看到“智能驾驶十年演进”这个题目我先说个结论这十年真正落地的东西没有十年前PPT里吹得那么神但底层技术骨架的搭建比大多数人感知到的要扎实得多。我从2015年前后开始接触这个领域那时候“自动驾驶”还是实验室和Demo车的专属名词到今天它已经成为新车发布会的标配卖点。这十年我一路看下来最大的感受是智能驾驶的演进不是一条直线而是一条“算法突破—硬件降本—法规松绑—用户教育”四股力量反复拉扯的螺旋曲线。这篇内容我不打算写成技术编年史而是想以一个参与者和观察者的视角把这十年拆成几个关键阶段讲清楚每个阶段的核心矛盾、技术拐点以及那些没有写在新闻稿里的真实细节。1. 2016-2018年规则优先时代的“人工智障”与勇气1.1 当时的“自动驾驶”到底是怎么跑起来的2016年到2018年市面上能上路的智能驾驶系统绝大多数是规则驱动的也就是我们常说的“if-else堆栈”。工程师们把驾驶任务拆解成感知、预测、规划、控制四个模块每个模块都靠人工编写大量逻辑规则。我当时参与过一个某主机厂的L2级辅助驾驶项目感知层用的是Mobileye的EyeQ3芯片那会儿的视觉方案还非常“笨”。它只能识别车道线、前车、行人这些结构化目标而且识别置信度阈值设得极高——宁可漏报不可误报。为什么因为规则系统没有“自我纠错”能力一旦误报比如把路边的广告牌上的行人图案当真车辆就会突然急刹车这种体验用户一次就劝退了。规划层的逻辑更有意思。那时候的变道超车策略基本是“前方有车且车速低于设定值→打灯→等3秒→变道”判定条件全部是硬编码。如果侧后方有一辆速度很快的车正在接近系统是不会“让行”的它只会机械地执行“等3秒”这个动作。说得好听叫“保守”说得难听叫“瞎”。1.2 激光雷达的“贵族时代”与算力瓶颈那几年Waymo的顶配方案用的是64线激光雷达单价一度超过7万美元相当于一辆豪华车的价格。这种方案精度确实高但根本不可能量产。国内大部分做L4级研究的企业用的都是16线和32线激光雷达的混合方案配合RTK-GNSS和IMU做高精度定位。定位精度能做到厘米级但问题是整套系统太贵、太脆、太依赖外部基础设施。我实测过一个场景在高架桥下GPS信号被遮挡RTK差分信号丢失定位漂移能到1米以上。而车道宽度只有3.5米1米的漂移意味着车辆可能直接跨线行驶。当时的解决方案是什么加装轮速传感器和航向角传感器做航位推算Dead Reckoning靠积分在短时间内维持精度。但积分必然累积误差每跑100米可能漂移0.5米这在高速场景下是不可接受的。算力方面2016年的车载计算平台用的还是NVIDIA Drive PX2算力大概在8 TFLOPS左右但功耗已经达到上百瓦。为了散热我们把工控机塞在后备箱用工业级的强制风冷风扇散热启动时噪音大得像开拖拉机。这种形态的“自动驾驶”本质上是一个实验装置离“产品”二字差着十万八千里。1.3 为什么说那三年是“必要的学费”虽然那几年的实际体验很差但我不认为那是白费功夫。规则时代最大的遗产不是代码而是问题清单。我们把所有能想到的Corner Case——比如“前车突然压线但未完全并线”、“行人在视野边缘突然加速”、“施工区域标志混乱”——全部记录在案形成了后来的仿真测试和实车测试的原始用例库。没有那批“人工智障”的试错后来基于数据驱动的方法论根本无从建立。而且那批工程师早就明白了两个道理第一感知不是万能的感知的置信度比感知的结果更重要第二规划决策不能只看自车状态必须建立对“他车意图”的概率估计。这两个认知直接影响了后面五年Transformer和Occupancy Network的落地方向。2. 2019-2021年数据驱动与新架构的“寒武纪大爆发”2.1 端到端之前我们先经历了“重感知轻地图”2019年是行业的分水岭。特斯拉在2019年4月的Autonomy Day上明确提出了“影像网络雷达”的纯视觉方案并且开始自研FSD芯片算力做到了144 TOPS。这时大家终于意识到算力不是瓶颈数据才是瓶颈地图不是护城河实时感知才是。国内从那时候起开始激进地拥抱大算力平台。我们团队在2019年底拿到了一块Orin的早期工程板对比之前用的PX2算力提升了10倍以上而且功耗控制在了50瓦以内——终于不用再靠拖拉机风扇续命了。但真正的架构革命是Transformer的引入。2020年Google在自动驾驶领域的工作证明了Transformer在时序建模上的潜力随后几年BEVBird‘s Eye View鸟瞰视角感知范式成为绝对主流。过去我们做目标检测是分别在各个摄像头的2D图像空间做检测再投影到3D空间融合而BEV方案是把所有摄像头的图像特征通过Transformer统一变换到一个俯视坐标下再在这个坐标下做检测、分割和轨迹预测。我仍然记得第一次跑通BEV感知模型时的心情那是一个基于可变形注意力Deformable Attention的算法训练数据是几千帧经过人工标注的多摄像头同步数据。模型输出的BEV特征图上车辆和行人的位置非常自然地“对齐”到了同一个世界坐标下再也不用像以前那样写一堆三角函数做外参标定和坐标变换了。虽然当时推理速度还很慢一帧要200毫秒但那条路径是明显可以走通的。2.2 高精地图的“成也萧何败也萧何”2019年到2021年国内几乎所有自动驾驶公司都在疯狂制作高精地图。我们当时的做法是用专业测绘车采集激光雷达点云配合地面控制点做联合标定达到车道级通常10-25厘米的相对精度再人工标注出车道线、路沿、红绿灯、限速牌等元素形成一份带拓扑关系的“道路语言”。高精地图确实好用——车辆定位到车道级后规划控制就不用再去“理解”复杂的路口拓扑直接查表就行。但问题也很现实鲜度滞后道路改动如施工改道、标线重画到地图更新往往需要数周时间与车辆日常行驶的时效需求不匹配。覆盖不足非核心城市的路网覆盖薄弱车辆一驶出高精地图覆盖区功能直接降级。合规问题国内对地理信息数据的采集、存储和出境有严格规定这无形中催生了与主机厂深度绑定的图商模式但也限制了跨地域快速部署。我记得有一段时间我们团队的软件版本有个核心模块叫“HD Map based Localization”鲁棒性做得很好。但每次OTA后总有用户反馈“我的车过了一个施工路段后系统提示功能不可用还差点走错道”。这就是高精地图“以静制动”的天然缺陷。行业后来转向“重感知、轻地图”甚至“无图化”不是没有原因的。2.3 数据闭环从“车端收集”到“云端训练”再到“影子模式”2020年开始“数据闭环”成了行业最高频词汇之一。过去我们写规则算法只需要专家的代码和一部分测试但到了深度学习时代算法的能力上限完全取决于数据质量。于是整个行业开始构建庞大的数据基础设施我在参与某头部新势力项目时做了一套“车端采集—筛选回传—云端标注—模型训练—仿真验证—OTA升级”的完整闭环。车端每辆车每天产生几百GB的原始传感器数据但不可能全部上传需要一个“事件触发”机制。比如当系统检测到驾驶员有紧急接管行为或者模型置信度突然降低或者自车发生了非预期的加减速就会截取前后几十秒的片段回传云端。这些数据在云端做自动化和人工混合标注进入训练集然后周期性地迭代模型再通过仿真测试跑回归。这个过程听起来很简单真正做起来却坑很多数据分布偏移晴天数据训练出来的模型雨天识别率断崖式下降标注噪声不同标注员对同一物体的框选范围差异大直接污染训练集仿真与实车的Gap仿真里百试百灵的场景到了实车上就出Bug原因在于传感器噪声和底盘的响应延迟在仿真里被“理想化”了。这些坑逼着我们建立了一套比较严格的数据质量管理流程包括抽样审核、交叉标注、场景标签化统计等。可以说智能驾驶的护城河其实不在于像素级算法而在于高质量的“有效数据矿山”的挖掘能力。3. 2022-2023年城市NOA的“军备竞赛”与高压现实3.1 城市NOA到底难在哪2022年是城市导航辅助驾驶NOA的元年。高速NOA在2019-2020年已经落地本质上是在封闭道路上做巡航、跟车、变道场景相对简单。但城市NOA的复杂度是几何级提升的无保护左转、两轮车穿插、行人鬼探头、复杂路口、隧道内信号丢失每一个都是“无限细节中的有限解”。我体验过某车型在城市NOA下的表现一个普通的十字路口左转时有对向直行车流系统需要判断“哪一辆车会让我”“哪一辆车不会让我”。如果按老派的规则模型去写这就是无穷无尽的if-else但2022年以后主流方案已经在用交互博弈的思路了也就是通过预测他车的意图分布来决定自车的“礼貌程度”。核心瓶颈还在于算力与能耗的平衡。城市NOA需要同时运行视觉大模型、BEV融合、预测网络、规划网络、控制算法整体负载比高速场景高出3-5倍。当我们把这一整套网络跑在Orin X平台上时功耗经常会冲到80瓦以上而车规级产品的功耗预算是25瓦以下。这倒逼我们做了大量模型量化和算子优化工作比如把CNN的卷积算子替换为TensorRT的专用实现把BEV特征图从FP32改为FP16将同步推理改为异步流水线。3.2 从“有图”到“无图”一次战略大转向城市NOA的竞争让“高精地图依赖症”的弊端彻底暴露出来。某品牌在2022年底开始大力推“无图”方案也就是仅靠实时感知和导航地图SD Navigation Map来做城市NOA。这在技术上是一个很大的赌博。我们当时拆解了无图方案的核心模块实时建图通过车载摄像头和激光雷达在车辆行驶过程中动态构建局部语义地图包括车道线、停止线、斑马线。导航推理将导航地图的粗粒度意图比如“前方200米右转”映射到当前感知到的局部语义中。在线拼接系统维护一个滑动窗口内的局部语义地图车辆驶过后“记忆”会衰减新的感知会覆盖旧的。最难的坑在于“前方有事件但感知不到”。比如前方路口的红绿灯被大货车遮住了无图方案只能靠附近的反射物体或前车刹车灯来判断“可能红灯”。这种情况下系统的决策置信度会显著下降于是必须触发“保守策略”——减速到很低的速度直到能重新确认信号灯状态。有一个朋友负责某车型的无图方案他说最狼狈的一次是晚高峰时高架下红绿灯完全看不见车辆以12km/h的速度龟速爬行后面的车不停地按喇叭。这在“有图方案”里根本不会发生因为地图上存了信号灯位置哪怕看不见也可以知道大概在哪儿。“去图化”并不是说地图没有价值了而是说地图的“强约束”角色弱化了导航地图变成了一种“意图提示”而感知模型变成了主要的“事实来源”。这个转向奠定了2023年之后整个行业的基调和成本结构。3.3 大模型上车BEV与Occupancy Network的合流2022年下半年到2023年Occupancy Network占用网络开始进入量产方案。过去BEV只能输出“稀疏的物体检测框”遇到各种奇形怪状的障碍物就会失效。占用网络把3D空间划分为体素网格每个网格输出“被占用”的概率它的好处是通用性不需要知道障碍物是什么只需要知道“这里有东西”鲁棒性对非标准目标如倒伏的树枝、掉落的轮胎、施工锥桶也有效可解释性体素网格可以直接输入到规划控制器形成“障碍物势场”。我们在一台测试车上部署了占用网络做了一次“随机障碍物挑战”——在封闭场地放置了一个充气假人、一个废旧轮胎和一个高80厘米的塑料水马。在老方案里充气假人可能识别为行人轮胎识别为“未知物体”导致降级水马识别为圆柱体障碍。但在新方案里占用网络不管三七二十一将所有障碍物所在的体素区域全部标记规划模块绕行通过无一碰撞。那一刻我意识到智能驾驶的感知范式已经从“告诉车辆世界是什么”走向了“告诉车辆世界哪里是空的”。4. 2024-2025年端到端与“类人驾驶”的真与假4.1 端到端模型抛弃中间表达还是抛弃可解释性2023年下半年端到端E2E自动驾驶成为最热门的方向。这条路线的核心理念是把感知、预测、规划、控制全部融合进一个大的深度神经网络用海量的人类驾驶数据进行模仿学习甚至可以配合强化学习来优化驾驶策略。这个路线看上去很美——不再需要写轨迹生成、不再需要代价函数调参、不再需要中间表达——但实际落地时我个人的感受是“又爱又怕”。爱的是端到端模型能学会一些非常细腻的驾驶行为。比如在拥堵蠕行时人类驾驶员通常与前车保持一个随动的距离而不是像规则模型那样反复在一个固定阈值附近纠结。端到端模型通过模仿学习可以学到这种“松驰感”。怕的是模型内部是一个几千亿参数的黑箱。我们不知道它基于什么逻辑做出决策也不知道它在什么输入下会突然失灵。一个工程师最恐惧的事就是模型在测试集上表现得完美无缺却在一个从未见过的俯瞰视角十字路口上突然“傻掉”。我们的做法是并不完全抛弃中间模块而是采用“端到端安全兜底”的混合架构大模型负责生成“拟人化轨迹”而一个轻量级规则安全层负责校验这个轨迹是否触碰了硬性安全边界。这套架构在量产车上是比较现实的妥协。4.2 世界模型自动驾驶的“ChatGPT时刻”2024年世界模型成为继端到端之后的下一波概念热潮。其实它本质上是利用视频生成技术来“想象”未来几秒的场景演变。比如前方有辆大货车正在变道世界模型可以根据历史帧生成“如果自车不减速接下来会有什么画面”。这直接改变了传统预测模块的思路——从“分别预测每个物体的轨迹”变成“生成一个完整的未来场景视频”。我在某算法交流会上听到一个观点“世界模型就是自动驾驶的ChatGPT时刻它让系统具备了‘想象空间’。”但我的理解更谨慎世界模型目前最大的价值可能不是直接作为决策模块而是作为仿真场景生成的工厂。过去仿真测试需要美术人员手工搭建3D场景工作量大得吓人而世界模型可以直接根据一个文本描述生成一个逼真的动态场景视频然后对模型做闭环测试。这个方向在2025年已经有不少团队跑通了。4.3 成本战与标配化智驾不再是高端专属2024-2025年行业发生了另一个显著变化智能驾驶的硬件成本被压到一个令人咋舌的低点。以高速NOA为例一套方案的成本已经从2020年的1.5万元下降到4000元以内城市NOA的成本虽然高一些但通过抛弃激光雷达、采用纯视觉毫米波融合方案也已经下探到8000元左右。这意味着十万元级别的经济型轿车也能配备L2级的辅助驾驶系统了。成本下降的三个关键要素芯片国产化与内卷国产车规级AI芯片在中低端市场大量铺开给了主机厂极大的议价空间。传感器降本4D毫米波雷达开始大规模取代传统3D毫米波激光雷达的冗余方案在低线素数激光雷达廉价的今天很多L2车型只“象征性”地装1颗前向激光雷达。算法效率提升模型蒸馏技术和大语言模型辅助的知识蒸馏让以往需要大算力的模型也能跑在中低端芯片上。我认为这大概是智能驾驶“十年演进”的一个里程碑它从一项炫技变成了一个可以价格竞争的成熟功能。4.4 我眼中的“类人驾驶”及期待2025年的智能驾驶跟2016年相比确实进步巨大但离真正的“自动驾驶”还有不小的距离。目前过得去的量产系统依然是“高度自动驾驶辅助系统”而不是“无人驾驶系统”。我们的L3系统在特定ODD运行设计域内可以自主应对但一旦驶出ODD必须提前几十秒敦促驾驶员接管。这种“接管压力”其实很多普通用户并不适应。我自己开车时会很关注系统的“接管逻辑”。有一次我测试一台新车在高速公路匝道上系统提示“即将汇入主路请驾驶员保持关注”但并没有强制接管而是让驾驶员在5秒内确认。结果我还没来得及看屏幕车辆已经开始自动打转向灯并缓慢汇入那种“系统自己拿主意”的感觉让我这个从事这个行业的人都有点不安。这让我深刻意识到智能驾驶的演进不光是技术的事还是一件人机信任的事。系统越智能就越需要把“它打算干什么”清楚地告诉驾驶员否则安全感和可靠感都会打折。5. 行业全景复盘这十年到底留下了什么方法论5.1 “感知-预测-规划”金字塔的瓦解与重构传统智驾系统的三层金字塔架构在端到端时代被严重动摇。过去我们按感知、预测、规划三个模块分别迭代每个模块有独立的指标但整体系统性能却经常遇到“模块独立最优但系统非最优”的尴尬。比如感知模块的“高召回”会导致规划模块频繁急刹预测模块的高准确率可能建立在过度保守的前提上。端到端模型则从根本上改变了这个分工逻辑它从全局角度最小驾驶风险反推每个子模块应该做什么。虽然可解释性变差了但整体驾驶效果的体验上限却上了一个大台阶。我认为这是十年内方法论上最重要的一个转向。5.2 数据与仿真的双螺旋2020年以后一个清晰的方法论逐步形成真实数据是只能通过实车采集的仿真数据是可以无限生成的两者必须闭环。我们团队在2024年做的一个项目里训练了一个“司机行为风格分类器”将其用于驾驶数据的高效分层采样——把不同驾驶风格的数据按不同权重喂给模型从而让模型同时学会“激进型”和“保守型”驾驶策略。这种方式如果没有大量仿真数据辅助生成边界场景比如雨天夜间突然出现的行人几乎不可能收敛。仿真测试的价值也在提升但仿真不是童话。我见过太多“仿真无敌、实车拉胯”的例子。原因不外乎几个传感器物理特性被简化相机的噪点、卷帘快门、动态范围都没有完全建模底盘响应被延迟理想化真车的转向、制动延迟在仿真中常常被省略环境动态性不足仿真的交通流和真实世界的交互博弈还差得远。所以一个成熟的智驾团队仿真测试占比可能高达70%但最后那30%的实车路测是永远无法替代的。5.3 从“功能安全”到“预期功能安全”十年前我们谈功能安全Functional SafetyISO 26262关注的是系统“故障导致的失效”十年后行业开始大规模谈预期功能安全SOTIFISO 21448关注的是“无故障情况下系统设计或性能不足导致的风险”。这个变化意义深远——它意味着行业承认了一个现实AI系统是永远不可能“完全正确”的我们只能把“不正确的后果”控制在可接受的范围内。在量产开发中我们通常需要做“危险场景分析”和“风险接纳”的决策。比如城市NOA对“突然横穿马路的行人”的响应时间设定在600毫秒以内这个600毫秒是综合考虑了传感器延迟、模型推理延迟、决策规划延迟、执行器响应延迟之后的系统化预算。如果做不到就必须降低ODD比如限定白天、晴天、无复杂路口。这类“妥协”在传统机械工程中可能显得不够完美但在AI时代却是唯一的落地路径。6. 未来三年真正的无人驾驶还是高级辅助驾驶的极致化6.1 技术线的三种可能性站在2025年年中我认为未来三到五年有三个可能方向端到端大模型世界模型的实用化通过大模型“输入传感器数据历史状态——输出决策”同时依赖世界模型做预判和仿真训练。这条线最有潜力也最受资本追捧。车路云一体化的重基建路线通过道路侧感知设备、边缘计算节点和云端调度把智能驾驶从“单车智能”升级为“群体智能”。国内部分城市在积极试点但这属于重资产模式短期难以大规模复制。混合双保险路线车端保持稳健的模块化架构引入端到端模型做“驾驶风格学习”的上层优化由独立的安全层把关。这是我在量产车上最看好的路线。6.2 法规与用户认知的“松绑”速度技术的演进速度已经快于法规的演进。全球主要市场对L3级以上智能驾驶的认证和监管框架仍在逐步建立中。2025年我们看到部分车型通过申报获得了L3级别的测试许可在特定高速公路路段允许“脱手”驾驶但对接管时间的要求仍然非常严格。这其实是一个“循序渐进”的积极信号。用户认知方面十年间已经有相当的转变。从最初“这玩意儿是不是会突然乱开”到觉得“高速上开NOA比自己省力”再到逐渐接受“城市NOA也能处理大多数路口”用户的信任阈值在逐步提升。但信任是脆弱的驾驶中一次不自然的急刹、一次不合时宜的变道都可能让用户退回保守模式然后在社交媒体上形成一轮负面讨论。所以我认为未来智能驾驶的竞争不只是技术的竞争更是“体验分寸感”的竞争。6.3 我给从业者和普通用户的两个“真建议”如果让我给刚入行的从业者一个建议不要只盯着最新的大模型论文一定要在真实道路场景中去“体验”你们的产品。很多只见代码不见车的工程师搭出来的系统总有一种“对规则的空间感不足”光看数据根本看不出来。如果让我给普通用户一个建议现阶段智能驾驶系统更像一个“实习生”它能在大多数情况下给你帮大忙但你仍然需要保持最低程度的关注尤其是在复杂城市路口、恶劣天气和施工路段。理解它的能力边界而不是神话它会大大提升你的使用体验和安全感。十年时间智能驾驶从一个PPT概念成长为千万辆级别的量产装备。这套系统帮我省了很多高速路上的疲劳驾驶时间也在某些极端场景下让我手心捏一把汗。它远不完美但它绝对是过去十年汽车工业最值得关注的技术主线。我个人的体会是别指望它能替你驾驭所有路况但它确实在一点一点地把“驾驶”这件繁琐事变得轻松。如果你打算入手一台智能驾驶车型别只看发布会上的参数多去试驾、多跑一跑你常走的路才是对这套系统最真实的检验。最后再分享一点我见过很多团队在展示Demo时都会剪辑掉接管和失败的过程但真正推动这个行业进步的恰恰是那些不完美的“接管报告”。下一波技术突破大概率就藏在此时此刻某一次用户的紧急接管数据里。保持敬畏保持好奇这是这十年教会我最重要的一件事。