自动驾驶的百年进化：从概念到落地的行业叙事

2004年3月13日，美国加州的莫哈韦沙漠气温飙升至38℃，15支来自全球顶尖高校和科技企业的参赛队伍，正盯着自己改装的爱车发愁——这是美国国防部高级研究计划局（DARPA）举办的首届自动驾驶挑战赛，100万美元的奖金吸引了一群不信邪的极客，他们试图证明：让电脑代替人开车，不是科幻小说里的臆想。

现场的场景很快变成了荒诞剧：卡内基梅隆大学团队带来的改装车Sandstorm是用悍马H1改的，车顶上堆着3个机械式激光雷达、6个CCD摄像头、3个毫米波雷达，后备箱里塞着两台奔腾III工业电脑，总重量比原车多了近1吨，结果开出去不到12公里，前轮就撞上了路边的岩石，直接卡住，车里的驾驶员不得不手动接管倒车，这时候车头电路已经因为过热冒起了烟，团队工程师赶紧拎着灭火器冲过去，场面一度十分狼狈。斯坦福大学的Stanley是辆大众途锐，车顶的传感器支架像个巨大的蜈蚣，用了6个摄像头、1台单线激光雷达、3个毫米波雷达，车载电脑是奔腾M 1.6GHz的处理器，内存只有1GB，开起来相对顺利，跑了213公里，是唯一完赛的车辆，但最后冲线时差点撞到终点线的白色帐篷——正午的强光让摄像头“致盲”，帐篷在算法眼里根本不存在，车以30公里/小时的速度冲过去，在距离帐篷1米处才减速停下，把裁判吓得够呛。

如果让1750年提出“自动车”构想的法国哲学家达朗贝尔看到这一幕，他大概会哭笑不得。这位《百科全书》的主编在阐述机械运动原理时，第一次提出了“不需要人力驱动、能自动沿预定路线行驶的车辆”的设想，那时候工业革命才刚刚起步，蒸汽机还没普及，他的构想和天方夜谭没什么区别。但人类对“不用自己开车”的执念，远比我们想象的要久远：1883年，德国工程师维尔纳·冯·西门子造出了世界上第一辆电动自动驾驶车Elektromote，这辆车是在柏林郊外的专属轨道上跑的，用架空电线供电，能自动沿着轨道行驶，最高时速只有7公里，比人走路快不了多少，当时围观的人都觉得这是魔法，但它第一次证明了“自动行驶”在物理上是完全可行的。1925年，美国工程师Francis Houdina造出了第一辆能在普通公共道路行驶的无线电控制车，他特意在车后面装了个穿司机衣服的假人，假装握着方向盘，在纽约第五大道上开了几公里，路过的人都没发现异常，直到交警拦下车子，才发现车里根本没人，《纽约时报》当时头版头条报道了这件事，标题是《无人驾驶汽车驶上街头，司机是假人》。

真正让自动驾驶从“玩具”变成“可研究的工程问题”的，是20世纪70年代美国国防部的资助。卡内基梅隆大学拿到了DARPA的研发经费，开始攻关无人驾驶技术，由此开启了Navlab系列的研发。1986年，第一辆Navlab原型车诞生，用的是一台苹果II电脑，算力只有1MHz，车上装了2个黑白摄像头，开了不到800米就趴窝了——电脑直接过热死机，连空调的制冷剂都被引燃了，差点烧掉整辆车。团队没有放弃，经过10年的迭代，1995年，Navlab5横空出世：团队用了一辆雪佛兰厢式车，车顶上装了巨大的金属传感器支架，上面摆着立体摄像头、毫米波雷达，还有一台重达几十公斤的工业电脑，从匹兹堡出发，一路开到了圣迭戈，全程4500公里，97%的路程都是自动驾驶的，只人工接管了两次：一次是去加油站加油，一次是过收费站的ETC通道。当时的GPS导航精度只有10米左右，很多地方没有标线，算法要靠路边的标识、护栏来定位，团队3个工程师跟着车跑了三个星期，吃住在车上，每天都要修传感器的故障、调整算法的参数。这次横穿美国第一次证明了：自动驾驶在高速场景是完全可行的，但离商业化还远得很——当时的激光雷达一台要5万美元，车载电脑耗电量巨大，开4个小时就要充电，改造成本超过100万美元，根本没法量产。

`#自动驾驶历史 #DARPA挑战赛 #Navlab`

2004年的首届DARPA挑战赛，本质上是美国国防部的一次“技术摸底”：他们需要在沙漠里部署无人运输车，减少士兵的伤亡，没想到却成了自动驾驶行业的“成人礼”。首届比赛只有卡内基梅隆的Sandstorm完赛，第二届比赛在2005年举办，23支队伍参赛，最终有5支完赛，卡内基梅隆的Sandstorm拿了第二，斯坦福的Stanley再次夺冠，这次比赛的路线是沙漠里的土路，没有标线，有石头、有沟壑

和沟壑横生的土路面前，传感器和算法的短板被暴露得淋漓尽致：那届比赛最终只有5支队伍跑完了全程192公里的路线，卡内基梅隆的Sandstorm以领先第二名11分钟的成绩拿下亚军，而斯坦福的Stanley再次登顶，这次它的冲线没有再出意外——团队提前给终点线装了一个红色的激光反射器，算法专门训练了识别红色反射信号的模块，完美避开了正午强光致盲的问题。现场的观众欢呼的时候，没人意识到，这场比赛已经悄悄按下了自动驾驶产业化的启动键。

真正把自动驾驶从“沙漠玩具”拉到真实城市场景的，是2007年的第三届DARPA城市挑战赛。这届比赛的赛道设在加州蒙特雷附近的一个废弃军事基地，全长96公里，完全模拟真实的城市道路：有红绿灯、有十字路口、有施工区域、有骑自行车的人、有推着婴儿车的行人，还有突然窜出来的野生动物。参赛队伍不仅要处理道路识别的问题，还要处理交通规则、行人避让、交叉路口通行顺序这些之前从来没有遇到过的复杂问题。卡内基梅隆大学带来的Boss车是基于雪佛兰Tahoe改装的，车顶的传感器支架比之前的Sandstorm更复杂，多了2个激光雷达、4个摄像头，车载电脑换成了更强的工业级处理器，算法里专门加了交通规则识别模块、行人避让模块、交叉路口优先级判断模块。比赛过程中Boss车遇到了一次经典的突发场景：一个推着婴儿车的行人突然从路边走出来，Boss车直接刹停，在路中间等了3分钟，直到行人完全过了马路才重新启动，浪费了不少时间，但因为其他车队的故障更多，Boss最终还是拿到了冠军。这届比赛的趣闻层出不穷：斯坦福的车队把路边的黄色施工锥桶当成了路障，绕了半圈多走了2公里；有支车队的车遇到一群过马路的鸭子，直接停在了原地，等了5分钟鸭子走光才敢动；还有支车队的算法把路边的金属邮筒识别成了行人，在路口停了2分钟，直到路过的行人把邮筒搬走才重新启动。这些现在看来很可爱的bug，在当时都是算法工程师熬夜也要解决的核心问题。

2007年城市挑战赛结束后不到两年，2009年，谷歌秘密启动了自动驾驶项目，项目牵头人正是当年斯坦福Stanley车队的负责人塞巴斯蒂安·特龙（Sebastian Thrun）。特龙当时给团队定了一个看起来几乎不可能完成的目标：10年内实现完全自动驾驶，把交通事故死亡率降低90%。谷歌的团队一开始用的是改装的丰田普锐斯，车顶上堆着当时最先进的64线激光雷达、8个摄像头、5个毫米波雷达，还有一台专门定制的车载电脑，算力是当时Navlab5的100倍。2012年，Waymo拿到了美国内华达州发放的第一张自动驾驶路测牌照，正式在拉斯维加斯的公共道路开始测试，当时的测试车还是改装的普锐斯，开起来慢悠悠的，遇到行人就停，遇到自行车也停，有路人故意站在车前逗车，车就一直停着不敢动，直到路人走开才重新启动。2014年，谷歌把自动驾驶项目独立出来，成立了Waymo，成为Alphabet旗下的子公司，这个名字是“Way Forward in Mobility（移动出行的未来）”的缩写。到2023年，Waymo的公共道路路测里程已经超过2000万英里（约3200万公里），模拟测试里程超过100亿英里（约160亿公里），这个数据是行业的天花板，哪怕是特斯拉，公开的路测里程也只有Waymo的1/10不到。

Waymo真正把自动驾驶从实验室带进商业化，是2018年在凤凰城推出的Waymo One服务。这是全球第一个正式商业化运营的Robotaxi（自动驾驶出租车）服务，初期只能载Waymo的内部员工，后来逐步开放给公众，收费是每英里1.5美元，比同路段的Uber贵30%左右，但核心卖点是“全自动驾驶，不需要安全员”——乘客上车之后只需要输入目的地，车就会自己开，全程没有人类司机，遇到问题会远程联系运营中心的工作人员解决。运营初期遇到过很多争议：有路人故意站在车前不走，车就一直停着，直到路人走开；有乘客投诉车在路口停了5分钟不敢动，因为算法识别不出路面的积水；还有一次Waymo的车在路口遇到一个骑电动车闯红灯的外卖员，车紧急刹停，后面的燃油车没反应过来追尾了Waymo的车，把车头撞得稀烂，后来Waymo更新了算法，加入了“预测其他车辆行为”的模块，才减少了这类事故的发生。截至2024年，Waymo One已经在凤凰城、旧金山、洛杉矶三个城市运营，累计服务乘客超过100万人次，是当前全球商业化落地最成功的Robotaxi项目。

如果说Waymo走的是“技术优先、高举高打”的Robotaxi路线，那特斯拉走的就是“成本优先、乘用车落地”的辅助驾驶路线。2013年，马斯克提出“自动驾驶能减少90%的交通事故”，并开始组建自动驾驶团队，他当时做了一个和行业主流完全相反的决定：不用激光雷达，只用摄像头，走纯视觉路线。他的逻辑很简单：人类开车只用眼睛，不需要激光雷达，所以自动驾驶也应该只用摄像头，这样能把成本降到足够低，让普通消费者都能买得起。2014年，特斯拉推出了第一代Autopilot，属于L2级辅助驾驶，能实现自适应巡航、车道保持、自动跟车这些基础功能，当时引起了很大的轰动，很多车主第一次感受到“车能自己开”是什么感觉。2016年，特斯拉推出Enhanced Autopilot，增加了自动变道、自动泊车、自动召唤（车能自己从停车场开到车主面前）这些功能，但同时也出了第一起致死事故：一位华裔车主开着Autopilot在高速上撞上了一辆横在路上的白色货车，车直接把货车当成了天空，没有刹车，车主当场死亡。这件事之后，特斯拉开始优化算法，加入了静止物体识别的模块，但纯视觉路线的短板也第一次暴露在公众面前。

2019年，特斯拉推出了FSD（Full Self-Driving，完全自动驾驶）Beta版，开始给部分北美用户推送测试，功能比之前的Autopilot强了很多：能自动下匝道、能自动识别红绿灯、能自动绕开突然窜出来的行人、能在无标线的乡村道路行驶。2021年，特斯拉把FSD的订阅价格降到每月99美元，用户量开始快速增长，到2023年，FSD的北美用户已经超过100万。2023年，特斯拉推出了FSD V12版本，这是行业第一个大规模落地的端到端大模型自动驾驶系统：之前的自动驾驶系统都是“感知-决策-控制”分开的，工程师要手写各种规则，比如遇到行人要刹停，遇到红灯要停，遇到施工要绕路，而端到端大模型直接把传感器的输入和车辆的控制输出连接起来，用海量的驾驶数据训练模型，让模型自己学会怎么开车，不需要手写规则。FSD V12的效果比之前的版本好了很多，能处理很多之前处理不了的场景：比如没有标线的老城区道路、突然闯红灯的外卖员、横穿马路的行人，甚至能自己在停车场找车位泊车。但纯视觉路线的短板依然存在：2023年美国又发生了一起FSD撞上白色货车的事故，当时车主开着FSD在高速上行驶，前方有一辆白色货车侧翻在路中间，FSD没有识别出来，直接撞了上去，事后特斯拉更新了算法，优化了对白色静止物体的识别能力。

讲完Waymo和特斯拉的路线，我们再来拆解大家经常听到的L0-L5自动驾驶分级，这个分级体系是国际汽车工程师学会（SAE）在2014年推出的J3016标准，现在全球都在用，很多人以为这个分级是“技术先进程度”的排名，其实本质是“责任划分”的标准——不同等级的核心区别是“出了事故谁负责”。为了方便理解，我们可以把自动驾驶的成长比作一个人的成长阶段：

• **L0：刚出生的婴儿**，完全没有任何自主能力，全靠大人照顾，对应的是没有任何辅助驾驶功能的燃油车，方向盘、油门、刹车全靠人控制，车本身没有任何辅助能力，出了事故100%是人的责任。
• **L1：刚学步的幼儿**，能扶着东西走几步，但是不能自己独立走，对应的是定速巡航、车道偏移预警这些基础辅助功能，比如早期的定速巡航，只能在高速上保持固定车速，不能自动跟车，不能控制方向，出了事故还是人的责任。
• **L2：能自己走几步的幼儿**，能自己走，但是还是要大人全程看着，防止摔倒，对应的是现在大部分车宣传的L2级辅助驾驶，比如ACC自适应巡航+车道保持，能自动跟车、能保持在车道里，但是遇到突发情况（比如前车急刹、行人突然窜出来）必须由人来接管，出了事故还是人的责任。现在很多车企宣传的“L2+”“L2.999”都是营销话术，本质上还是L2，因为责任还是在驾驶者身上