自动驾驶的进化史：从梦想到现实

当汽车学会思考

第1章：自动驾驶的进化史：从梦想到现实

梦开始的地方

1927年，当巴斯特·基顿在电影《将军号》里试图让汽车自己行驶时，观众笑得前仰后合——那辆所谓的“自动驾驶汽车”不过是一个荒唐的笑话。方向盘自行转动，刹车自己松开，整部电影充满了对人类驾驶员的揶揄和嘲讽。四十年后的1969年，约翰·麦卡锡在一篇开创性的论文中写道：“我们需要考虑让汽车拥有计算机控制的可能性，使人类乘客成为可有可无的存在。”这篇论文被大多数人视为科幻作家的白日梦。

然而，当时间来到21世纪，当我们亲眼见证谷歌的无人车在加州的高速公路上平稳巡航，当我们看到特斯拉的车主们松开双手让Autopilot接管方向盘，当我们了解到中国道路上已经开始出现没有安全员的自动驾驶出租车时，我们不得不承认：那个曾经被嘲笑的梦想，正在一点一点变为现实。

自动驾驶的故事，不是某个天才工程师在某个深夜突然顿悟的产物，而是无数人、无数资金、无数次失败共同编织的一部史诗。它从DARPA挑战赛在莫哈韦沙漠中点燃的星星之火开始，经历了资本的狂热追逐、技术的艰难突破、监管的谨慎试探，最终走到了今天这个百家争鸣的时代。在这场全球竞赛中，既有谷歌这样的互联网巨头，也有特斯拉这样的电动车新贵，既有百度Apollo这样的平台型选手，也有小马智行、文远知行这样的初创公司，还有蔚来、小鹏、理想这些正在快速转型的中国造车新势力。

当我们回顾这段不到二十年的历史，我们最想知道的问题也许是：是什么让自动驾驶从“不可能”变成了“不确定何时能成”？是什么力量在推动这场技术革命不断向前？答案，或许就藏在这段波澜壮阔的历史进程中。

莫哈韦沙漠的第一声枪响

2004年3月13日，美国加利福尼亚州莫哈韦沙漠。炽热的阳光烘烤着干裂的土地，地表温度超过了50摄氏度。在这片被誉为“美国最接近火星表面”的土地上，一场即将改变人类交通史的比赛正在进行。

美国国防高级研究计划局（DARPA）举办的首届无人驾驶挑战赛（DARPA Grand Challenge）正式鸣枪。这场比赛的奖金高达100万美元，参赛者需要在10小时内驾驶无人驾驶汽车穿越150英里的沙漠地带。听起来并不复杂，但问题在于：当时没有任何一家公司、一所大学、一个研究机构真正掌握能够让汽车在如此复杂地形中自主导航的技术。

第一届比赛的结果几乎是灾难性的。参赛的15辆无人驾驶汽车中，没有一辆能够完成全程。表现最好的卡内基梅隆大学团队，其改装版悍马车“沙尘暴”在行驶了7.4英里后撞上了一块岩石。排名第一的车辆，总行程也不过12公里左右，连全程的十分之一都不到。100万美元的奖金无人认领。

但正是这次“失败”的比赛，在科技史上留下了浓墨重彩的一笔。它像一颗种子，落入了一片看似贫瘠的土地，却在随后几年里生根发芽、枝繁叶茂。

时间来到2005年10月，DARPA第二届挑战赛在同样的沙漠地带举行，这一次，有5辆车成功完成了全部路程。斯坦福大学的“斯坦利”号——一辆由克里斯·厄姆森Sebastian Thrun）领导的团队改装的途锐越野车——以6小时53分钟的成绩夺得冠军。厄姆森后来回忆说，当“斯坦利”穿越终点线时，在场所有人都哭了。那不是悲伤的泪水，而是梦想成真的喜悦。

厄姆森后来加入谷歌，创立了著名的Google X实验室，并孵化了无人驾驶项目，后来的Waymo。在他的领导下，斯坦福团队开发了一套融合激光雷达、摄像头和雷达数据的感知系统，以及基于机器学习的路径规划算法。这套系统虽然还很原始，但它证明了无人驾驶汽车确实有可能成为现实。

真正将挑战赛推向高潮的是2007年的DARPA城市挑战赛（Urban Challenge）。这一次，场地不再是空旷的沙漠，而是模拟的城市环境——有道路、其他车辆、交通标志，甚至有需要遵守的交通规则。这标志着无人驾驶技术开始从“荒野求生”向“融入人类社会”转变。

卡内基梅隆大学的“ Boss ”号以平均时速22英里的成绩夺得冠军，它成功地在复杂的城市环境中导航、避让行人和其他车辆、遵守交通规则。这辆车代表了当时最先进的技术水平：它装备了多线激光雷达、摄像头、雷达，以及一套能够实时处理大量传感器数据的计算系统。

城市挑战赛的意义远不止于技术本身。它向全世界宣告：无人驾驶技术已经走出了实验室，开始向实用化迈进。那些在沙漠中积累的经验——传感器融合、障碍物检测、路径规划——正在被整合成一套完整的系统，准备迎接更加复杂的真实世界。

更重要的是，DARPA挑战赛培育了整整一代无人驾驶人才。Sebastian Thrun、Chris Urmson、Drew Bagnell、Anthony Levandowski……这些在后来自动驾驶发展史上叱咤风云的名字，大多来自DARPA挑战赛的赛场。他们带着在沙漠中积累的经验和教训，走进了谷歌、苹果、Uber等科技巨头，也创办了自己的公司，将无人驾驶的火种传播到了世界各地。

如果我们用一句话来概括DARPA挑战赛的意义，那就是：它把一个原本属于五角大楼预算表上某个小项目的技术方向，变成了一个价值万亿美元的产业赛道。

谷歌的孤独探索

2009年一个寻常的星期一早上，在谷歌总部的一间小会议室里，十几个人围坐在一起。他们中的大多数是斯坦福大学和卡内基梅隆大学的顶尖研究人员，被谷歌提供的优厚待遇和研究自由度吸引而来。他们的任务很明确：在五年内实现人类历史上第一辆完全无人驾驶汽车。

这个项目被命名为“Chauffeur”，在法语中是“司机”的意思。它的领导者是Sebastian Thrun——那位在DARPA挑战赛中带领斯坦福大学夺冠的明星教授。Thrun是一个充满激情的人，他曾经在公开场合宣称，无人驾驶汽车将在2017年之前成为现实。

早期的进展出乎意料地顺利。谷歌无人驾驶团队的改装车队开始在加州和内华达州的高速公路上测试，他们的车能够自动巡航、变道、甚至进出匝道。2010年，《纽约时报》的一篇报道首次揭开了这个秘密项目的神秘面纱，世界第一次知道：那个做搜索引擎的谷歌，正在悄悄改变人类的出行方式。

早期的谷歌无人驾驶项目充满了理想主义的色彩。团队成员回忆说，他们相信这项技术将拯救数百万人的生命——毕竟，超过90%的交通事故是由人为失误造成的。他们还相信，无人驾驶汽车将彻底改变城市规划，让停车场不再是城市的标配。他们甚至相信，出行将成为一种廉价的公共服务，就像自来水一样普遍可及。

然而，理想很丰满，现实很骨感。无人驾驶的复杂度远超最初的想象。

首先是感知问题。人类的视觉系统在数亿年的进化中变得极其精密，我们能够在毫秒内识别出一个物体是什么、它可能如何移动、它对我们意味着什么威胁。但对于计算机来说，一辆停在路边的自行车可能看起来像一棵树，也可能像一只鸟，甚至可能根本不被识别。更具挑战性的是“长尾问题”：道路上可能出现的情况是无穷无尽的，一次突如其来的暴雨、一个倒在路中间的塑料袋、一只正在过马路的鸭子——每一种情况都需要被正确识别和处理。

其次是预测问题。仅仅知道前方有一个行人是不够的，你还需要预测他接下来会做什么。他会继续往前走吗？会突然折返吗？会伸手拦车吗？人类的预测能力来自于常识和直觉，而这些恰恰是计算机最缺乏的。谷歌的工程师们花了大量时间建立各种预测模型，试图让计算机能够像人类一样“读懂”行人的意图。

第三是决策问题。当面对两难境地时，计算机该如何选择？比如，如果唯一的逃生路线会伤及行人，应该怎么办？这个问题没有标准答案，因为它涉及到道德和伦理的灰色地带。著名的“电车难题”从一个哲学思辨变成了工程师必须回答的实际问题。

2013年，谷歌迎来了一次重大转折。Sebastian Thrun离开了谷歌，全身心投入到他的在线教育项目Udacity中。他走后，Chris Urmson接过了指挥棒。Urmson是一位冷静、理性的工程师，他对无人驾驶的理解比任何人都更加务实。他开始重新评估技术路线，强调“安全第一”的原则。

2014年，谷歌发布了第一代没有方向盘和踏板的“豆荚车”（Pod Car）。这辆车看起来像是从科幻电影里走出来的：圆滑的车身、没有明显的车头车尾区别、像是一个移动的鸡蛋。但这种设计引发了巨大争议。批评者认为，让完全没有驾驶经验的人乘坐一辆完全由计算机控制的汽车是不负责任的。更重要的是，美国的交通法规要求车辆必须能够被人类驾驶员接管。

迫于监管压力，谷歌在2016年发布了第二代豆荚车，增加了临时的人工控制功能。但Urmson后来承认，他们意识到一个残酷的事实：真正的无人驾驶——那种你在后座睡觉、汽车把你送到目的地的无人驾驶——可能需要十年甚至更长时间才能实现。

2016年12月，谷歌将无人驾驶项目拆分出去，成立了独立公司Waymo。字母W代表“Wheel”（轮子），字母M代表“Motion”（移动），整个名字的含义是“A new way forward in mobility”（出行的新方式）。这个从谷歌母体中诞生的婴儿，承载着改变人类出行方式的使命，开始了独立发展的道路。

Waymo的诞生标志着无人驾驶行业的一个转折点。在此之前，大多数人认为无人驾驶只是谷歌的一个疯狂实验；在此之后，无人驾驶成为了一个严肃的产业方向。资本的涌入、人才的流动、政策的跟进——所有这些都与Waymo的独立运营有着千丝万缕的联系。

特斯拉的逆袭之路

在谷歌高调推进无人驾驶项目的同时，另一家电动汽车公司也在悄然布局。2013年，埃隆·马斯克开始公开讨论自动驾驶技术。作为一个以“第一性原理”思考著称的企业家，马斯克认为，既然人类能够通过视觉和大脑的配合实现驾驶，那么汽车也应该能够通过摄像头和人工智能实现同样的功能。

这个想法与谷歌的技术路线截然不同。谷歌的无人驾驶汽车依赖昂贵的激光雷达（LiDAR），这种传感器能够精确测量物体的距离和形状，被认为是实现高级别自动驾驶的必备设备。但马斯克持有相反的观点。2019年，他在一次投资者日活动上发表了那番著名的言论：“激光雷达是傻瓜的差事，任何依赖激光雷达的人都注定要失败。”

这番话在行业内引发了轩然大波。激光雷达被认为是自动驾驶的“安全带”——一种能够在关键时刻挽救生命的冗余设备。马斯克的言论被视为一种傲慢，甚至是一种危险的技术路线选择。

然而，如果我们回顾特斯拉的自动驾驶发展历程，会发现马斯克的“固执”有着自己的逻辑。

2014年10月，特斯拉发布了名为“Hardware Suite”的自动驾驶硬件套件。这套系统包括12个超声波传感器、一个前置摄像头、一个前置雷达，以及一块强大的车载计算平台。虽然当时还没有推出相应的软件功能，但特斯拉为日后的自动驾驶升级埋下了伏笔。

2015年10月，特斯拉推送了名为“Autopilot”的软件更新。这是第一次，特斯拉车主可以通过OTA（空中升级）获得自动驾驶功能。最初的Autopilot功能相对简单：车道保持、自适应巡航、自动变道。但它的意义远不止于这些功能本身——它开创了一种新的模式：通过软件定义汽车，让汽车能够像智能手机一样不断进化。

Autopilot的早期并不顺利。2016年5月，一辆特斯拉Model S在开启了Autopilot功能后，撞上了一辆横穿马路的白色卡车，驾驶员当场死亡。这起事故引发了全球范围内的调查和讨论，也给特斯拉的自动驾驶之路蒙上了一层阴影。

批评者指出，Autopilot的名字本身就具有误导性——它让驾驶员误以为汽车可以完全自动驾驶，而实际上它只是一个辅助驾驶系统。特斯拉随后将“自动驾驶”改名为“自动辅助驾驶”，并在系统中增加了更多警告机制。

但马斯克没有停下脚步。2016年10月，特斯拉发布了全新的Hardware 2.0套件，增加了8个摄像头、12个超声波传感器，以及一块性能提升了40倍的计算平台。马斯克宣布，所有配备了Hardware 2.0的特斯拉汽车都将具备实现完全自动驾驶的能力。

接下来的几年里，特斯拉不断迭代其自动驾驶系统。从Autopilot 1.0到Autopilot 2.0，从“Navigate on Autopilot”到“Smart Summon”，每一次更新都在扩展系统的能力边界。2019年，特斯拉发布了自研的FSD（Full Self-Driving）芯片，这是专门为自动驾驶设计的ASIC芯片，它的算力远超同期竞争对手的产品。

2020年10月，特斯拉开始向部分用户推送FSD Beta版。这是第一次，特斯拉的自动驾驶系统在城市道路上运行。尽管还需要驾驶员全程监控，但它展示了一种与Waymo完全不同的技术路线：依靠视觉系统、依赖海量数据、追求快速的迭代和扩展。

特斯拉的策略可以概括为“影子模式”和“数据驱动”。每一辆在道路上行驶的特斯拉汽车都在收集数据——摄像头画面、传感器读数、驾驶员的操作习惯。这些数据被上传到特斯拉的服务器，用于训练自动驾驶算法。更重要的是，特斯拉的“影子模式”让系统能够在后台运行，模拟自动驾驶决策，与真实驾驶员的决策进行对比，从而发现系统的不足并不断改进。

马斯克曾经透露，截至2022年，特斯拉已经收集了超过30亿英里的驾驶数据。这个数字是任何竞争对手都难以企及的。海量数据让特斯拉能够训练出更加精准的神经网络，让系统能够识别更多的边缘场景，做出更接近人类的驾驶决策。

然而，特斯拉的路线并非没有风险。2023年，多起涉及特斯拉Autopilot和FSD的事故引发了美国国家公路交通安全管理局（NHTSA）的调查。一些分析师指出，特斯拉依赖纯视觉的方案可能在某些场景下存在安全盲区。2024年4月，NHTSA宣布对特斯拉FSD进行正式调查。

面对质疑，马斯克依然坚持自己的判断。他在社交媒体上表示，最终所有自动驾驶系统都会转向纯视觉方案，因为“道路是为眼睛（生物传感器）设计的，不是为激光设计的”。这场关于技术路线的争论，恐怕还会持续很长时间。

从被嘲笑到被模仿，特斯拉走出了一条属于自己的路。它证明了两个观点：第一，低成本、可持续迭代的解决方案有时候比高大上的技术更有效；第二，用户数据和实际行驶里程可能是自动驾驶最重要的护城河。

中国的自动驾驶战场

就在硅谷的科技巨头们为自动驾驶争论不休的时候，遥远的中国大地也在悄然燃起自动驾驶的烽火。这场起源于美国的科技革命，很快跨越太平洋，在中国的土壤上生根发芽、茁壮成长。

百度的Apollo可能是中国自动驾驶领域最具标志性的项目。2017年4月，百度发布了Apollo计划，这是一个开放的自动驾驶平台，向合作伙伴提供从感知、规划到控制的全栈软件解决方案。李彦宏将这个项目比作汽车行业的Android系统——它让任何人都能够基于百度的技术开发自己的自动驾驶汽车。

百度的策略与谷歌和特斯拉都不同。Waymo选择自己造车、自己运营，试图打造一个完整的自动驾驶出行服务；特斯拉选择垂直整合，从芯片到算法到整车都自己做；百度则选择做平台，通过开源和开放吸引尽可能多的合作伙伴。

Apollo的开放策略取得了显著成效。截至2024年，百度已经与超过200家汽车制造商和供应商建立了合作关系，Apollo生态涵盖了从乘用车到商用车、从私家车到Robotaxi的多个领域。在技术层面，Apollo已经迭代到6.0版本，支持从L2辅助驾驶到L4完全自动驾驶的多种应用场景。

更令人惊讶的是百度在Robotaxi领域的突破。2022年，百度在武汉和重庆推出了全无人驾驶的萝卜快跑出租车服务，这是中国首批没有安全员的商业化自动驾驶出租车。2024年，萝卜快跑的服务范围进一步扩大，在北京、上海、广州、深圳等一线城市都开始试运营。

百度的成功不是偶然的。首先，中国政府将自动驾驶视为国家战略，从中央到地方都出台了大量的支持政策。其次，中国复杂的交通环境——电动车、行人、三轮车混杂的道路——为自动驾驶算法提供了丰富的训练数据。第三，百度多年在人工智能领域的积累——尤其是Apollo在感知、决策、规划方面的技术储备——为自动驾驶奠定了坚实基础。

与百度的大平台战略不同，小马智行、文远知行等初创公司选择了更垂直的路线——专注于Robotaxi或无人卡车的运营。

小马智行由楼天城和彭军于2016年创立。楼天城是清华大学姚班的高材生，被称为“楼教主”，在编程竞赛圈内享有盛名。彭军则是百度美国研究院的早期成员，曾负责自动驾驶相关的研发工作。两人强强联合，让小马智行从诞生之日起就带着浓厚的技术基因。

小马智行的技术路线与Waymo相似，依赖激光雷达、高精度地图和多传感器融合。公司的测试车队已经在广州、北京、上海、硅谷等地积累了大量的自动驾驶里程。2022年，小马智行获准在广州南沙区开展商业化收费服务，成为中国首家迈入商业化阶段的自动驾驶出行平台。

文远知行的故事同样精彩。2017年，前百度自动驾驶事业部总经理王劲创立了文远知行（当时名为景驰科技）。公司的核心技术是“AI赋能出行”，目标是打造中国领先、世界一流的无人驾驶出行服务。

文远知行最具创新性的尝试是与广汽集团合作开发的“Robobus”。这辆无人驾驶小巴没有方向盘和油门刹车踏板，完全依靠自动驾驶系统控制。它被设计用于城市微循环公交，解决“最后一公里”的出行问题。截至2024年，文远知行的Robobus已经在广州生物岛、海南博鳌等多个地区实现了常态化运营。

在Robotaxi和Robobus之外，无人驾驶卡车也成为中国自动驾驶企业的重要战场。2018年，前滴滴CTO创办的自动驾驶公司卡尔网络（图森未来）在美国成功上市，成为全球首家上市的无人驾驶卡车公司。此外，智加科技、赢彻科技、主线科技等公司也在无人驾驶卡车领域深耕细作。

说完Robotaxi和无人卡车，我们不能忽视中国造车新势力在辅助驾驶领域的突飞猛进。蔚来、小鹏、理想这三家成立于2014-2015年间的电动汽车公司，如今已经成为全球新能源汽车市场的重要力量。在自动驾驶领域，它们各自走出了不同的道路。

蔚来的策略是“硬件预埋+软件订阅”。从ET7开始，蔚来在所有新车上都标配了完整的传感器套件（11个摄像头、5个毫米波雷达、12个超声波传感器），以及英伟达Orin芯片。用户可以根据需要订阅NAD（NIO Autonomous Driving）服务，月费680元。这个模式让蔚来能够在保证用户体验的同时，通过软件服务获得持续的营收。

小鹏则选择了更加激进的路线。2022年9月，小鹏发布了城市导航辅助驾驶功能XNGP，这是中国首个在城市道路实现高阶智能辅助驾驶的系统。与高速公路的辅助驾驶不同，城市道路的复杂性呈指数级上升——需要应对红绿灯、环岛、行人、非机动车、路边停车等各种情况。小鹏的成功证明了中国的自动驾驶企业在某些场景下已经达到了世界领先水平。

理想的策略则更加务实。创始人李想曾经明确表示，理想不会做L4级别的完全自动驾驶，而是专注于L2+级别的辅助驾驶，将安全作为第一优先级。理想的NOA（Navigate on Autopilot）功能在高速公路和城市快速路上表现稳定，赢得了不少用户的好评。

除了这三家头部企业，华为、大疆等科技公司也在自动驾驶领域展现了强大实力。华为与极狐、阿维塔、问界等品牌合作推出的智能驾驶解决方案，在感知能力和算法表现上都达到了行业领先水平。大疆则凭借其在无人机领域积累的视觉感