了“自动高速公路与车辆”（Automated Highway System, AHS）的早期研究。核心思想是：将“智能”赋予道路，而非汽车。设想在道路下方埋设电缆或磁力线，汽车通过感应装置与之交互，实现自动跟车、变道、进出匝道。汽车本身只需简单的执行机构。这被称为“基础设施依赖型”方案。

1970年代，日本也加入了研究。1977年，日本的建设省（现国土交通省）在东京附近建成了一条名为“Cyber​​car”的测试道路，使用埋设的电缆引导车辆。测试车辆成功实现了最高100公里/小时的自动跟驰与车道保持。这证明了在封闭、结构化道路上，基于固定引导的自动驾驶在技术上可行。

关键节点：通用汽车的展演与政府的巨额投入，将“自动行驶”从个人幻想提升为国家愿景与产业共识。其技术路线清晰：在专用道路上，通过车-路协同（V2I）实现自动化。这条路径逻辑自洽，且与当时的技术水平（模拟电路、简单传感器）匹配。它深刻影响了此后数十年的政策与研究重点，直到21世纪，车路协同依然是智能交通的重要方向。然而，这个“黄金时代”的梦想，最终为何未能普及？答案藏在成本、标准化与一个未预见的变量之中。

---

三、AI的蛰伏与实验室里的曙光：从ALV到Navlab

1970至1990年代，计算机科学经历了一次“AI寒冬”，基于规则和符号的通用人工智能期望破灭。但这并未阻止少数先驱者，将计算机视觉与机器人技术，应用于“自动车辆”这一具体而艰巨的挑战。他们在一个更艰难的环境中——非结构化、开放的真实道路——开始了探索。这条路，最终指向了“机器司机”最核心的难题：让计算机“看懂”并“理解”世界。

卡内基梅隆大学的ALV与Navlab

美国卡内基梅隆大学（CMU）的机器人研究所，是这段历史无可争议的圣地。1980年代，在国防高级研究计划局（DARPA）的资助下，CMU团队开发了“自动地面车辆”（Autonomous Land Vehicle, ALV）。这是一辆改装的面包车，车顶架着笨重的摄像头与传感器，车载计算机则是当时算力惊人的大型机。

ALV的使命是：在未经特殊改造的普通道路上，实现车道保持与障碍物避让。这在今天看来已是基础功能，但在1980年代，是近乎疯狂的目标。计算机视觉尚在襁褓，处理一帧图像需要数分钟，道路标线磨损、阴影变化、光照差异……每一个因素都是算法噩梦。

团队的核心突破，是开发了名为“SCARF”（Structured Classification And Reasoning for Freespace）的视觉系统。它不试图“理解”整个场景，而是将图像分割，通过一系列精心设计的、基于物理和几何规则的过滤器，来判断哪里是“可行驶区域”（free space），哪里是障碍物。这是一种“由粗到精、规则驱动”的经典AI路径。

1987年，ALV在一条未封闭的高速公路上，以最高56公里/小时的速度，完成了约20公里的自动驾驶。这看似缓慢的成就，是第一辆在自然道路场景中，仅依靠车载传感器（摄像头）实现自动驾驶的车辆。它证明了：计算机可以“看”路，并据此控制方向盘。

1990年代，CMU延续了这项研究，推出了更著名的Navlab系列。Navlab 1（1990）和Navlab 2（1992）是两辆大型厢式车，装备了更多传感器（立体视觉、激光测距仪等）。它们的著名成就，是完成了从匹兹堡到圣地亚哥的“无人驾驶横跨美国”之旅。当然，这并非全程自动驾驶。在高速公路上，系统可以控制转向与速度，但遇到复杂情况（如施工区、复杂立交），仍需人类接管。整个旅程耗时数天，大部分时间由人类驾驶，系统仅在某些路段辅助。但这趟旅程具有巨大的象征意义：无人车，真的可以跨州行驶。

欧洲的“尤里卡” PROMETHEUS计划

几乎同一时期，欧洲启动了更大规模、更耗资的“尤里卡” PROMETHEUS计划（1987-1995）。由奔驰主导，联合多家欧洲车企与科研机构，目标是“实现零事故、零拥堵的智能交通”。该计划投入巨资，测试了多辆原型车，如奔驰的“W140 S-Class”实验车。它在1995年完成了从慕尼黑到哥本哈根的近1600公里全程自动驾驶，在高速公路上最高时速达130公里，且全程几乎无需人类干预（仅在进出城复杂路况下由人接管）。这一成就比CMU的横跨美国更进了一步，在结构化高速公路上，实现了准全程自动驾驶。

关键节点：CMU与欧洲的探索，标志着自动驾驶研究从“专用道路基础设施引导”模式，转向了“车载智能主导”模式。核心挑战从“如何与道路通信”，变成了“如何感知、理解并决策”。ALV和Navlab的视觉系统，PROMETHEUS的融合传感器方案，都是对这个核心挑战的早期回应。它们奠定了现代自动驾驶的技术基石：传感器（摄像头、雷达、激光雷达）、环境感知、路径规划、车辆控制。这些实验室里的曙光，虽然受限于算力与算法，未能走向量产，但它们锻造了第一批“机器司机”的“大脑”与“眼睛”的雏形，并培养了一代核心研究人员。这段时期，是技术思想的“大爆炸”期，无数后来被证明至关重要的概念（如可行驶区域检测、传感器融合、行为决策状态机）都在此期间被提出、验证与争论。

---

四、DARPA挑战赛：点燃现代自动驾驶革命的烽火

如果说之前的探索是缓慢的积累与零星的突破，那么2004年发生在美国莫哈韦沙漠中的三场比赛，则如同三道闪电，彻底照亮并加速了自动驾驶的演进进程。这三场比赛，就是著名的DARPA Grand Challenge（DARPA大奖挑战赛）。

背景：军方的需求与开放的挑战

2001年，美国国防高级研究计划局（DARPA）发起了一项公开挑战：谁能造出一辆完全自主的车辆，在短时间内完成指定沙漠路线的越野行驶，谁就能获得100万美元奖金。动机很明确：为美军研发“不依赖士兵”的无人驾驶补给车，减少战场伤亡。DARPA的聪明之处在于：它不指定技术路线，只设定目标，向全球的大学、企业、甚至业余团队敞开大门。

2004年3月13日，首届挑战赛在加州莫哈韦沙漠举行。赛道长约240公里，充满碎石、陡坡、急弯。参赛的15支队伍，大多来自顶尖大学（如卡内基梅隆、斯坦福）和少数公司。结果令人沮丧：冠军“红团队”（卡内基梅隆）仅行驶了11.78公里，就因转向故障卡住；其余队伍大多在几公里内就陷入困境或撞毁。沙漠的严苛远超想象，计算机在剧烈颠簸与扬尘中难以稳定工作，传感器被沙土蒙蔽，预编程的路径在真实地形的随机性面前不堪一击。

失败是惨痛的，但DARPA看到了希望：这些团队展现出的技术能力，已经远超官方预期。于是，2005年10月，第二届挑战赛举行。赛道更复杂，全程约212公里，包含狭窄隧道、陡峭山坡、急转弯，且沿途设置了人工障碍物。这一次，技术实现了飞跃。最终，斯坦福大学“ Stanley”车队夺冠，以6小时53分的成绩完成全程，平均时速约31公里。卡内基梅隆的“沙猫”获得亚军，但距离冠军有近40分钟之差。

Stanley的成功秘诀是什么？它并非使用了前所未有的全新传感器，而是在系统工程上达到了前所未有的高度： 1. 传感器融合：它结合了激光雷达（LiDAR）（提供高精度3D距离图）、摄像头（识别道路颜色、纹理）、GPS/IMU（全局定位与姿态）。这成为后来所有自动驾驶系统的标准配置。 2. 分层软件架构：其软件清晰分为感知、建模、规划、控制四层，模块间接口明确，便于调试与优化。 3. 机器学习的前瞻应用：团队使用机器学习算法，从人工驾驶数据中学习如何区分“可行驶路面”与“不可行驶区域”（如路肩、草地），这比纯规则方法更鲁棒。 4. 强大的车规级计算平台：团队专门设计了坚固耐用的计算机硬件，能在恶劣环境下持续运行。

2007年，DARPA举办了第三届挑战赛——“城市挑战赛”。场景从沙漠荒野切换到模拟城市的市区道路，要求车辆遵守交通规则、避让其他车辆、处理交叉路口、完成环形绕行。这是第一次在开放、动态、存在其他交通参与者的场景中测试自动驾驶。最终，卡内基梅隆的“Boss” 夺冠，斯坦福的“Junior” 获得亚军。两车都展现了惊人的能力：理解交通信号、与其他车辆交互、进行复杂变道。城市挑战赛证明：自动驾驶可以进入人类社会最复杂的交通环境。

关键节点：DARPA挑战赛是自动驾驶发展史上的绝对分水岭。它产生了三大核心影响： 1. 技术验证与路径确立：比赛以最残酷、最真实的方式，证明了基于传感器融合（特别是激光雷达）+ 分层软件架构 + 机器学习辅助的技术路线，是实现复杂环境自动驾驶的有效路径。这条路径，直接导向了今天的L4级自动驾驶研发。 2. 人才与知识的汇聚：比赛吸引了全球顶尖的机器人、AI、软件工程人才。许多参赛团队成员，后来成为谷歌Waymo、特斯拉Autopilot、Cruise等公司的核心创始人或技术领袖。知识在竞争中快速传播、迭代。 3. 产业与资本的引爆点：比赛的全程电视转播与媒体报道，让“无人驾驶汽车”从一个实验室概念，变成了一个激动人心、看似近在咫尺的商业未来。风险投资开始涌入，大型科技公司（谷歌）和传统车企（通用、福特）开始严肃布局。DARPA用100万美元的奖金，点燃了一场价值千亿美元的产业革命。

---

五、互联网巨人的入局：从Google X到Waymo的诞生

DARPA挑战赛的硝烟未散，另一股更强大的力量已悄然入场。2009年，谷歌（Google）一个名为“Google X”的秘密实验室，启动了自动驾驶汽车项目。这个项目的启动，标志着自动驾驶从学术竞赛与军方项目，正式迈入商业巨头主导的、以规模化和产品化为目标的新纪元。

“甜点”的发现与“数据驱动”的范式

谷歌项目的核心发起人之一，是斯坦福大学参加DARPA挑战赛的明星教授塞巴斯蒂安·特龙（Sebastian Thrun）。作为Stanley车队的关键成员，他亲眼见证了激光雷达、传感器融合与机器学习在挑战赛中的威力。来到谷歌后，他带来了一种全新的思维：互联网公司的核心能力——大规模数据处理与机器学习，能否彻底重塑自动驾驶的研发范式？

此前的研发，高度依赖专家手工编写规则（如“如果看到一条白线，就保持在其内侧”）。这种“规则驱动”方法在复杂场景中很快会遇到“规则爆炸”问题。特龙与团队提出：能否像谷歌搜索利用海量用户数据优化排序一样，用海量真实驾驶数据，让机器“自学”如何驾驶？

他们首先需要的是数据。2009至2010年间，谷歌团队在内部园区和加州街道上，秘密测试了多辆改装车（基于丰田普锐斯、奥迪TT等）。这些车配备了昂贵的64线激光雷达（Velodyne HDL-64E，当时售价约8万美元）、高清摄像头、毫米波雷达与高精度GPS/IMU。它们像移动的“数据贪婪者”，不分昼夜地行驶，记录下每一帧传感器数据、每一次人类驾驶员的转向、油门、刹车动作。

2010年，团队在博客上首次公开了他们的项目，并发布了一段令人震撼的视频：一名盲人坐在谷歌自动驾驶汽车的后座，在加州街道上平稳行驶。视频的结尾，盲人激动地说：“我做梦也想不到，这辈子还能有一次这样的驾驶体验。” 这段视频病毒式传播，将自动驾驶的愿景从“提高效率”提升到了“赋能弱势群体”的人文高度，引发了全球范围的关注与讨论。

从Google X到Waymo：独立公司与技术成熟度

2016年，谷歌将该项目重组为独立的子公司Waymo（意为“a new way forward”）。这一举动具有深远意义： 1. 商业化明确化：Waymo不再是一个实验室项目，而是一个以商业化运营（Robotaxi服务）为目标的公司。 2. 技术路线聚焦：Waymo明确放弃了辅助驾驶（如特斯拉的Autopilot模式），All in 全自动驾驶（L4），且专注于在限定区域（Geofenced Area）内提供无安全员的出行服务。 3. 技术体系化积累：经过数年百万英里级的道路测试与虚拟仿真，Waymo构建了庞大的“驾驶场景库”与强大的“模拟器”。其核心系统Waymo Driver，集成了自研的激光雷达（成本大幅降低）、摄像头、雷达，以及基于深度学习的感知、预测、规划软件。

关键节点：谷歌/Waymo的入局，是自动驾驶发展史上的第二次范式转移。

• **第一次转移**（DARPA时代）：确立了“传感器融合+分层架构”的技术路径。
• **第二次转移**（谷歌时代）：确立了“**海量数据+机器学习+大规模仿真**”的研发与迭代范式。

其核心思想是：**驾驶的“长尾问题”（罕见但危险