自动驾驶的进化史与技术路线全景

2004年3月13日，美国莫哈维沙漠的气温已经攀升到了42摄氏度，地表温度超过70度，赛道起点挤着15辆来自全球顶尖高校和科技公司的自动驾驶参赛车，它们要完成的挑战是：无人干预的情况下，跑完230公里的沙漠越野赛道，中途要避开岩石、土坡、沟壑，还要遵守交通规则——哦对，赛道里还特意设置了几个假的交通信号灯和路障，用来考验车辆的识别能力。主办方DARPA（美国国防部高级研究计划局）的初衷很简单：为美军研发能在战场上替代士兵的无人运输车，毕竟2003年伊拉克战争里，美军已经有超过300人死于路边炸弹的伏击，如果能有一辆不用人开的运输车，能少死很多人。

站在起跑线最前面的，是卡内基梅隆大学团队打造的“Sandstorm”（沙尘暴），这辆车外形最显眼的地方就是车头凸出来的一个直径半米的圆柱体——那是当时最先进的Sick LMS 291二维激光雷达，每秒能旋转10次，发射10万束激光，测距精度可达10厘米，在当时已经是民用级的天花板。团队给它的感知系统装了三套备份：激光雷达、毫米波雷达、单目摄像头，导航用的是差分GPS加惯性测量单元IMU，理论上能在沙漠里精准定位。但问题也出在这套系统上：激光雷达的防护等级不够，沙漠里的沙尘糊住了发射窗口，跑了不到50公里就瞎了；差分GPS在峡谷里信号丢失，车辆直接偏离赛道撞上了岩石，第一个退赛。

紧随其后的是斯坦福大学的“Stanley”（斯坦利），这辆车看起来就朴素多了，车头没有突出的激光雷达，只在车顶装了一个可升降的二维激光雷达，感知系统主要靠安装在挡风玻璃后的三台单目摄像头，搭配毫米波雷达和低线束激光雷达。团队的核心算法是基于机器学习的障碍物识别，他们提前收集了几千张沙漠里的岩石、土坡、动物的图片，训练了一个分类模型，比当时主流的规则式识别准确率高了一大截。比赛进行到第6个小时，Stanley已经跑完了212公里，剩下的路程里只出现了两次小的偏移，最后以领先第二名卡内基梅隆大学“H1ghlander”（后来2005年DARPA挑战赛的冠军）11分钟的成绩冲过终点，赢得了100万美元的奖金。

这场比赛的意义远不止一辆车跑完了赛道：它第一次证明了，自动驾驶不是科幻小说里的概念，是可以用现有技术实现的。当时路边的观众里，有一个刚成立不久的科技公司的创始人，他叫拉里·佩奇，也就是谷歌的联合创始人——赛后他立刻给DARPA打了电话，问能不能买下Stanley的源代码，后来谷歌的自动驾驶项目（也就是后来的Waymo）就是这么来的。而DARPA挑战赛的火爆，也直接催生了后来的自动驾驶创业浪潮，2009年谷歌秘密启动自动驾驶项目，2013年特斯拉宣布研发自动驾驶系统，2014年百度启动Apollo项目，整个行业从实验室正式走向商业化探索。

---

1.1 从“能跑”到“好用”：SAE J3016分级标准的20年演进

DARPA挑战赛之后的很长一段时间里，行业里对“什么是自动驾驶”并没有统一的定义

2004年DARPA挑战赛之后的很长一段时间里，行业里对“什么是自动驾驶”并没有统一的定义。有的车企把“自适应巡航+车道保持”包装成“自动驾驶”卖，有的把“自动泊车”叫“自动驾驶”，消费者买的时候听着高大上，真开的时候出了事故，车企立刻甩锅：“我们这是辅助驾驶，驾驶员要负全责”。这种混乱的场面持续了近10年，直到2014年，SAE国际（原美国汽车工程师学会，Society of Automotive Engineers）发布了J3016《驾驶自动化系统相关术语的分类和定义》标准，才第一次给全球的自动驾驶划了清晰的“等级线”。这个标准后来经过2018年、2021年两次修订，成了现在全球通用的自动驾驶分级依据，中国的《汽车驾驶自动化分级》（GB/T 40429-2021）就是完全参考这个标准制定的[^1]。

1.1.1 SAE J3016分级：不是技术分级，是责任分级

很多人对自动驾驶分级的最大误解是：以为L0到L5是技术难度的线性升级，从简单到复杂。其实SAE的分级核心逻辑是责任划分，而不是技术水平：每一级的核心差异，不是系统能做什么，而是“出事的时候谁负责”。

我们先看最基础的三个级别，L0到L2，责任主体永远都是驾驶员：

• **L0 无驾驶自动化**：就是完全的人工驾驶，车辆没有任何辅助功能，比如20年前的捷达、桑塔纳，没有ABS、没有ESP，踩刹车、打方向全靠人，出了事故肯定是人的责任，这个级别现在基本已经淘汰了。
• **L1 驾驶辅助**：单一功能的辅助，比如最早的定速巡航，只能帮你控制油门，方向得自己打；还有车道偏离预警，检测到你压线了就滴滴响，不会帮你打方向。这时候系统只是“提醒”，出事了还是人的责任。
• **L2 部分驾驶自动化**：这是目前市场上最普及的级别，系统可以同时控制油门、刹车、方向，比如特斯拉Autopilot、小鹏NGP基础版、理想AD Pro，都能在高速上帮你跟车、变道、打方向，但SAE标准里明确要求：驾驶员必须全程手握方向盘，眼睛盯着路面，随时准备接管。只要出了事故，不管系统有没有问题，首先都是驾驶员的责任——这也是为什么很多车企敢把L2系统宣传成“自动驾驶”，因为法律上他们不用担责。

真正让行业炸锅的是L3级，SAE 2018年修订标准的时候，第一次明确了L3的责任边界：在“设计运行域（ODD，Operational Design Domain）”范围内，自动驾驶系统承担全部动态驾驶任务的责任，出事车企负责；出了ODD范围，责任立刻转回驾驶员。 什么是ODD？就是系统能正常工作的限定场景，比如奔驰的Drive Pilot，ODD是“德国和美国的高速拥堵路段，时速60km/h以下，天气晴朗，车道线清晰”，你在这个场景里放开手玩手机，出了事故奔驰赔；但你开到城市道路，或者下暴雨，系统会立刻提示你接管，这时候再出事就是你的责任。 L3之后的L4和L5，责任主体就全是车企了：L4是“高度自动驾驶”，限定运营区域（比如Waymo在凤凰城的Robotaxi运营区），在这个区域里你不用管，出事车企赔；L5是“完全自动驾驶”，全场景全地域都能开，目前还停留在概念阶段，连原型车都没做出来。

> 📌 侧边栏：为什么车企都不愿意做L3？ > 很多消费者好奇，既然L2和L3的技术差距不大，为什么车企都不愿意推L3？核心就是责任成本。L2系统出事故，车企最多担个次要责任，赔个几万块；但L3系统在ODD内出事，车企要担全部责任，要是出了人命，赔偿款可能是几百万甚至上千万，而且会影响品牌口碑。所以现在敢推L3的车企，要么是像奔驰这样有百年造车经验、钱多的大厂，要么是像Waymo这样只做Robotaxi、不卖家用车的公司，普通车企根本不敢碰。

2021年SAE第二次修订J3016的时候，又加了两条关键定义：一是明确了“动态驾驶任务”的范围，包括环境感知、路径规划、车辆控制三个部分，只要这三个部分系统能全权负责，就算符合L3及以上的要求；二是明确了“驾驶员”的定义，L3及以上的系统里，驾驶员可以完全脱手，不需要随时准备接管，只需要在系统提示的时候接管就行。这两条修订，直接扫清了L3商业化的法律障碍，2023年国内深圳率先落地L3法规，奔驰、宝马的L3系统也先后在欧美获批，标志着自动驾驶从“实验室玩具”正式进入“能担责”的商业化阶段。

1.1.2 技术路线三派：纯视觉、激光雷达、多传感器融合的百年之争

自动驾驶的技术路线之争，其实从2004年DARPA挑战赛就开始了：斯坦福的Stanley用的是摄像头为主、低线束激光雷达为辅的方案，卡内基梅隆的Sandstorm用的是高线束激光雷达为主的方案，当时两队就吵过“到底要不要激光雷达”，这场论战吵了20年，到现在都没停。

我们先把三个派系的核心逻辑、优劣势、代表玩家理清楚：

1. 纯视觉派：人类只用眼睛开车，所以车也可以

纯视觉派的核心逻辑非常简单：人类驾驶员开车的时候，只用眼睛和大脑就能完成所有的感知、决策、控制，不需要额外的传感器，所以自动驾驶系统也应该只用摄像头就能实现。 这个

2004年DARPA挑战赛之后的很长一段时间里，行业里对“什么是自动驾驶”并没有统一的定义。有的车企把“自适应巡航+车道保持”包装成“自动驾驶”卖，有的把“自动泊车”叫“自动驾驶”，消费者买的时候听着高大上，真开的时候出了事故，车企立刻甩锅：“我们这是辅助驾驶，驾驶员要负全责”。这种混乱的场面持续了近10年，直到2014年，SAE国际（原美国汽车工程师学会，Society of Automotive Engineers）发布了J3016《驾驶自动化系统相关术语的分类和定义》标准，才第一次给全球的自动驾驶划了清晰的“等级线”。这个标准后来经过2018年、2021年两次修订，成了现在全球通用的自动驾驶分级依据，中国的《汽车驾驶自动化分级》（GB/T 40429-2021）就是完全参考这个标准制定的[^1]。

1.1.1 SAE J3016分级：不是技术分级，是责任分级

很多人对自动驾驶分级的最大误解是：以为L0到L5是技术难度的线性升级，从简单到复杂。其实SAE的分级核心逻辑是责任划分，而不是技术水平：每一级的核心差异，不是系统能做什么，而是“出事的时候谁负责”。

我们先看最基础的三个级别，L0到L2，责任主体永远都是驾驶员：

• **L0 无驾驶自动化**：就是完全的人工驾驶，车辆没有任何辅助功能，比如20年前的捷达、桑塔纳，没有ABS、没有ESP，踩刹车、打方向全靠人，出了事故肯定是人的责任，这个级别现在基本已经淘汰了。
• **L1 驾驶辅助**：单一功能的辅助，比如最早的定速巡航，只能帮你控制油门，方向得自己打；还有车道偏离预警，检测到你压线了就滴滴响，不会帮你打方向。这时候系统只是“提醒”，出事了还是人的责任。
• **L2 部分驾驶自动化**：这是目前市场上最普及的级别，系统可以同时控制油门、刹车、方向，比如特斯拉Autopilot、小鹏NGP基础版、理想AD Pro，都能在高速上帮你跟车、变道、打方向，但SAE标准里明确要求：驾驶员必须全程手握方向盘，眼睛盯着路面，随时准备接管。只要出了事故，不管系统有没有问题，首先都是驾驶员的责任——这也是为什么很多车企敢把L2系统宣传成“自动驾驶”，因为法律上他们不用担责。

真正让行业炸锅的是L3级，SAE 2018年修订标准的时候，第一次明确了L3的责任边界：在“设计运行域（ODD，Operational Design Domain）”范围内，自动驾驶系统承担全部动态驾驶任务的责任，出事车企负责；出了ODD范围，责任立刻转回驾驶员。 什么是ODD？就是系统能正常工作的限定场景，比如奔驰的Drive Pilot，ODD是“德国和美国的高速拥堵路段，时速60km/h以下，天气晴朗，车道线清晰”，你在这个场景里放开手玩手机，出了事故奔驰赔；但你开到城市道路，或者下暴雨，系统会立刻提示你接管，这时候再出事就是你的责任。 L3之后的L4和L5，责任主体就全是车企了：L4是“高度自动驾驶”，限定运营区域（比如Waymo在凤凰城的Robotaxi运营区），在这个区域里你不用管，出事车企赔；L5是“完全自动驾驶”，全场景全地域都能开，目前还停留在概念阶段，连原型车都没做出来。

> 📌 侧边栏：为什么车企都不愿意做L3？ > 很多消费者好奇，既然L2和L3的技术差距不大，为什么车企都不愿意推L3？核心就是责任成本。L2系统出事故，车企最多担个次要责任，赔个几万块；但L3系统在ODD内出事，车企要担全部责任，要是出了人命，赔偿款可能是几百万甚至上千万，而且会影响品牌口碑。所以现在敢推L3的车企，要么是像奔驰这样有百年造车经验、钱多的大厂，要么是像Waymo这样只做Robotaxi、不卖家用车的公司，普通车企根本不敢碰。

2021年SAE第二次修订J3016的时候，又加了两条关键定义：一是明确了“动态驾驶任务”的范围，包括环境感知、路径规划、车辆控制三个部分，只要这三个部分系统能全权负责，就算符合L3及以上的要求；二是明确了“驾驶员”的定义，L3及以上的系统里，驾驶员可以完全脱手，不需要随时准备接管，只需要在系统提示的时候接管就行。这两条修订，直接扫清了L3商业化的法律障碍，2023年国内深圳率先落地L3法规，奔驰、宝马的L3系统也先后在欧美获批，标志着自动驾驶从“实验室玩具”正式进入“能担责”的商业化阶段。

---

1.2 吵了20年的技术路线之争：纯视觉、激光雷达、多传感器融合谁主沉浮？

自动驾驶的技术路线之争，其实从2004年DARPA挑战赛就开始了：斯坦福的Stanley用的是摄像头为主、低线束激光雷达为辅的方案，卡内基梅隆的Sandstorm用的是高线束激光雷达为主的方案，当时两队就吵过“到底要不要激光雷达”，这场论战吵了20年，到现在都没停。我们先把三个派系的核心逻辑、优劣势、代表玩家理清楚：

1.2.1 纯视觉派：人类只用眼睛开车，所以车也可以

这个派别的核心逻辑其实可以用一句话概括：人类驾驶员只用双眼就能完成所有驾驶任务，自动驾驶系统凭什么需要额外的传感器？纯视觉派的拥趸最典型的就是特斯拉，其技术逻辑完全基于“第一性原理”：人类的大脑就是靠视觉输入处理驾驶任务，所以只要摄像头的分辨率足够高，算法的能力足够强，纯视觉就能实现所有级别的自动驾驶。

纯视觉的技术架构其实并不复杂：车头、车尾、车顶、后视镜装8-12个800万像素的摄像头，覆盖360度的视野，搭配毫米波雷达（早期版本有，2021年之后完全砍掉），用深度学习算法做目标检测、语义分割、深度估计，最后输出环境3D模型，再给决策规划模块用。特斯拉2023年推出的FSD V12版本，更是直接把模块化架构砍掉，变成了端到端大模型：摄像头输入的原始图像，直接输出油门、刹车、方向的控制信号，中间没有任何规则代码，也没有感知、决策、规划的模块划分，相当于把人类“眼睛看→大脑想→手操作”的过程完全用神经网络复刻了一遍。

纯视觉的最大优势是成本极低、量产友好：一套纯视觉的传感器硬件成本只要5000-8000块，比多传感器融合方案便宜70%以上，而且摄像头的数据量小，对算力的要求也低，用十几TOPS的算力就能跑起来，适合大规模量产的消费级车型。截至2024年6月，特斯拉全球已经卖出了超过200万辆搭载FSD硬件的车型，只要后续OTA推送FSD功能，就能直接升级，这种“硬件预埋、软件收费”的模式，是特斯拉的核心竞争力之一。

但纯视觉的短板也非常明显，最核心的问题是测距精度差、恶劣天气下感知能力骤降：

• 测距是靠双目摄像头的视差算的，或者用单目摄像头的深度学习模型估计距离，精度最多到米级，遇到50米以外的障碍物，误差可能超过2米，高速场景下根本不够用。2016年特斯拉Autopilot致死事故，就是因为在逆光下，摄像头把前方白色货车识别成明亮的天空，测距完全失效，车辆直接以120km/h的速度撞上去，驾驶员当场死亡。
• 摄像头是光学传感器，逆光、夜间、暴雨、大雪、沙尘天都会导致图像模糊、过曝、过暗，识别准确率会从99%降到50%以下。2022年特斯拉FSD beta在德克萨斯州测试的时候，遇到暴雨天，直接把路边的施工围挡识别成天空，差点撞上去，后来特斯拉紧急更新了算法，但恶劣天气下的表现还是远不如激光雷达方案。
• 纯视觉的算法依赖大量标注数据， corner case（极端场景）的处理能力极差。比如路上飘一个白色的塑料袋，纯视觉可能会识别成云，直接开过去；前车掉落的纸箱，纯视觉可能要等到距离10米以内才能识别，这时候刹车已经来不及了。

> 📌 侧边栏：特斯拉为什么敢砍掉毫米波雷达？ > 2021年特斯拉突然宣布砍掉所有车型的毫米波雷达，完全走纯视觉路线，当时行业内一片哗然，很多人觉得特斯拉疯了。其实特斯拉的逻辑是：毫米波雷达的误报率太高，比如过天桥的时候，毫米波雷达会把天桥的金属结构识别成障碍物，突然刹车；下雨天的时候，毫米波雷达会把路面的积水反光识别成障碍物，导致幽灵刹车。特斯拉觉得，与其用一个 unreliable 的传感器增加系统的复杂度，不如把所有精力放在优化摄像头的算法上，只要算法的准确率足够高，纯视觉就能搞定。但后来的测试数据显示，砍掉毫米波雷达之后，特斯拉的幽灵刹车率确实下降了30%，但极端场景的漏检率上升了15%，属于“拆东墙补西墙”。

1.2.2 激光雷达派：3D感知的天花板，安全冗余的终极方案

激光雷达派的核心逻辑是：自动驾驶的安全性是第一位的，纯视觉的测距精度和恶劣天气下的表现根本达不到L3及以上的安全要求，必须用激光雷达补上感知的短板。

激光雷达的原理其实很简单：它每秒发射几十万束激光，通过接收反射回来的激光的时间差，算出目标的距离，同时记录激光的发射角度，就能生成周围环境的精确3D点云地图，精度能到厘米级，比摄像头的2D图像信息多了一个维度，相当于给车装了一双“3D眼睛”。

激光雷达的技术路线分好几种：按扫描方式分，有机械旋转式、固态式、半固态式；按测距原理分，有ToF（飞行时间）、FMCW（调频连续波）两种。最早的2004年DARPA挑战赛上的Sick LMS 291就是机械旋转式的二维激光雷达，线束只有1线，只能扫一个平面，后来发展到16线、32线、64线、128线，现在最新的200线固态激光雷达，每秒能产生上千万个点云，覆盖360度视野，最远测距能达到500米。

激光雷达的最大优势是3D感知精度高、不受光照影响、测距准：

• 测距精度到厘米级，50米外的障碍物误差不超过10厘米，高速场景下完全够用。2023年小鹏G9在高速上行驶的时候，前车突然掉落一个轮胎，纯视觉版的小鹏G6到距离20米才识别到，紧急刹车还是撞了上去，而搭载激光雷达的小鹏G9在距离80米的时候就检测到了障碍物，提前减速避让，完全没有出事。
• 激光是主动发射的，不需要依赖环境光，逆光、夜间、小雨天的表现和白天完全一样，甚至比摄像头还稳。Waymo的第五代自动驾驶系统，在夜间不开路灯的郊区道路上，测距精度还是能到厘米级，而摄像头的识别准确率会降到60%以下。
• 点云可以直接建模，对静态障碍物的识别准确率极高，比如路边的施工锥桶、横穿的行人、掉落的货物，激光雷达的漏检率不到0.1%，远低于纯视觉的2%以上。

但激光雷达的劣势也非常突出，最核心的问题是成本高、数据量大、有固有缺陷：

• 成本：2017年的时候，Velodyne的64线机械激光雷达售价8万美元一套，比一辆车还贵，后来随着国产激光雷达厂商（速腾、禾赛、图达通）的技术成熟，成本快速下降，现在128线固态激光雷达的售价已经降到了2000块以内，但还是比摄像头贵几十倍，量产后会拉高整车成本，消费者接受度不高。
• 数据量：128线激光雷达每秒能产生上百万个点云，对算力的要求极高，需要至少100TOPS的算力才能处理，进一步拉高了系统成本。
• 固有缺陷：激光雷达对透明物体的识别不准，比如玻璃、塑料袋、透明路标，激光会直接穿透过去，反射回来的信号极弱，识别率不到30%；雨雾天气下，激光会被水滴、雾气散射，衰减严重，10