回顾智能驾驶进化史

信息技术发展具有 20 年的周期律： 1970 年至 1990 年是发轫于 PC 的数字化，1990 年至 2010 年是互联网推动的网络化，而从 2010 年开始的这 20 年，我们面临的将是人工智能的寒武纪大爆发。

目前，人工智能炙手可热，创业公司如雨后春笋般涌现。从业者开始思考，如何让技术形成涟漪效应，促使产业非线性、跃迁式增长。

有人把人工智能和产业的关系比喻成 “ 葡萄干和面包 ” ，虽然葡萄干离开面包仍是葡萄干，但两者结合在一起就能创造出高价值的新品类。

笔者近年来一直在探索人工智能的产业机会，并得出结论：未来 15 年，智能驾驶将是人工智能所带来的增值最大的产业，没有之一。

首先，激活、重塑和创造多个 万亿级 市场。

• 激活汽车市场，智能、安全和人机共驾的新体验将重新激起人们换车的需求；
• 重塑出行市场，无人驾驶 + 共享汽车将解决如今困扰消费者和出行服务商的最大问题——司机成本和 “ 坏人 ” 风险。如果说当前的网约车只解决了 2 % 的出行，那么未来无人驾驶出租车可以将这个比例提升数十倍；
• 创造了新的消费经济和生产力市场——乘客经济。乘客在路上或消费，或工作，或娱乐，每一辆车都可以变成移动的商业地产。

其次，解决人类进入汽车社会以来一直无法解决的多个社会问题 ——交通拥堵（以及怠速行驶带来的废气排放）、事故频发、停车难等。无人驾驶如同具有千亿公里的驾驶经验和百万年驾龄的“ 老司机”，不疲劳、不路怒、不酒驾药驾、不随意加塞、也不用操心停车，可以根本性解决上述问题，真正满足人民群众对美好生活的向往。

智能驾驶的发展，可以分成 4 个阶段：

2004 年以前；

2004 年 - 2009年：第一个 6 年——孕育；

2010 年 - 2015 年：第二个 6 年——成长；

2016 年 - 2021 年：第三个 6 年——开花；

2022 年 - 2027 年：第四个 6 年——结果。

2004年以前，自动驾驶的前世

 

1921 年 8 月，第一辆无人驾驶（实为遥控）汽车在美国诞生，美国陆军的一位电子工程师坐在后面的一辆车上，用无线电操控前面那辆无人车的方向盘、离合器和制动器。

1939 年的纽约世界博览会，通用汽车在 “ 未来世界 ” 展览上，预言 1960 年高速公路将具有电子轨道，与汽车的自动驾驶系统相配合，实现无人驾驶，直到驶出高速公路才切换回司机驾驶。

此后，通用汽车并没有把这个预言当做儿戏，而是在 1956 年展出了 Firebird II，这辆看似 “火箭” 的概念车有史以来第一次具备了自动导航系统。两年以后，Firebird III 问世时，BBC 现场直播了基于车路协同的无人驾驶，高速公路上预埋的线缆与车端的接收器通过电子脉冲信号进行通讯，展示了未来高速公路的无人驾驶形态。

实际上，真正具备独立自动驾驶能力的原型——Shakey，出现在 20 世纪 60 年代，诞生于斯坦福研究院（Stanford Research Institute），这个研究院后来改名为斯坦福国际研究院（SRI International），以发明了电脑鼠标和语音助手 Siri 闻名，它的另一重要贡献是机器人。

Shakey 是第一个具有完整感知、规划和控制能力（这也是后来机器人和无人车的通用框架）的机器人。Shakey 之父是科学怪才查尔斯·罗森（Charles Rosen），也是斯坦福国际研究院的创始人。猎奇的媒体对 Shakey 做出了超出其实际能力，甚至耸人听闻的宣传，末日论第一次泛起，这让科学家们颇为尴尬，而这也是人工智能学界第一次与媒体结下了梁子，后来无数次反复。

如果说 Shakey 只是个在室内移动的机器人，那么 “斯坦福车（Stanford Cart）” 则是第一辆接近于无人驾驶汽车的机器人。汉斯·莫拉维克（Hans Moravec）被誉为“人工智能最坚定的支持者”，在他的领导下，“斯坦福车”取得了巨大进展。莫拉维克的团队研发了很多新技术，例如，用单一摄像头计算场景的深度，后来 Mobileye 采用了类似技术。多数情况下，“斯坦福车” 需要通过远程图像来操控，有一次它逃脱了控制，直接驶入了繁忙的道路，当莫拉维克从监视器中看到一辆真实的车辆从 “斯坦福车” 边上呼啸而过，大吃一惊，于是追捕“叛逃机器人”成为无人车历史上诙谐的一笔。

莫拉维克在机器视觉的探索中遭遇了很多挫折，后来提出了著名的莫拉维克悖论（Moravec’s Paradox）——人类的高阶智能，比如推理、规划和下棋，计算机都能够轻易实现。而只有几个月大的婴儿就能驾轻就熟的低阶智能，如感知和运动配合，计算机都遥不可及。在深度学习尚在襁褓之中的时代，科学家们还找不到头绪。

上世纪 80 年代，电视剧《霹雳游侠》（Knight Rider）中的 KITT 自动驾驶汽车风靡一时。几乎同时，汽车制造强国日本、德国和美国真正开始自动驾驶汽车的研发。日本的筑波工程研究实验室、德国的慕尼黑国防军大学与梅赛德斯联合团队、美国的国防高级研究计划局（DARPA）和卡内基梅隆大学，分别以 “ 摄像头为主、其他传感器为辅 ” 开发出不同的自动驾驶汽车的原型，并且在真实路况中展现出了令人信服的能力。

尤其是卡内基梅隆大学的 NavLab ，在 1995 年完成了从匹兹堡到圣地亚哥的 “ No Hands ” 跨越美国之旅，其中 98.2 % 的里程由无人驾驶完成，虽然车辆速度不快，但即使放到今天来说，这样的成果仍然非常了不起。这辆后来进入 “ 机器人名人堂 ” 的无人车是基于 Pontiac Trans Sport Minivan（小型多用途车）改造的，主要原因是相比轿车，Minivan 能塞进去更多的设备。后来 Waymo 也是采用了菲亚特克莱斯勒的 Minivan “ 大捷龙（Pacifica）” 作为无人车的改装基础。

90 年代末的另一个创举来自意大利帕尔马大学视觉实验室 VisLab ，他们利用双目摄像头组成的立体视觉系统，在高速公路上实现了 2000 公里的长距离试验，无人驾驶占比 94 % ，而车速则达到了 112 公里/小时。

几乎与此同时，中国学术和产业界也开始了智能驾驶的探索。在清华大学，1978 年齐国光教授课题组开始研究自动驾驶，1986 年何克忠教授的 HTMR 课题组接力，到 HTMR-III，才真正有了接近自动驾驶汽车的原型车。

中国第一辆自动驾驶汽车是 90 年代初的 ATB-1（Autonomous Test Bed-1），由北京理工大学、南京理工大学、国防科技大学、清华大学和浙江大学五家单位联合研究，而后的 ATB-2 速度较之第一代提升了 3 - 4 倍，这些院校多数成为了后来中国无人驾驶人才的摇篮。

同样是 90 年代，中科院自动化研究所的王飞跃教授在美国也开始了无人车的研究。

与美国类似，中国在遥控驾驶方面的探索也较早，1980 年国家立项“遥控驾驶的防核化侦察车”项目，哈尔滨工业大学、沈阳自动化研究所和国防科技大学参与了该项目的研究。在第二个阶段来临的前一年（ 2003 年），国防科技大学与一汽合作的红旗 CA7460 实现了高速公路的自动驾驶演示，峰值速度达到 170 公里/小时，并且实现了自动超车。

2004年~2009年，第一个6年：孕育

 

2004 年的大事件是美国国防高级研究计划局（DARPA）的无人车挑战赛 “ Grand Challenge ” 。时值 “ 第二次海湾战争 ” 刚刚开始，国防部注意到沙漠行动中的士兵伤亡，希望用无人驾驶来解决这一问题。

DARPA 挑战赛是美国的一项优良传统，国会拨专款，通过挑战赛发现那些变革性的、高回报的科研成果，极大地缩短了基础科学发现与军事应用之间的鸿沟。3 次无人车挑战赛、1 次机器人挑战赛（Robotics Challenge），以及 2018 年的航天发射挑战赛（Launch Challenge），使其天下闻名。

挑战赛要求无人车成功穿过240公里的沙漠道路，不出意料，2004 年所有车队在沙漠中折戟。这让随后 2005 年的挑战赛成就了一段光辉岁月。

卡内基梅隆大学的 Red 车队是夺冠热门，其负责人、机器人专家雷德·惠塔克（Red Whittaker）志在必得。他认为无人驾驶不是仅仅靠努力工作就能实现的，“ If you haven't done everything, you haven't done a thing. ”意思是你什么都得会，才能够取得成功，只懂某些方面等于零。这也间接道出了无人驾驶的高门槛。

在参赛队伍中，斯坦福大学的 “ 斯坦利（Stanley）” 无人车并不起眼，可是领队塞巴斯蒂安·特龙（Sebastian Thrun）矢志夺魁，他是机器人 SLAM（同步定位与地图创建）技术的先驱者，先前从卡内基梅隆大学失意出走，试图在这场比赛中夺回尊严。无人驾驶车的传统三强是卡内基梅隆大学、斯坦福大学和麻省理工学院，但在挑战者当中还有一个来自加州大学伯克利分校的年轻人，安东尼·莱万多斯基（Anthony Levandowski），这个身高 2L米、特立独行的年轻人以一辆名为 “恶灵骑士” 的摩托车参赛，吸足了眼球。

卡内基梅隆大学的两辆车一路领先，可下半程莫名的故障导致两辆车大幅减速，只获得第二名和第三名。“ 斯坦利 ” 虽然在比赛中出了几次事故，但没有大碍，在删除了一些无关紧要的代码后竟然越跑越快，最终斩获 200 万美元的冠军奖金。一直到 12 年以后，卡内基梅隆失利的原因才浮出水面，原来是引擎控制模块和喷嘴之间的一个过滤器坏了，使引擎失去了动力。“ 千里之堤，溃于蚁穴 ”，对待无人驾驶要有十二分的敬畏之心。特龙后来感叹，斯坦福能赢，纯粹是随机性发生作用。

在这次比赛中，很多车辆都使用了激光雷达、高精度的地理信息系统和惯性导航系统，直到今天这些仍然是很多无人车的标准配置。当然，那个时候的激光雷达可以说是千奇百怪，其中霍尔（Hall）兄弟做的激光雷达大如脸盆，这两兄弟是音响店的老板，又是 “ 格斗机器人 ” 的爱好者，从钻研机器人到研究激光雷达，成就了后来激光雷达领域的先锋 —— Velodyne。

笔者第一次接触无人车就是在 2005 年，当时英特尔研究院的 Gary Bradski（OpenCV 之父）帮助特龙的团队提升视觉能力，他力劝英特尔的市场部门赞助斯坦福车队，彼时英特尔已经花了 10 万美元赞助卡内基梅隆大学，于是特龙给了个友情价—— 2 万美元，英特尔幸运地赢得了这个最终冠军的赌注。有趣的是，由于“斯坦利”全身已经贴满各种赞助商的商标，英特尔的标志只能贴在前车窗上，这是个很醒目的位置，而且昭示这是辆无人车（因为没有司机透过前车窗看后视镜）。

转眼到了 2007 年，DARPA 已经不满足于荒野的无人驾驶，开始 “ 城市挑战赛 （Urban Challenge）”。卡内基梅隆大学卷土重来，这次他们准备充分，组建了一支 40 人的队伍，其中包括大将克里斯·乌尔姆森（Chris Urmson）。除了两辆参赛的车辆，还有一辆补给车提供充足的零件替换。卡内基梅隆大学的惠塔克终于摘得桂冠。据说，这次卡内基梅隆大学投入巨大，以至于拿到 200 万美元大奖后依然没有填补亏空。在他们的装备库里，第一次出现了一种新型的 64 线激光雷达，为了让这件装备投入使用，卡内基梅隆大学的工程师编写了大量的驱动程序。霍尔兄弟的 Velodyne 提供了这一超级武器，从脸盆大小到花盆大小，凝聚了他们的很多心血。在其后的近 10 年间，64 线激光雷达成为全世界绝大多数无人车必须配置的组件。

两次挑战赛极大地振奋了科研届的信心，也培养了大量人才。据说谷歌的创始人拉里·佩奇（Larry Page）是个极客，他与特龙因为对机器人感兴趣而成为密友，对于无人驾驶，佩奇有了新的想法。他把特龙招来谷歌，先是在谷歌街景上小试牛刀，到 2009 年的时候，秘密成立了无人车项目 “司机（Chauffeur）”，并且聚集了一批在挑战赛中声名鹊起的名将，包括前面提到的乌尔姆森和莱万多斯基。

阿姆侬·沙书亚（Amnon Shashua）是一位视觉专家，属于麻省理工派，在斯坦福学术休假时是特龙的室友。作为希伯来大学教授，他创建了 Mobileye，是第一个试图产品化 ADAS（先进驾驶辅助系统）技术的先驱者。Mobileye 创建于 1999 年，到 2009 年时，走过了 “ 从 0 到 1 ”的苦旅，已经有多款车型安装了它的产品。创立之初，没有人想到它一直到 2014 年才敲钟上市，更让人没有想到的是，2017 年它被英特尔收购，而这 18 年，它走出了一条少有人走的道路。

DARPA 的无人车挑战赛激励了中国的同行。2009 年，在国家自然科学基金委员会 “ 视听觉信息的认知计算 ” 重大研究计划的支持下，首届中国 “ 智能车未来挑战 ” 大赛在西安举行，从此拉开了中国系列挑战赛的序幕。

2010年~2015年，第二个6年：成长

 

2010 年，特龙以创始人身份成立 Google X，在这里，无数 “ 登（Moonshot）” 项目争先恐后地展开。

项目必须符合 3 个条件

1、惠及亿万用户

2、看上去有点科幻

3、用今天的技术几年内可以实现

毫无疑问，无人驾驶符合这些条件。

谷歌的第一款无人车是基于混电车 Prius 改装的，顶上装着 64 线激光雷达，以此建立高分辨率的三维环境模型或高精度地图。这些测试车被伪装成街景的数据采集车，常常夜间出没，以躲避公众的视线，也可以在没人没车的道路上采集高精地图。即使他们非常低调，但也难免被交警抓到，詹姆斯·库夫纳（James Kuffner）是最早一批从卡内基梅隆车队被挖到谷歌的工程师之一，如今已经是丰田无人车领袖的他，还能回想起当初被交警拦下的一幕。“ 纸包不住火 ”，最终著名记者约翰·马尔科夫从某个测试司机的高中同学那里挖掘到惊天信息，并且在《纽约时报》将其揭露出来，这让 “车城” 底特律陷入深深的震惊之中。旋即内华达成为了美国第一个允许无人车上路的州。

谷歌无人车的核心骨干中，有当初 “ 恶灵骑士 ” 的主人莱万多斯基。这位深受佩奇赏识的年轻人，却是个藐视规则，甚至对安全不以为然的麻烦制造者。他主导谷歌向 510 SYSTEMS 等几家公司采购技术和部件，后来大家才知道这些公司是莱万多斯基自己私自经营的。佩奇对其展现出极大的容忍，不仅许以重金，甚至把 510 SYSTEMS 买了下来。

谷歌的第二代无人车是更为强大的 Lexus ，同样是混合动力。前面提到，无人车的基础车型，第一个要求是要大，装得下各种设备，第二个要求就是电控，因为发动机的底层控制算法比电机要困难很多，多数团队更愿意把时间放在高层的算法上。

但真正让世人侧目的是 2014 年谷歌第三代无人车 “萤火虫（Firefly）”的诞生，这款长得像考拉的小车是针对无人驾驶完全进行重新设计的，比如移除了雨刷，因为并不需要有驾驶员在雨中看清路况。按照设计，这种车是没有方向盘的，但由于加州法律的限制，车里还是安装了一个游戏操纵杆作为方向盘。这辆车后来获得了红点设计大奖。

与此同时，Mobileye 赢得了车厂的信任，以视觉为主的 ADAS 低价方案进入主流市场，到 2015 年时，装机量已经近千万台。Mobileye 也偷偷开始了自动驾驶的研发。相比谷歌的方案，Mobileye 基于视觉的方案有独到之处。比如它采用视觉地图，从视觉中提取的地图特别小（每公里只需10 kb 级别的数据，相比之下谷歌是 GB 级别的），适合实时上传、通过众包的方式更新。事实上，基于视觉的定位更接近于人类的驾驶方式。我们根据道路上的标志来评估大致的位置，并且根据路面线条的变化做出实时的决策（选哪一条车道，是否上匝道等）。那么，只需从视觉中提取出那些标志和线条，众包上传到地图，行驶时便可以通过视觉匹配来获得定位。