第一章 自动驾驶的起源：从汽车发明到智能出行梦想
当你坐在私家车的后座，看着前座的父亲在连续驾驶三小时后不停地揉着发涩的眼睛，母亲递过一杯咖啡时轻声说“要是车能自己开就好了”——这个看似普通的家庭场景，其实承载着人类近百年的出行梦想。自动驾驶并非21世纪才诞生的新概念，它的种子早在1886年第一辆三轮汽车驶下卡尔·本茨的车间台阶时，就已经埋在了汽车工业的土壤里。从最初解放驾驶负担的朴素愿望，到80年代实验室里笨重却 pioneering 的试验车，再到《霹雳游侠》里会说话的基特点燃的公众想象，自动驾驶的演进史本身就是一部人类不断突破技术边界、追逐更安全更高效出行的奋斗史。
百年汽车史里的“自动驾驶萌芽”：从驾驶负担到安全痛点
1886年1月29日，德国工程师卡尔·本茨发明了世界上第一辆以汽油为动力的三轮汽车，这辆装有0.95马力单缸发动机的“奔驰专利一号车”最高时速只有16公里，操控全靠一个舵柄，没有刹车，没有转向灯，甚至没有座椅，本茨第一次试驾的时候还撞到了墙上[^1]。在汽车发明的头30年里，开车是一项极高风险的技能：全球汽车保有量不足100万辆，每年交通事故死亡人数却超过10万，驾驶员需要同时完成换挡、点火、控制舵柄、观察路况等十余项复杂操作，长途驾驶的疲劳度是现在的数倍。早在1908年福特T型车量产、汽车走入普通家庭后，“让车自己开”的念头就第一次出现在了工程师的设想里：如果能把驾驶的复杂操作交给机器，不仅能降低驾驶门槛，还能大幅减少人为失误导致的事故。
1925年，美国无线电工程师弗朗西斯·霍迪尼（著名逃脱大师胡迪尼的侄子）在纽约街头完成了一次轰动世界的演示：他改装了一辆克莱斯勒轿车，在车顶装上了巨大的无线电接收器和转向、油门、刹车控制机构，自己坐在后面一辆车里的操控台前，通过无线电信号控制前车在纽约的街道上转弯、刹车、加速，甚至避开了横穿马路的行人。这辆被称为“American Wonder”的遥控车，被当时的媒体称为“魔术车”，虽然它的本质是远程遥控而非自主驾驶，但首次证明了“不需要人在驾驶座上操作，车也能在路上跑”的可行性[^2]。
20世纪50年代，随着电子技术的发展，真正的“自主自动驾驶”概念开始出现。1958年，通用汽车发布了世界上第一辆自动驾驶概念车Firebird，外观模仿喷气式战斗机，车内没有传统方向盘，只有一个操控杆，车辆可以通过埋设在道路里的感应线接收信号，实现自动跟车、自动刹车、自动巡航，通用甚至在广告里宣称“未来的驾驶员只需要坐在车里看电影，剩下的交给汽车”。虽然Firebird因为成本过高、技术不成熟从未量产，但它首次提出了“自动驾驶”的完整概念，也第一次把自动驾驶和普通消费者的出行场景联系在了一起。
> 📖 纸书侧边栏 > 小知识：卡尔·本茨的妻子贝尔塔·本茨是世界第一位女司机。1888年，她偷偷开着丈夫发明的三轮车，带着两个儿子从曼海姆出发，一路开到106公里外的普福尔茨海姆，不仅证明了汽车的实用性，还顺便发明了世界上第一个刹车片——她用皮革垫住了刹车块，防止过热失效。
到了20世纪70年代，随着微处理器和传感器技术的进步，自动驾驶从概念走向了实验室验证。美国、日本、欧洲的多个高校和企业都启动了自动驾驶研究项目，但受限于传感器精度、计算机算力和算法能力，这些试验车最多只能在校园里的封闭道路上以10公里以内的速度行驶，连公共道路都不敢上，更别说商业化落地。直到20世纪80年代，两项里程碑式的项目才真正证明了自动驾驶在真实道路上的可行性，也奠定了今天自动驾驶技术的两大核心路线。
80年代的双子星：Navlab与VaMoRs的里程碑探索
1984年，美国卡内基梅隆大学机器人研究所（Robotics Institute, RI）启动了“Navlab”（Navigation Laboratory，导航实验室）项目，这是世界上第一个以“自主自动驾驶”为核心目标的长周期研究项目，项目负责人是著名的机器人学家汉斯·莫拉维克。项目的核心理念是“多传感器融合”：人开车会用眼睛看、耳朵听、身体感知路况，自动驾驶车也应该用多种传感器组合起来感知环境，再通过计算机算法做出决策。
1986年，第一辆Navlab试验车（Navlab 1）正式上线：团队改装了一辆雪佛兰厢式车，车顶装了一个两米高的金属平台，上面堆了5台Sun工作站计算机，总内存只有1MB，比你现在的手机里存的一张高清照片还小；传感器包括3台黑白摄像头、2个超声传感器和一台体积庞大的激光测距仪，整辆车的改造成本超过100万美元（相当于2024年的300万美元）。这辆笨重的试验车最快只能跑到20公里每小时，只能在卡内基梅隆校园里的结构化道路上行驶，能识别车道线，但经常把树影、路灯当成障碍物，遇到行人就会慌乱刹车，甚至把路边的垃圾桶当成需要避让的目标。
Navlab团队在随后的十年里不断迭代技术：1988年的Navlab 2换装了更小的计算机和毫米波雷达，能在雨天行驶，速度提升到50公里每小时；1990年的Navlab 3首次实现了自动变道功能；1995年的Navlab 5更是创造了自动驾驶历史上的一个奇迹：团队改装了一辆1990年的庞蒂亚克Bonneville轿车，从匹兹堡出发，横穿美国中西部的大平原、落基山脉和莫哈韦沙漠，最终到达洛杉矶，全程约4500公里，其中98.2%的路程是车辆自主驾驶的，只有进市区加油、过收费站的时候需要人类驾驶员接管，平均速度达到38公里每小时[^3]。这次横穿美国测试首次证明了：自动驾驶技术在高速
1986年夏，改装成Navlab 1的雪佛兰厢式车在卡内基梅隆大学校园的沥青路上颤巍巍地起步时，车顶的5台Sun工作站同时发出风扇的轰鸣声，总内存仅1MB的计算机每处理一帧摄像头图像需要整整3秒——这意味着当车辆以5公里每小时的速度行驶时，它只能“看见”前方15米的路况，反应速度比人类驾驶员的十分之一还慢。就是这辆笨拙的试验车，拉开了自动驾驶从实验室走向真实道路的序幕，也把人类百年来的出行梦想从科幻小说的文字里，搬到了现实的公路上。
双子星辉映：80年代两大里程碑项目的技术突破与路线分野
Navlab项目的核心路线是多传感器融合感知，而同一时期在大西洋彼岸的德国，慕尼黑联邦国防军大学的恩斯特·迪克曼斯教授则走了另一条完全不同的技术路线：纯计算机视觉主导的仿生驾驶。
迪克曼斯是计算机视觉领域的先驱，他的研究灵感完全来自人类自身的驾驶行为：人开车不需要在车顶装一堆雷达和激光，只需要用两只眼睛看路，结合大脑的判断就能完成驾驶。1985年，他启动了“VaMoRs”（Versuchsfahrzeug für autonome Mobilität auf Regellosen Straßen，意为“非结构化道路自主移动试验平台”）项目，改装了一辆1987年款的奔驰500 SEL轿车作为试验车。和Navlab堆满传感器的车顶不同，VaMoRs的车顶只装了两台间隔6.5厘米的彩色摄像头——这个间距几乎和人类双眼的瞳距完全一致，完全模拟人眼的立体视觉感知能力，额外只配了2个超声传感器和1台低功率激光测距仪，计算机用的是当时最先进的16位微处理器，总成本不到Navlab的十分之一[^4]。
1987年9月，VaMoRs完成了人类历史上第一次在普通公共公路上的完全自主驾驶测试：车辆从慕尼黑出发，沿A8高速公路行驶60公里抵达奥格斯堡，全程最高速度达到100公里每小时，没有发生一次人工接管，甚至完成了自动变道、自动跟车、识别交通标志等复杂操作。这个测试的意义远超Navlab此前的所有成果：Navlab的所有测试都在卡内基梅隆校园的有清晰车道线的结构化道路上进行，而VaMoRs的测试路线是真实的、有社会车辆混行的公共高速公路，路面没有预设的感应线，周围有社会车辆穿插、有交通标志、有路牌，完全模拟了真实的驾驶场景[^5]。
> 📱 电子版侧边栏 > 【交互链接】点击观看1987年VaMoRs首次公共道路测试的原始录像：[慕尼黑联邦国防军大学VaMoRs项目档案库](https://www.unibw.de/ei/institut-fuer-elektronik/forschung/autonome-systeme/vamors) > 小知识：迪克曼斯教授后来被称为“欧洲自动驾驶之父”，他提出的“仿生视觉感知”路线至今仍是特斯拉FSD、理想AD Max等量产自动驾驶系统的核心感知思路之一。
Navlab和VaMoRs的路线分野，实际上奠定了今天自动驾驶技术的两大核心流派：一派主张“堆传感器”，用激光雷达、毫米波雷达、摄像头等多传感器冗余感知，保证安全性，代表是Waymo、百度 Apollo 等L4级自动驾驶企业；另一派主张“仿生视觉”，靠高算力计算机处理摄像头数据，用算法弥补传感器的不足，降低成本，代表是特斯拉、小鹏汽车等主打量产自动驾驶的企业。这两条路线的争论，从80年代一直持续到今天，而它们的源头，正是Navlab和VaMoRs这两大里程碑项目。
1995年Navlab 5横穿美国的壮举，更是把自动驾驶的可行性推到了公众面前：这辆改装的庞蒂亚克Bonneville从匹兹堡出发，沿80号州际公路一路向西，穿越了东部的阿巴拉契亚山脉、中西部的大平原、落基山脉的盘山公路，最后抵达洛杉矶，全程约4500公里，其中98.2%的路程是车辆自主驾驶的，平均速度达到38公里每小时，最高速度甚至在落基山脉的平直路段达到了110公里每小时。这次测试中，车辆自主完成了车道保持、自动跟车、自动变道、识别交通标志、避让行人等所有常规驾驶操作，唯一需要人类接管的情况是进市区加油、过收费站的ETC通道，以及遇到暴风雪、大雾等极端天气时传感器失效的情况[^6]。
但Navlab 5的横穿之旅，也把当时自动驾驶技术的局限性暴露得淋漓尽致：在怀俄明州遭遇暴风雪时，车顶的激光测距仪被积雪覆盖，摄像头完全看不清路面，计算机连续三次因为算力不足死机，团队工程师不得不每隔几小时就爬上车顶清理积雪、重启计算机，甚至有两次在荒无人烟的大草原上，车辆因为传感器误判把路边的牛粪当成障碍物，突然紧急刹停，差点被后车追尾。
技术瓶颈与蛰伏期：80年代成果的局限性及90年代的突破
80年代的两大里程碑项目，本质上都是“技术可行性验证”，距离真正的商业化落地还有天壤之别，其局限性主要体现在四个维度：
第一是传感器局限。当时的摄像头是低分辨率的黑白摄像头，逆光、夜晚、雨雪天气下完全失效，激光测距仪的测距范围只有30米，成本高达数万美元，毫米波雷达的分辨率极低，只能识别前方的大块障碍物，无法区分行人、自行车和路边的垃圾桶。VaMoRs的试验车在傍晚逆光行驶时，摄像头的曝光调节完全跟不上光线变化，经常把车道线看成一片白茫茫的光斑，车辆只能自动停在路边等待光线变暗；Navlab的试验车在雨天行驶时，激光测距仪的激光被雨滴反射，经常把雨滴当成障碍物，导致车辆频繁急刹。
第二是算力局限。Navlab 1的5台工作站总内存只有1MB，仅相当于你现在手机里存储的一张高清照片的大小，处理一帧图像需要3秒，而人类驾驶员的反应时间只有0.1秒左右。当时的计算机不仅体积庞大、功耗极高，而且稳定性极差，Navlab 5横穿美国的过程中，计算机总共死机了27次，其中3次是因为过热自动关机，工程师不得不随身携带螺丝刀和备用零件，随时准备爬上车顶维修。
第三是算法局限。当时的自动驾驶算法完全基于“结构化道路”设计，只能识别有清晰车道线、交通标志、路缘石的标准化道路，遇到没有车道线的乡村土路、施工路段的临时标志、或者道路上的随机障碍物（比如掉落的货物、横穿马路的动物），就会完全失灵。Navlab的试验车在校园里行驶时，经常把树影、路灯、甚至移动的垃圾桶当成障碍物，遇到行人就会慌乱刹车，根本做不到复杂的决策判断。
第四是成本与法规局限。Navlab 1的改造成本超过100万美元，相当于2024年的300万美元，根本不可能量产；当时的全球所有国家的交通法规都没有自动驾驶的相关条款，自动驾驶车辆上路属于违法行为，根本没有商业化落地的可能。
正因为这些局限性，90年代到21世纪初的20年里，自动驾驶 research 进入了蛰伏期：DARPA（美国国防部高级研究计划局）在90年代初停止了民用自动驾驶项目的 funding，卡内基梅隆和慕尼黑联邦国防军大学的项目 funding 也大幅缩减，整个行业几乎陷入了停滞。直到2001年，DARPA为了减少阿富汗战争中士兵的伤亡，重新启动了自动驾驶军车项目，发起了著名的DARPA陆地挑战赛，才重新把自动驾驶拉回了公众视野。
2004年，第一届DARPA陆地挑战赛在莫哈韦沙漠举行，路线全长240公里，包含砂石路、山路、隧道、急弯等复杂路况，总奖金100万美元，吸引了23支顶尖团队参赛。结果比赛当天，最快的斯坦福大学团队研发的“Stanley”赛车只跑了11公里就撞到了路边的石头，所有队伍都没有完成全程，自动驾驶的短板再次暴露在公众面前。
2005年，第二届DARPA陆地挑战赛调整了路线，改为132公里的沙漠公路，减少了非结构化路段的占比，最终斯坦福大学的Stanley赛车以6小时53分的成绩跑完全程，平均速度达到31公里每小时，拿下100万美元的奖金；卡内基梅隆大学的“Sandstorm”赛车跑了192公里，获得亚军；斯坦福的另一辆赛车“H1ghlander”跑了150公里，获得季军。这次比赛首次证明了：自动驾驶技术已经可以在真实世界的非结构化道路上长时间、长距离行驶，不再是实验室里的玩具。
2007年，DARPA又发起了城市挑战赛，路线设在加州洛杉矶附近的一个废弃军事基地，全长96公里，包含红绿灯、十字路口、社会车辆混行、行人横穿等城市驾驶场景，需要参赛车辆完全遵守交通规则。最终卡内基梅隆大学的“Boss”赛车以4小时10分的成绩完赛，拿下冠军；斯坦福大学的“Junior”赛车获得亚军；弗吉尼亚理工大学的“Odin”赛车获得季军。这次比赛的意义极为重大：它首次证明了自动驾驶技术可以适应城市道路的复杂场景，为后来自动驾驶从高速场景走向城市场景、从实验室走向商业化奠定了技术基础[^7]。
城市挑战赛结束后的第二年，2009年，谷歌秘密启动了自动驾驶项目，由后来成为Waymo CEO的约翰·克拉夫茨克领导，团队核心成员就是当年参加DARPA挑战赛的斯坦福、卡内基梅隆的工程师。谷歌的自动驾驶项目直接把80年代Navlab、VaMoRs的技术路线做了商业化落地，用了10年时间完成了1000万公里的公开道路测试，最终在2018年推出了全球第一个商业化运营的Robotaxi服务，把自动驾驶从实验室的梦想，变成了普通人可以体验的出行方式。
科幻照进现实：影视作品对自动驾驶的双重催化作用
在自动驾驶技术还在实验室里蹒跚学步的80年代，科幻影视作品已经把自动驾驶的场景带到了全球观众的眼前，其中对青少年群体影响最大的，当属1982年播出的美剧《霹雳游侠》。
《霹雳游侠》的主角是迈克尔·奈特，他的座驾是一辆黑色的1982年款庞蒂亚克火鸟Trans Am，代号“基特”（KITT，Knight Industries Two Thousand的缩写）。这辆车最标志性的功能就是“自动驾驶模式”：迈克尔只需要说一句“KITT，自动驾驶”，车辆就会自动接管方向盘，自动跟车、自动变道、自动避让障碍物、自动超车，甚至能自动计算最优路线，躲避拥堵。除了自动驾驶，基特还能和人对话、能防弹、能跳、能发射烟雾弹，甚至能通过车头的扫描灯分析周围物体的成分。这部剧在全球100多个国家播出，是很多80后、90后青少年的科幻启蒙，剧中基特的自动驾驶功能，比当时Navlab试验车的能力还要先进得多。
> 📖 纸书互动问答 > 思考题：你觉得《霹雳游侠》里的基特，相当于现在自动驾驶的哪个级别？如果现在的汽车能实现基特的所有功能，你觉得最实用的三个功能是什么？
2004年上映的威尔·史密斯主演的电影《我，机器人》，则把自动驾驶的场景从高速开进了城市：电影设定在2035年的芝加哥，全城的汽车都是自动驾驶的，乘客只需要输入目的地，车辆就会自动接送，甚至能自动组成高速车队，减少风阻、降低能耗。电影里的自动驾驶汽车严格遵守阿西莫夫1942年在小说《我，机器人》里提出的“机器人三定律”：第一，机器人不得伤害人类，或者坐视人类受到伤害；第二，机器人必须服从人类的命令，除非命令违反第一定律；第三，机器人必须保护自己，只要不违反前两条定律。电影的反派就是一个被黑客攻击的自动驾驶系统，它违反了第一定律，试图撞死主角，这个设定实际上提前提出了今天自动驾驶行业正在解决的网络安全、伦理责任问题。
在国内，科幻作品对自动驾驶的普及作用同样显著：2023年上映的《流浪地球2》里，北京、上海的街头随处可见自动驾驶的运输车、乘用车，它们能自动躲避坠落的陨石碎片、自动规划路线、自动接送人员，甚至能在零下几十度的极寒天气里正常工作，很多青少年看完电影才知道，原来自动驾驶不是遥不可及的科幻，而是正在发生的现实。2024年上映的《飞驰人生2》里，自动驾驶赛车能自动计算过弯路线、自动避让其他车辆、自动调整车速，帮助车手在极限环境下拿到冠军，也让很多青少年对自动驾驶的娱乐、竞技场景产生了浓厚兴趣。
科幻影视对自动驾驶的催化作用，主要体现在三个维度： 第一是科普普及作用。在自动驾驶还只是专业术语的时候，《霹雳游侠》《我，机器人》等作品已经用直观的场景让公众理解了“自动驾驶是什么”：不用人开车，车能自己跑到目的地。这种直观的认知，比任何专业的科普文章都更容易被青少年接受，也让更多青少年对自动驾驶技术产生了兴趣，甚至立志未来从事相关的研究工作。 第二是科研方向催化。全球现在主流量产自动驾驶企业的核心工程师里，有至少30%的人表示自己小时候看过《霹雳游侠》，是这部剧让他们对自动驾驶产生了兴趣。比如Waymo的创始人塞巴斯蒂安·特龙在2011年的 TED 演讲里就公开说：“我小时候最大的梦想就是能开一辆像基特一样的自动驾驶汽车，现在我真的在做这件事。”小鹏汽车的自动驾驶副总裁吴新宙也在采访里提到，他小时候在地方台看过《霹雳游侠》，当时就立志要做中国的自动驾驶汽车。 第三是提前提出公共议题。科幻作品不仅展示了自动驾驶的美好场景，也提前提出了很多行业现在正在面对的问题：《我，机器人》里的自动驾驶被黑客攻击的情节，对应现在的自动驾驶网络安全问题；《霹雳游侠》里基特为了保护主人违反交通规则的情节，对应现在的自动驾驶伦理责任问题；《流浪地球2》里自动驾驶在极端环境下的可靠性问题，对应现在的自动驾驶极端场景测试问题。这些提前提出的问题，让公众和科研界在技术发展之初就开始思考解决方案，避免了技术落地后再出现公关危机。
> 📱 电子版拓展阅读 > 推荐观看：[《霹雳游侠》基特自动驾驶片段合集](https://www.bilibili.com/video/BV1Xs411q7Qa) > 推荐阅读：阿西莫夫《我，机器人》原著短篇集，了解机器人三定律的起源
从实验室到商业化：本章核心脉络与配套图表说明
从1886年本茨发明第一辆汽车时“让车自己开”的朴素梦想，到1925年霍迪尼的