第一章 序章：自动驾驶的起源与技术演进史诗
2024年仲夏的上海嘉定智能网联汽车测试场，一辆未粘贴任何安全驾驶员（Safety Driver）标识的白色测试车在晚高峰的车流中平稳穿行：它精准识别出外卖骑手的突然变道，提前减速避让；在无标线的村道入口，它准确判断出路宽，缓缓绕开占道的三轮车；遇到行人横穿马路时，它先轻鸣笛提示，再平稳制动停稳，全程没有一次急刹，也没有一次违规变道。副驾驶的安全员全程没有触碰方向盘和踏板，只是偶尔在笔记本上记录着算法的表现。这一幕放在二十年前，会被视为科幻电影的场景，而它的技术源头，要追溯到五百年前罗马郊外的一间工坊里，一位老人用鹅毛笔在羊皮纸上画下的齿轮草图。
一、机械启蒙：从达·芬奇的齿轮到自动化的最初想象（1500-1920）
1515年的罗马，列奥纳多·达·芬奇（Leonardo da Vinci）的工坊里，一台由黄铜齿轮、发条和杠杆组成的机械装置正在缓缓移动——这是他为法国国王弗朗索瓦一世设计的自动机械狮子（Leonardo da Vinci’s Automaton），现存于大英博物馆的《大西洋古抄本》（Codex Atlanticus）手稿集中[^1]。这台装置由内置的发条驱动，无需人类推动就能自主行走约10米，内部的齿轮组精准模拟了狮子的行走步态，甚至能自动张开嘴，露出藏在其中的 lilies（法国王室的象征）。虽然它的“智能”本质是预设的机械结构，没有感知、没有决策，但它的核心逻辑——用机械结构替代人类完成驾驶动作——和现代自动驾驶的内核完全一致，是人类历史上第一个自动驾驶概念原型。
达·芬奇的草图在此后四百多年里一直被当作艺术珍品收藏，直到20世纪初，无线电技术的成熟才让“脱离人类驾驶员的车辆”从图纸变成现实。1925年，美国发明家约翰·哈蒙德（John Hammond）和本杰明·梅塞纳（Benjamin Mesmer）在纽约街头展示了他们设计的无线电遥控车“奇才”（the Phantom）：车辆由后方跟随的发射车通过无线电信号控制，能完成加速、转向、刹车等所有驾驶动作，驾驶员只需要坐在后方发射车里操作遥控器即可。这台车的行驶速度达到了30公里/小时，在当时引发了巨大轰动，《纽约时报》称其为“无需司机的汽车”，甚至预言“十年内所有汽车都会装上这种装置”。
然而，“奇才”的本质仍然是人类远程操控，并非真正的自主驾驶，它的技术瓶颈也非常明显：无线电信号容易受到干扰，控制距离最多只有几百米，遇到复杂的城市道路很容易失控。真正让自动驾驶从“遥控玩具”变成“自主系统”的，是20世纪后半叶电子计算机、传感器和定位技术的成熟。
二、电子萌芽：从遥控试验车到Navlab的首次技术验证（1920-2000）
20世纪70年代，随着微型计算机、电荷耦合器件（CCD）摄像头和全球卫星导航系统（GPS）的发明，自动驾驶终于有了落地的技术基础。1984年，卡内基梅隆大学（Carnegie Mellon University，CMU）的机器人研究所启动了Navlab（Navigation Laboratory，导航实验室）项目，这是人类历史上第一个系统性的自动驾驶研发项目，也被公认为现代自动驾驶的技术起点[^2]。
Navlab 1是项目的首款原型车，基于一辆雪佛兰厢式货车改装，算力平台是当时最先进的Sun Sparc 2工作站，算力仅为1 MIPS（每秒100万次运算），远不如现在一个智能手表的算力；传感器配置包括5个彩色CCD摄像头、1个SICK公司的单线激光测距仪、差分GPS和惯性测量单元（IMU），总成本超过10万美元。团队当时的算法完全基于传统计算机视觉：用Canny边缘检测算法提取路面图像的白线
2024年仲夏的上海嘉定智能网联汽车测试场，一辆未粘贴任何安全驾驶员（Safety Driver）标识的白色测试车在晚高峰的车流中平稳穿行：它精准识别出外卖骑手的突然变道，提前减速避让；在无标线的村道入口，它准确判断出路宽，缓缓绕开占道的三轮车；遇到行人横穿马路时，它先轻鸣笛提示，再平稳制动停稳，全程没有一次急刹，也没有一次违规变道。副驾驶的安全员全程没有触碰方向盘和踏板，只是偶尔在笔记本上记录着算法的表现。这一幕放在二十年前，会被视为科幻电影的场景，而它的技术源头，要追溯到五百年前罗马郊外的一间工坊里，一位老人用鹅毛笔在羊皮纸上画下的齿轮草图。
一、机械启蒙：从达·芬奇的齿轮到自动化的最初想象（1500-1920）
1515年的罗马，列奥纳多·达·芬奇（Leonardo da Vinci）的工坊里，一台由黄铜齿轮、发条和杠杆组成的机械装置正在缓缓移动——这是他为法国国王弗朗索瓦一世设计的自动机械狮子（Leonardo da Vinci’s Automaton），现存于大英博物馆的《大西洋古抄本》（Codex Atlanticus）手稿集中[^1]。这台装置由内置的发条驱动，无需人类推动就能自主行走约10米，内部的齿轮组精准模拟了狮子的行走步态，甚至能自动张开嘴，露出藏在其中的鸢尾花（法国王室的象征）。虽然它的“智能”本质是预设的机械结构，没有感知、没有决策，但它的核心逻辑——用机械结构替代人类完成驾驶动作——和现代自动驾驶的内核完全一致，是人类历史上第一个自动驾驶概念原型。
达·芬奇的草图在此后四百多年里一直被当作艺术珍品收藏，直到20世纪初，无线电技术的成熟才让“脱离人类驾驶员的车辆”从图纸变成现实。1925年，美国发明家约翰·哈蒙德（John Hammond）和本杰明·梅塞纳（Benjamin Mesmer）在纽约街头展示了他们设计的无线电遥控车“奇才”（the Phantom）：车辆由后方跟随的发射车通过无线电信号控制，能完成加速、转向、刹车等所有驾驶动作，驾驶员只需要坐在后方发射车里操作遥控器即可。这台车的行驶速度达到了30公里/小时，在当时引发了巨大轰动，《纽约时报》称其为“无需司机的汽车”，甚至预言“十年内所有汽车都会装上这种装置”。
然而，“奇才”的本质仍然是人类远程操控，并非真正的自主驾驶，它的技术瓶颈也非常明显：无线电信号容易受到干扰，控制距离最多只有几百米，遇到复杂的城市道路很容易失控。真正让自动驾驶从“遥控玩具”变成“自主系统”的，是20世纪后半叶电子计算机、传感器和定位技术的成熟。
二、电子萌芽：从遥控试验车到Navlab的首次技术验证（1920-2000）
20世纪70年代，随着微型计算机、电荷耦合器件（CCD）摄像头和全球卫星导航系统（GPS）的发明，自动驾驶终于有了落地的技术基础。1984年，卡内基梅隆大学（Carnegie Mellon University，CMU）的机器人研究所启动了Navlab（Navigation Laboratory，导航实验室）项目，这是人类历史上第一个系统性的自动驾驶研发项目，也被公认为现代自动驾驶的技术起点[^2]。
Navlab 1是项目的首款原型车，基于一辆雪佛兰厢式货车改装，算力平台是当时最先进的Sun Sparc 2工作站，算力仅为1 MIPS（每秒100万次运算），远不如现在一个智能手表的算力；传感器配置包括5个彩色CCD摄像头、1个SICK公司的单线激光测距仪、差分GPS和惯性测量单元（IMU），总成本超过10万美元。团队当时的算法完全基于传统计算机视觉：用Canny边缘检测算法提取路面图像的白线，再通过Hough变换拟合车道线边界，计算车辆与车道中心的偏移量，最后用PID控制器调整方向盘角度，保持车辆在车道内行驶。1987年，Navlab 1在匹兹堡的高速公路上完成了首次公开测试，最高速度达到31公里/小时，全程自动驾驶没有人工接管，这个结果在当时引起了整个机器人学界的轰动——它第一次证明了“车辆可以自主完成驾驶任务”不是科幻设想。
Navlab项目在此后15年里经历了6代迭代，每一代都在解决上一代的局限性：Navlab 2到Navlab 3主要优化传感器配置，增加了更多的激光测距仪，提升了恶劣天气下的感知能力；Navlab 4首次引入了机器学习算法，用神经网络代替部分手工设计的视觉规则，障碍物识别准确率提升了30%；最具里程碑意义的是1995年发布的Navlab 5，团队基于一辆Pontiac Trans Sport MPV改装，完成了横穿美国的“No Hands Across America”之旅：从匹兹堡到洛杉矶，全程4500公里，耗时6天，其中98.2%的路段由车辆自主驾驶，仅不到100公里的施工路段和复杂路口需要人工接管，最高自动驾驶速度达到105公里/小时[^3]。
Navlab 5的旅程不仅是一次技术展示，更是一次重要的技术验证：它证明了自动驾驶在结构化公路场景下的可行性，也暴露了当时的核心技术瓶颈——算法完全依赖清晰的车道线，遇到无标线的乡村道路、施工路段、雨雪天气就会完全失效；算力不足导致反应延迟，遇到紧急情况时车辆无法及时制动；传感器成本过高，整套系统的成本超过20万美元，没有任何量产可能性。Navlab项目的首席研究员、被称为“自动驾驶之父”的恩斯特·迪克曼斯（Ernst Dickmanns）在旅程结束后公开表示：“自动驾驶的商业化还需要20年，我们还需要解决感知、算力、成本三个核心问题。”
> 📖 纸书侧边栏：Navlab的遗产 > Navlab项目虽然最终没有实现商业化，但它为整个自动驾驶行业培养了大量核心人才：CMU机器人研究所的毕业生后来创立了Mobileye、Argo AI等头部自动驾驶企业，其研发的传感器融合、车道线检测、行为预测等基础算法，至今仍是行业标准方案。Navlab项目的技术路线也直接影响了后续DARPA挑战赛的参赛队伍，成为自动驾驶从实验室走向产业化的技术基石。
三、产业前夜：DARPA挑战赛与技术的跨越式突破（2000-2010）
Navlab项目的技术验证让学术界意识到自动驾驶的可行性，但产业界和军方仍然对其持怀疑态度：当时的传感器成本高、算力不足、算法鲁棒性差，距离真正的商业化还有很远的距离。真正推动自动驾驶从实验室走向产业化的，是2001年美国国会通过的《2001年国防授权法案》：法案要求美国军方到2015年，部署1/3的军用车辆为无人驾驶车辆，以降低战场上的士兵伤亡率[^4]。
为达成这一目标，美国国防部高级研究计划局（DARPA，Defense Advanced Research Projects Agency）在2003年启动了DARPA Grand Challenge（DARPA大挑战赛），这是人类历史上第一个面向自动驾驶的公开赛事，总奖金200万美元，要求参赛车辆自主完成穿越莫哈韦沙漠的越野路线，全程没有任何人工干预。赛事一经公布就吸引了全球100多支队伍报名，包括卡内基梅隆、斯坦福、麻省理工等顶尖高校，以及多家科技企业的研发团队。
2004年3月13日，首届DARPA挑战赛在加州莫哈韦沙漠正式举行，赛道全长240公里，包含崎岖的沙漠路面、陡坡、沟壑、隧道等多种复杂地形。最终没有一支队伍完成全程比赛：最快的卡内基梅隆大学团队研发的Sandstorm装甲车，在行驶11公里后撞到了路边的岩石，被迫退出；斯坦福团队的Stanley原型车在行驶12公里后，因为传感器被沙子堵塞，无法识别路面，也退出了比赛。这次失败让整个行业意识到，自动驾驶的技术难度远超预期：沙漠环境下的传感器防护、极端地形的路径规划、恶劣环境下的感知鲁棒性，都是之前Navlab项目没有遇到过的难题。
> 📱 电子版交互提示：[点击观看2004年DARPA挑战赛精彩片段](https://www.darpa.mil/attachments/GrandChallenge2004.mp4) > 视频中可以看到Sandstorm装甲车在沙漠中行驶时，激光雷达被扬沙遮挡，导致路径规划失效，最终撞到岩石的全过程。
首届赛事的失败没有打击DARPA和参赛团队的信心，反而推动了技术的快速迭代。2005年10月8日，第二届DARPA挑战赛举行，赛道同样是240公里的莫哈韦沙漠路线，这次有5支队伍完成了全程比赛：斯坦福大学的Stanley以6小时53分8秒的成绩夺冠，平均速度达到30.7公里/小时，比首届最快的队伍快了近3倍[^5]。Stanley的技术架构成为后续自动驾驶的标杆方案：它搭载了5个SICK公司的单线激光雷达、1个彩色摄像头、差分GPS和IMU，算力平台是3台Pentium M处理器，总成本约30万美元；算法层面，团队首次将机器学习引入障碍物分类，用支持向量机（SVM）区分路面上的石头、土堆、车辆和行人，比之前的纯规则算法鲁棒性提升了50%；针对沙漠扬沙的问题，团队给激光雷达加装了防沙过滤网，并设计了传感器失效的冗余预案，当激光雷达被遮挡时，车辆可以切换到摄像头+雷达的感知模式继续行驶。Stanley项目的负责人塞巴斯蒂安·特隆（Sebastian Thrun）后来回忆说：“我们当时在沙漠里测试的时候，激光雷达经常被沙子卡住，我们只能半夜用胶带把激光雷达的缝隙粘上，第二天继续跑，最后夺冠的时候整个团队都哭了。”
第二届挑战赛的成功让整个行业看到了自动驾驶的商业化可能性：特隆在赛后接受了谷歌联合创始人拉里·佩奇的邀请，加入谷歌X实验室启动自动驾驶项目，也就是后来Waymo的前身；斯坦福团队的其他成员后来也加入了Uber ATG、Cruise等头部自动驾驶企业。2007年11月3日，DARPA举办了第三届挑战赛——城市挑战赛（Urban Challenge），这次赛道的难度大幅提升：全长96公里，完全模拟城市道路环境，包含红绿灯、环岛、施工路段、其他参赛车辆的混行，要求车辆遵守交通规则，完成超车、变道、避让、停车等所有驾驶动作。最终卡内基梅隆大学的Boss车队以4小时29分28秒的成绩夺冠，平均速度达到21.4公里/小时，完赛率为6/11[^6]。
城市挑战赛的里程碑意义在于：它第一次证明了自动驾驶可以在复杂的城市场景下完成驾驶任务，而不仅仅是在结构化公路或越野场景。Boss车队的算法架构首次引入了“行为决策层”：在感知层识别到其他车辆、行人、红绿灯后，决策层会根据交通规则判断是减速、停车还是变道，再生成行驶轨迹交给控制层执行，这个“感知-决策-规划-控制”的四层架构，直到现在仍然是行业主流的自动驾驶技术架构。
> 📖 纸书侧边栏：DARPA挑战赛的意外遗产 > 除了直接催生了Waymo、Cruise等头部自动驾驶企业，DARPA挑战赛还推动了多个底层技术的快速发展：当时的参赛队伍推动了低成本激光雷达的研发，让激光雷达的成本从最初的每颗10万美元降到了1万美元以下；同时推动了计算机视觉、机器学习、传感器融合等技术的落地，为后续自动驾驶的产业化奠定了技术基础。据统计，截至2024年，DARPA挑战赛的参赛者共创立了超过50家自动驾驶相关企业，占全球自动驾驶企业总数的30%以上。
四、商业化破局：从Waymo的探索到全球产业的规模化落地（2010-至今）
DARPA挑战赛结束后，自动驾驶从学术研究正式进入产业探索阶段。2009年12月，谷歌X实验室正式启动自动驾驶项目，由特隆担任项目负责人，团队核心成员全部来自DARPA挑战赛的冠亚军队伍，包括斯坦福、卡内基梅隆的机器人专家。项目的第一代原型车基于丰田普锐斯改装，搭载了谷歌自研的激光雷达，成本虽然仍然高达7.5万美元，但感知范围达到了200米，远高于当时的行业水平。
2012年5月，Waymo（当时还叫谷歌自动驾驶项目）拿到了内华达州颁发的全球第一张自动驾驶路试牌照，允许其车辆在公共道路上进行自动驾驶测试，不需要安全员随时准备接管。2015年6月，Waymo在德克萨斯州奥斯汀推出了首个面向公众的Robotaxi（自动驾驶出租车）试点服务，用户可以通过预约免费乘坐，车辆没有安全员，最高速度达到40公里/小时，路线覆盖奥斯汀的6个街区。2016年12月，Waymo从谷歌X实验室独立出来，成为Alphabet的子公司，正式将自动驾驶作为核心业务推进。
2018年12月，Waymo在凤凰城正式推出Waymo One商业化服务，这是全球第一个正式商业化运营的Robotaxi服务，用户可以通过APP叫车，付费乘坐，覆盖凤凰城的100平方公里区域，服务时间从早上6点到晚上10点。截至2024年6月，Waymo One已经累计服务超过120万人次，平均接管率（MPI，Miles Per Intervention）达到2万公里，也就是说车辆平均每行驶2万公里才需要一次人工接管，远高于行业平均的几百公里的水平[^7]。Waymo的技术迭代也进入了快车道：2020年推出的第五代自动驾驶系统，将激光雷达的成本从7.5万美元降到了3000美元，同时算力提升了10倍，感知范围达到了500米，可以在暴雨、暴雪等恶劣天气下正常工作；2024年推出的第六代系统，进一步取消了高精地图的依赖，可以适应任何没有测绘过的道路，成本进一步降到了1000美元以内。
美国的自动驾驶产业探索的同时，中国的自动驾驶产业也在快速崛起。2013年，百度启动自动驾驶项目，成为中国最早布局自动驾驶的科技企业；2015年，百度推出首辆自动驾驶测试车，2017年推出Apollo开放平台，向全球的合作伙伴开放自动驾驶技术栈，包括感知、决策、规划、控制的全套代码和工具链，截至2024年6月，Apollo平台的合作伙伴已经超过220家，覆盖车企、Tier1供应商、传感器企业、出行平台等全产业链。2020年，百度Apollo在长沙、沧州、北京等多个城市推出了Robotaxi试点服务，截至2024年6月，累计服务乘客超过300万人次，是中国规模最大的Robotaxi运营企业。
与美国以Waymo为代表的“单车智能+全栈自研”路线不同，中国的自动驾驶产业走的是“单车智能+车路协同”的双路线并行模式：一方面，以小鹏、理想、华为、特斯拉为代表的科技企业和车企，快速推进L2+级辅助驾驶的规模化量产，让普通消费者可以用更低的价格享受到自动驾驶技术；另一方面，以百度、阿里、腾讯为代表的科技企业，联合地方政府推进车路协同（V2X，Vehicle to Everything）试点，通过路侧的激光雷达、摄像头、5G通信单元，给车辆提供超视距的环境信息，降低单车智能的成本，提升安全性。
2020年是中国L2+级辅助驾驶规模化落地的元年：小鹏P7推出XPILOT 3.0系统，支持高速NGP（Navigate on Autopilot，自动导航辅助驾驶），是中国首个量产的高速领航辅助系统；2021年，小鹏P5推出XPILOT 3.5系统，支持城市NGP，是中国首个量产的城市领航辅助系统，可以在广州、深圳等城市的主干道上实现自动跟车、变道超车、识别红绿灯、通过环岛等功能；2022年，华为推出ADS 1.0系统，搭载在极狐阿尔法S上，支持高速和城市领航辅助；2023年，华为推出ADS 2.0系统，首次取消了高精地图的依赖，支持全国所有城市的主干道和快速路，截至2024年6月，已经覆盖全国超过200个城市。根据中国汽车工业学会的统计数据，2023年中国市场L2级及以上辅助驾驶的渗透率达到42