从“会跑的箱子”到“自己会开的车”：自动驾驶的百年逐梦史

1925年10月的纽约街头，挤满了攥着报纸指指点点的市民。他们围着一台冒着黑烟的“铁盒子”，议论声比街头的报童叫卖还热闹——这台外形酷似加了四个轮子的铁柜的大家伙，是美国工程师弗朗西斯·达鲁尔（Francis P. Houdina）花了两年时间捣鼓出来的“无线电遥控汽车”。只见达鲁尔坐在几百米外另一辆普通的福特T型车里，手里攥着个和老式收音机旋钮差不多的控制器，轻轻拨动了一下，那台铁盒子就轰隆隆往前挪了一步，精准避开了路边的邮筒，又稳稳拐了个弯，吓得卖报小贩差点把一摞《纽约时报》扔到地上。当天《纽约时报》的头版标题是《无线电让汽车摆脱司机》，配图里达鲁尔坐在T型车里对着控制器笑，背景是那台歪歪扭扭开过的“无人车”。没人想到，这个看起来像魔术一样的演示，会是自动驾驶百年逐梦的第一个注脚。

当然，达鲁尔的发明离真正的“自动驾驶”差了十万八千里——那本质上就是个带轮子的遥控玩具，信号被干扰就会当场趴窝，连路边突然跑出来的狗都躲不开。但它的出现戳中了当时所有人的幻想：汽车刚普及不到20年，绝大多数人还不会开车，要是能有个不用人操控就能跑的车，该多方便？这种幻想很快从实验室走向了大众展览：1939年纽约世博会上，通用汽车的“Futurama”展馆成了最热门的打卡点，600万观众挤着看那辆银色的概念车——通用设计师信誓旦旦地承诺，这辆车未来可以在埋着磁钉的“自动驾驶专用高速”上跑，车速能到每小时100公里，乘客只要在车上打牌聊天就行。展馆里的动态模型里，几百辆概念车在专用路上有序行驶，连红绿灯都不用人管，当时的观众看得热血沸腾，觉得“全自动汽车”最多再过20年就能开上马路。

可幻想终归是幻想。1940年代到1970年代，自动驾驶的研发几乎陷入停滞：当时的计算机还像房子一样大，算力还不如现在的手环，传感器更是连影子都没有，指望铁盒子自己认路、自己躲障碍物，简直是天方夜谭。倒是英国人搞了个“半自动驾驶”的尝试：1966年，英国交通部在一条1.8公里长的公路上埋了密密麻麻的磁钉，给测试车装了个能检测磁信号的传感器，车只要跟着磁钉走就能自动保持在车道里，测试时速度甚至能到每小时130公里。可项目刚推广就碰到了死穴：每公里路的改造成本高达300万英镑，英国全国的高速公路加起来有几千公里，根本不可能全铺上磁钉，而且这种车一离开专用路就彻底“瞎眼”，连普通路的车道线都识别不了。折腾了不到10年，这个项目就被彻底放弃，成了自动驾驶发展史上第一个“死于成本”的案例。

真正的破局要从1980年代的实验室说起。那一年，卡内基梅隆大学计算机系的教授拉吉·雷迪（Raj Reddy，后来的图灵奖得主）拿到了美国海军的一份合同：能不能搞一辆能在军事基地里自动跑的运输车，不用士兵冒着危险开车运物资？雷迪带着团队搞出了全球第一辆真正意义上的自动驾驶原型车——Navlab（Naval Automation Laboratory，海军自动化实验室的缩写）。1984年的Navlab1像个移动的服务器：车顶装了两个工业摄像头，后备箱里塞了一台Sun工作站，算力只有如今智能手机的百分之一，连屏幕都只能显示黑白的摄像头画面。这辆车只能在笔直的封闭道路上开，稍微拐个弯就会“跑偏”，速度慢得像蜗牛爬，每小时最多走5公里，遇到个矿泉水瓶都会停下来。可就是这辆慢得像老牛的车，第一次证明了“不用人操控，车真的能自己沿着路走”。

Navlab的迭代速度比所有人预想的都快。1986年的Navlab2已经能在卡内基梅隆的校园里自主行驶，虽然还是需要人盯着，但已经能识别车道线、避让行人和障碍物；1995年的Navlab5更是创造了历史：雷迪的学生迪恩·庞姆莱（Dean Pomerleau）带着4个队友，开着一辆改装的庞蒂亚克MPV，从匹兹堡出发一路向西，横穿美国大陆5000多公里，最终抵达加州的圣地亚哥。整个旅程里，98%的路程都是车自己开的，最高速度虽然只有每小时62公里，遇到施工、暴雨、牛羊挡路的时候还是需要人工接管，但这是人类历史上第一次让自动驾驶车跑完了横穿大陆的里程。后来庞姆莱把这段经历写成了一本书，叫《No Hands Across America》（不用手横穿美国），书里写他们5个人在车里住了5天，吃的是泡面，睡的是折叠床，最狼狈的一次是在犹他州遇到暴风雨，泥水把摄像头糊得严严实实，车直接“瞎了眼”，三个人冒着雨爬上车顶擦镜头，擦了半个多小时才重新上路。那本书的扉页上写着：“我们不是第一个想造自动驾驶车的人，但我们是第一批真的把它开上路的人。”

几乎和卡内基梅隆同时，德国慕尼黑联邦国防军大学的恩斯特·迪克曼斯（Ernst Dickmanns）教授也在搞自己的自动驾驶车。和Navlab用工作站算力不同，迪克曼斯团队搞了个“轻量化”的方案：他们把算法压缩到能装进车载电脑里，不用拖个服务器在后面。1987年，他们改装的奔驰S级在慕尼黑附近的高速上跑了20公里，速度达到了每小时100公里，是当时自动驾驶车的世界纪录；1994年，这辆车更是从巴黎一路开到里昂，在高速上完成了自动变道、超车、过隧道的操作，最高速度飙到了每小时130公里，当时欧洲的媒体几乎都疯了，头版头条写着《奔驰自己开了1600公里》，迪克曼斯也被称为“自动驾驶之父”。

可这些实验室里的突破，离真正上路还差着十万八千里。当时的自动驾驶车只能在封闭道路、高速或者天气好的时候跑，遇到下雨、下雪、施工就彻底歇菜，成本更是高得离谱：一辆Navlab的改造成本就超过100万美元，相当于现在的700多万人民币，根本不可能量产。行业里甚至流传着一个笑话：“自动驾驶是21世纪的技术，只不过提前在20世纪的实验室里实现了。”

真正的转机来自2004年的美国军方。当时美国国防高级研究计划局（DARPA）想搞能在战场上用的无人驾驶运输车，不用士兵冒着枪林弹雨开车，于是搞了个“DARPA自动驾驶挑战赛”：赛道设在莫哈维沙漠，全长212公里，有陡坡、有石头、有沟壑，GPS信号还特别差，第一个跑完全程的团队能拿100万美元奖金。消息一放出来，全球顶尖的实验室、高校都疯了，23支队伍报名参赛，包括卡内基梅隆、斯坦福、麻省理工这些顶尖学府，还有不少科技公司。

可第一场比赛就给了所有人一记响亮的耳光。太阳像火炉一样烤着沙漠地面，参赛的车刚出发就状况百出：斯坦福团队的车刚跑了11公里就撞到了路边的石头，前保险杠直接撞掉；麻省理工的车陷进了沙子里，挖了半天都挖不出来；还有的车刚出发传感器就被沙子糊住，算法直接“失明”，停在半路动不了。最后跑完全程的？一支都没有。最快的团队也只跑了不到20公里就退赛了，DARPA的官员当时无奈地摊手：“我们高估了自动驾驶技术的发展速度。”

失败反而激发了所有人的斗志。2005年，DARPA改了比赛规则，允许队伍提前扫描赛道地图，提前知道路线的起伏和弯道，只是不知道临时设置的障碍物位置。这一次，斯坦福大学的团队带着他们的无人车“Stanley”来了——这辆改装的黑色大众途锐车顶装了个能转的激光雷达，还有8个摄像头，后备箱里塞了6台电脑用来跑算法。比赛开始后，Stanley跑得稳得离谱：遇到石头就绕开，遇到陡坡就减速，遇到沟壑就停一下再慢慢过去，最后用了6个半小时跑完全程，平均速度达到了每小时31公里，比第二名快了整整10分钟，顺利拿走了100万美元奖金。Stanley的团队负责人是当时斯坦福人工智能实验室的主任塞巴斯蒂安·特隆（Sebastian Thrun），这个德国裔的教授后来成了全球自动驾驶行业最核心的人物之一。

2007年的第三届DARPA挑战赛，直接把赛道从沙漠搬到了城市。比赛叫“Urban Challenge（城市挑战赛）”，赛道设在加州一个废弃的空军基地，6公里长的路线里有红绿灯、有其他参赛的无人车、有突然窜出来的行人、有需要倒车入库的停车场，要求所有车辆严格遵守

2007年的第三届DARPA挑战赛，直接把赛道从沙漠搬到了城市。比赛叫“Urban Challenge（城市挑战赛）”，赛道设在加州一个废弃的空军基地，6公里长的路线里有红绿灯、有其他参赛的无人车、有突然窜出来的行人、有需要倒车入库的停车场，要求所有车辆严格遵守交通规则，不能超速、不能闯红灯、不能撞到任何物体——这几乎是真实城市路况的缩小版，比沙漠赛难了不止一个量级。

这次参赛的11支队伍里，有7支是高校团队，4支是企业团队，卡内基梅隆大学带着他们的新车“Boss”来势汹汹，这辆车是团队花了一年时间改装的雪佛兰Tahoe，车顶装了一个64线的激光雷达，周围还装了8个毫米波雷达和12个摄像头，后备箱里塞了10台高性能工作站，算法团队里甚至有专门研究交通规则的程序员，把加州所有的交通法规都编进了算法里，连“黄灯亮的时候如果已经过线就可以继续走，没过线就必须停”这种细则都考虑到了；斯坦福大学这次没带去年的冠军Stanley，而是换了更轻量化的新车“Junior”，用的是全新的传感器融合方案，体积比Stanley小了一半，算力却高了30%，团队特意给它装了个能自动伸缩的保险杠，碰到小障碍物不会直接撞坏传感器；麻省理工这次学乖了，专门找了一群搞机器人的教授带队，还拉上了丰田的工程师做技术支持，他们的车叫“Talos”，外观像个长了轮子的潜水艇，传感器全藏在车身里，不容易被撞坏。

比赛当天早上，加州下了一场不大不小的雨，赛道上的积水把部分车道线糊住了，刚出发就有两辆车的摄像头识别错了车道，直接蹭到了路边的隔离带，其中一支是麻省理工的队伍，刚跑了不到1公里就退赛了，团队负责人当时对着镜头苦笑：“我们准备了两年，没想到输给了一场雨。”剩下的9辆车里，有3辆在过第一个红绿灯的时候就卡了壳：算法判断不了黄灯是该停还是该过，要么急刹车要么闯灯，其中一辆是加州大学伯克利分校的车，因为急刹车太猛，后备箱里的服务器都歪了，传感器信号直接断了，停在路口5分钟没动，裁判直接判了它违规退赛。最惊险的是斯坦福的Junior，在过一个丁字路口的时候，一辆测试用的假人车突然从侧面窜出来，Junior的算法反应了0.2秒，猛地往右打了方向，蹭到了路边的路障，前保险杠掉了一块，但最终还是稳住了，没有撞到假人车，现场的工作人员都鼓掌了。

最后跑完全程的只有4辆车，卡内基梅隆的Boss以4小时29分的成绩拿了冠军，平均速度虽然只有每小时1.3公里——毕竟城市路况要停要等，比高速慢得多，但斯坦福的Junior只比它慢了20秒拿到亚军，第三名是德国弗劳恩霍夫研究所的车，第四名是MIT的Talos，刚冲过终点线就冒了黑烟，发动机过热差点自燃。这次比赛的意义比2005年的沙漠赛大得多：它第一次证明了，自动驾驶车真的能在真实的城市路况里跑，能遵守交通规则，能避让行人和车辆，能完成泊车这些复杂操作，不再是实验室里跑不了几公里的玩具。当时DARPA的主任在颁奖仪式上说：“10年前我们还觉得自动驾驶是天方夜谭，现在它已经站在了我们面前。”

DARPA城市挑战赛结束后半年，斯坦福的团队负责人塞巴斯蒂安·特隆收到了一封来自谷歌的邮件，发件人是谷歌创始人拉里·佩奇。佩奇在邮件里写得很直接：“我看了你带团队拿冠军的视频，我想问问，你有没有兴趣来谷歌搞一个项目，让自动驾驶车真正上路？”特隆当时正在斯坦福当教授，手里还有好几个军方项目，本来想拒绝，但佩奇亲自飞到斯坦福找他，在校园里的小咖啡馆里聊了两个小时。佩奇跟他说了一段后来被行业反复引用的话：“每年全球有130万人死于交通事故，其中90%都是人为失误导致的，酒驾、分心、超速，哪怕只有1%的事故是自动驾驶能避免的，每年都能救一万多人。而且美国人平均每天花52分钟通勤，要是车能自己开，这些时间都能用来工作、休息，这是能改变整个世界的事。”特隆心动了，2007年底，他辞去了斯坦福的教职，带着十几个Stanley团队的成员，在谷歌总部附近租了个小办公室，秘密启动了自动驾驶项目，这就是后来被称为“谷歌无人车”的项目的起点。

早期的谷歌自动驾驶团队只有十几个人，连个像样的实验室都没有，办公桌是从别的部门淘汰的旧桌子，电脑是员工自己带的笔记本。他们一开始选用的测试车是丰田普锐斯，因为普锐斯的油电混合系统容易改装，而且省油，适合长距离测试。特隆给团队定了个死规矩：所有测试必须在封闭场地或者人少的路段跑，绝对不能上公共道路——当时加州的交通法规里还没有“无人驾驶”的概念，要是出了事故，谷歌要担全部责任。团队的第一批传感器就是斯坦福在DARPA比赛里用的那种64线激光雷达，当时美国Velodyne公司生产的这种激光雷达一台要卖7万美元，谷歌一口气订了50台，把Velodyne半年的产能都包了。

测试一开始就状况百出：第一次在封闭场地跑的时候，车突然在直路上急刹车，团队的人吓了一跳，赶紧跑过去看，发现是算法把地上的一个矿泉水瓶当成了障碍物；还有一次，车在高速上跑的时候，突然猛地往左打了方向，差点撞到护栏，后来查日志发现，是摄像头识别错了路边的广告牌，把上面的汽车图案当成了真的车；最危险的一次是2010年，一辆测试车在加州山景城的公共道路上跑，突然有个行人闯红灯从车前跑过去，车的算法反应慢了0.3秒，猛地踩了刹车，还是蹭到了行人的衣角，把人吓得坐在地上，团队的人赶紧下车道歉，赔了人家200美元，回去之后特隆把算法团队骂了一顿：“我们的车可以撞石头撞护栏，但绝对不能撞人。”

2010年，谷歌第一次公开了自己的自动驾驶测试视频，视频里一辆改装的普锐斯在加州的街道上跑，自己打方向、自己刹车、自己避让行人，当时全球的媒体都炸了，《纽约时报》的头版标题是《谷歌造出了会自己开的车》，YouTube上的视频播放量几天就破了亿。佩奇当时在接受采访的时候说：“我们希望10年内，自动驾驶车能比人开车安全10倍，20年内，交通事故能减少90%。”但当时没人把这句话当真，觉得谷歌在吹牛——毕竟当时的自动驾驶车连下雨天都跑不了，遇到施工路段就会卡壳，离真正上路差了十万八千里。

就在谷歌秘密搞全自动驾驶的时候，另一条完全不同的路线也在悄悄生长。2008年，特斯拉推出了第一款量产车Roadster，当时马斯克就说过，特斯拉未来的车都会支持自动驾驶。2014年，特斯拉推出了第一代Autopilot系统，和谷歌的全自研路线不同，特斯拉走的是“渐进式量产”路线：不用昂贵的激光雷达，只用摄像头、毫米波雷达和超声波雷达，靠算法和不断积累的行驶数据迭代，先把辅助驾驶功能装进量产车，再慢慢向完全自动驾驶过渡。

第一代Autopilot的核心供应商是Mobileye，这家以色列公司的EyeQ3芯片是当时汽车行业最先进的自动驾驶芯片，能实现车道保持、自适应巡航、自动跟车这些基础功能。特斯拉一开始把Autopilot宣传成“自动驾驶”，后来被美国交通部警告，说这误导消费者，才改成了“高级辅助驾驶系统（ADAS）”。2016年，特斯拉发生了一起震惊全球的自动驾驶事故：一辆Model S在开启Autopilot的模式下，在高速上撞上了一辆白色横穿路面的卡车，车主当场死亡。事后调查发现，Autopilot的摄像头把白色的卡车当成了天空，没有识别出障碍物，也没有刹车。这起事故成了自动驾驶行业的分水岭：一方面，它让所有人意识到，辅助驾驶不是自动驾驶，不能过度依赖；另一方面，它也推动了整个行业对传感器融合、算法安全的重视。

2016年之后，特斯拉和Mobileye分道扬镳，开始自研自动驾驶芯片和算法，马斯克坚持“纯视觉”路线，认为人眼只用两个摄像头就能开车，车也一样，不用激光雷达也能实现自动驾驶，这个观点在行业里引发了巨大的争议。支持者认为纯视觉成本低，适合大规模量产，而且人类司机本来就不用激光雷达，车也应该可以；反对者认为纯视觉的“盲区”太大，遇到逆光、暴雨、大雾的时候摄像头根本看不清，而激光雷达能在这些场景下正常工作，安全冗余更高。两种路线至今没有分出高下，但正是这种竞争，推动了整个自动驾驶技术的快速迭代。到2023年，特斯拉的Autopilot已经累计行驶了超过100亿英里，数据量远超其他所有自动驾驶公司的总和，基于这些数据迭代的FSD（完全自动驾驶）Beta版本已经在北美开放测试，虽然还是需要人随时准备接管，但已经能实现城市道路的自动领航、自动泊车、自动变道甚至自动绕开加塞车辆这些复杂操作。

和国外科技公司、车企的路线不同，中国的自动驾驶发展走了一条“政策+产业+场景”的独特路径。2015年，中国国务院发布《中国制造2025》，把智能网联汽车列为重点发展方向，给了自动驾驶行业大量的政策支持和资金补贴；2017年，百度推出了Apollo（阿波罗）开放平台，把自动驾驶的算法、传感器方案、测试工具全部开源，免费给所有车企、技术公司用，一下子拉动了整个行业的研发速度，当时国内有超过200家企业和百度达成了Apollo合作；2020年之后，小鹏、理想、蔚来等新势力车企扎堆上线高阶辅助驾驶系统：小鹏的NGP（高速自主导航驾驶）能实现高速、城市道路的自动跟车、自动超车、自动上下匝道，甚至能自动绕开加塞的车辆；理想的AD Max系统用上了激光雷达，在雨雾天气的识别率比纯视觉方案高30%；华为的ADS 2.0系统更是把无图自动驾驶推到了前台，不用提前采集高精地图，只要车走过一次，就能记住路线，下次自己开，2023年搭载ADS 2.0的问界M7上市后，三个月就卖了10万辆，成为现象级的产品。

很多人觉得自动驾驶是最近十年才冒出来的黑科技，其实它是整个汽车工业、电子工业、人工智能工业百年积累的必然结果。我们可以算一笔账：1984年Navlab1的算力只有0.1MIPS（每秒百万条指令），相当于现在智能手环的千分之一，而2023年搭载高阶辅助驾驶的车载芯片算力已经达到了400TOPS（每秒400万亿次运算），是Navlab的400亿倍；1984年Navlab用的工业摄像头一台要卖1万美元，现在车规级的摄像头只要几十块钱；2004年DARPA比赛用的64线激光雷达一台要7万美元，现在国内厂商生产的车规级激光雷达只要几百美元。算力、传感器成本的指数级下降，加上2012年深度学习技术在计算机视觉领域的突破，让之前只能在实验室里跑几公里的自动驾驶车，终于能装进量产车里，卖给普通消费者。

> 📌 电子版侧边栏：很多人分不清“辅助驾驶”和“自动驾驶”的区别，国际汽车工程师学会（SAE）把自动驾驶分为6个等级，普通读者可以简单理解为： > - L0-L1：纯人工驾驶+基础辅助（比如ABS、车道预警） > - L2：部分自动驾驶，能同时控制方向和加减速，比如现在的特斯拉Autopilot、小鹏NGP，但驾驶员必须全程手握方向盘，随时准备接管 > - L3：有条件自动驾驶，在特定场景下（比如高速）可以不用人管，但出了事故车企要担责 > - L4-L5：完全自动驾驶，不需要人类干预，L4只能在特定区域跑，L5能在任何场景跑 > 现在所有量产车上线的都是L2级辅助驾驶，离真正的L5自动驾驶还有很长的路要走，但正是从L2到L5的每一步迭代，才让自动驾驶从实验室的幻想，一步步变成了我们生活中的现实。

这98年的发展史里，从来不是一帆风顺的。1925年达鲁尔的遥控车被当时的人当成魔术，1939年通用汽车的自动驾驶概念车让600万观众热血沸腾，但最后因为成本问题胎死腹中；1966年英国的磁钉自动驾驶项目跑了不到10年就被放弃，成