自动驾驶的流派之争：没有标准答案的技术进化史

当Waymo的无人出租车在旧金山完成第25万次付费出行时，特斯拉的纯视觉车队正在收集第10亿公里的行驶数据。这两组并行的数字背后，是自动驾驶行业最尖锐的现实：全球1500万辆智能汽车正在用不同的“眼睛”看世界，不同的“大脑”做决策，甚至用不同的“灵魂”理解驾驶这件事。从传感器选型到算法架构，从数据训练到决策逻辑，自动驾驶的每条技术路线都押注着不同的未来——但没有任何一条路能被证明是绝对正确的。这些争议从未停止，也正是这些争议，推动着自动驾驶从实验室走向街道，从科幻变成日常。

眼睛之争：纯视觉与多传感器的成本安全悖论

自动驾驶的一切分歧，都始于“如何看见”。2004年美国沙漠里的那场DARPA挑战赛，本质上是一场传感器的选拔赛。卡内基梅隆大学用激光雷达生成的3D点云图，让车辆第一次“看清”了沙漠的沟壑与岩石，也奠定了早期自动驾驶“用硬件堆安全”的技术基因。Waymo继承了这条路，2016年其原型车车顶的激光雷达造价高达7.5万美元，相当于当时一辆特斯拉Model S的售价。这种“精英路线”确保了技术的领先性，但也让商业化陷入停滞——没有消费者愿意为一套传感器支付豪车的价格。

十年后，特斯拉用8个摄像头重构了游戏规则。马斯克的逻辑简单粗暴：人类靠两只眼睛就能开车，机器为什么需要激光雷达？2016年推出的Autopilot系统，通过深度学习算法从二维图像中重建三维环境，成本直接砍掉90%。更关键的是，纯视觉方案构建了“卖车-收数据-迭代算法”的飞轮：每卖出一辆车，就多一个移动的数据采集终端；数据越多，算法识别行人、障碍物、特殊路况的能力就越强。截至2025年，特斯拉FSD用户已累计贡献超10亿公里的真实道路数据，这套“用数据换安全”的模式，让纯视觉阵营迅速占领市场。

但摄像头的“被动感知”短板从未消失。2023年旧金山暴雨夜，一辆纯视觉自动驾驶车因无法穿透雨幕，误将积水路面识别为平坦道路，导致车辆失控。类似的事故在逆光、眩光、隧道出入口等场景中反复出现，印证了多传感器阵营的核心观点：机器的智能在可见的未来无法完全模拟人类的常识判断，硬件冗余是安全的底线。Waymo的解决方案是“激光雷达+毫米波雷达+摄像头”的三重感知：激光雷达负责高精度建模，毫米波雷达穿透恶劣天气，摄像头补充色彩与纹理信息。这种“三保险”方案让其事故率比人类驾驶低60%，但代价是每辆车的传感器成本仍高达5000美元，是纯视觉方案的5倍。

如今这场争论已不再是非此即彼。特斯拉开始在新款车型上偷偷增加毫米波雷达的数量，而小鹏、蔚来等多传感器阵营玩家，则将激光雷达成本压降至1500美元以下。更微妙的是传感器融合算法的进化：激光雷达的点云数据正在与摄像头的图像数据实时拼接，形成“1+1>2”的感知能力。这场“眼睛之争”的结局，或许不是某一方的胜利，而是硬件成本与数据规模的动态平衡——当激光雷达价格降至200美元，当纯视觉算法能处理99.99%的极端场景，两种路线可能最终在中间地带相遇。

触觉之争：激光雷达与毫米波雷达的功能分工

多传感器阵营内部，另一场更精细的博弈正在上演：激光雷达与毫米波雷达的“触觉分工”。激光雷达的优势是“看得细”，角分辨率可达0.1度，能分辨100米外行人的肢体动作，甚至路面上的一颗石子；毫米波雷达的强项是“看得远”，在暴雨、大雾等场景中，其24GHz和77GHz频段的电磁波能穿透障碍物，探测距离比激光雷达远50%。这两种传感器的搭配，本质上是“精度”与“鲁棒性”的平衡。

Waymo的Robotaxi采用“5激光雷达+12毫米波雷达”的豪华配置：车顶的激光雷达负责全局3D建模，车身四周的短距激光雷达监测近距离障碍物，毫米波雷达则24小时扫描远距离来车。这种“不计成本”的方案，让其在旧金山的复杂路况中实现了99.98%的通过率。但对量产车而言，如此配置显然不现实。小鹏G9选择“1激光雷达+5毫米波雷达”的折中方案：车顶激光雷达重点监测前方150度范围内的远距离目标，毫米波雷达覆盖车身四周，在保证高速场景安全的同时，将传感器成本控制在3000元以内。

4D毫米波雷达的出现加剧了这场竞争。传统毫米波雷达只能输出目标的距离、速度和方位，而4D雷达通过增加高度维度，能区分路面上的井盖与减速带，甚至识别车辆的行驶姿态。2025年量产的华为MDC 610芯片，已能同时处理4颗4D毫米波雷达的数据，其点云密度虽不及激光雷达，但成本仅为后者的1/5。这让“摄像头+4D毫米波雷达”成为L2+车型的新选择——吉利银河L7就靠这套方案，将智能驾驶的起售价压到15万元以下，月销突破2万辆。

传感器的选型从来不是技术问题，而是商业问题。L4级Robotaxi需要极致的安全冗余，因此激光雷达是“必需品”；L3级量产车需要平衡成本与体验，因此“激光雷达+4D毫米波雷达”成为主流；而10万元以下的经济车型，则可能长期依赖“摄像头+传统毫米波雷达”的组合。正如Mobileye CEO阿姆农·沙舒亚所言：“自动驾驶的传感器配置，最终由用户愿意为每公里安全支付的成本决定。”

大脑之争：模块化与端到端的算法架构革命

如果说传感器是“眼睛”，算法架构就是自动驾驶的“大脑”。过去十年，行业主流是“模块化架构”：将驾驶任务拆解为感知、预测、规划、控制四个独立模块，每个模块由不同团队开发，像流水线一样协作。这种模式的优势是“各司其职”：感知模块负责识别障碍物，预测模块计算其他车辆的行驶轨迹，规划模块生成最优路径，控制模块执行方向盘和油门指令。Waymo的Chauffeur系统就是典型代表，其每个模块都有明确的输入输出标准，工程师可以针对性优化——比如当系统误将阴影识别为障碍物时，只需调整感知模块的算法参数。

但模块化的“局部最优陷阱”始终存在。感知模块输出的“行人”标签，可能丢失了“行人正举手示意”的关键细节；预测模块基于历史轨迹的判断，可能忽略了“路口突然冲出的自行车”这类极端案例。这些信息损耗在层层传递后，可能导致最终决策的偏差。2022年特斯拉FSD V12彻底打破了这种架构：端到端模型直接将8摄像头的原始视频数据，映射为方向盘转角、油门开度和刹车力度，中间不经过任何人工定义的模块。

端到端的优势是“信息无损”。当系统看到“行人举手”的画面时，无需将其抽象为“行人”标签，而是直接学习人类司机的应对方式——减速、鸣笛、准备避让。这种“模仿学习”的效率惊人：特斯拉用200万段人类驾驶视频训练的模型，在复杂路口的通过率比模块化架构提升40%。但“黑箱问题”也随之而来：如果系统突然急刹车，工程师无法判断是感知模块误判，还是预测模块出错，甚至无法确定是学习了哪个不良驾驶样本。这与汽车行业“功能安全ISO 26262”的要求直接冲突——传统车企需要知道每个决策的因果关系，而端到端模型只给结果，不给解释。

“显式端到端”成为折中方案。百度Apollo的“轻量级端到端”模型，在保留端到端效率的同时，输出“可行驶区域”“目标轨迹”等中间结果。当系统遇到异常场景时，工程师可以通过这些中间变量追溯问题根源。2025年推出的Apollo 10.0版本，已能用这种混合架构处理95%的城市道路场景，同时满足ISO 26262的ASIL D级安全标准。这意味着，未来的算法架构可能既不是纯粹的模块化，也不是完全的端到端，而是“数据驱动为主，规则驱动为辅”的弹性系统——在常规场景用端到端提升效率，在极端场景用规则模块兜底安全。

灵魂之争：VLM与VLA的决策逻辑分歧

当传感器和算法架构的争议逐渐清晰，自动驾驶的“灵魂之争”浮出水面：大模型应该是“思考者”还是“执行者”？VLM（视觉语言模型）和VLA（视觉语言动作模型）的分歧，本质上是“过程可控”与“结果最优”的选择。

VLM阵营的逻辑是“专业分工”。Waymo的VLM系统将大模型定位为“辅助决策的顾问”：传统感知模块识别出“前方有物体”，VLM通过多模态大模型将其分类为“被风吹动的塑料袋”，并给出推理过程——“根据纹理、运动轨迹和天气条件，该物体质量小于0.5kg，不会对车辆造成威胁”。最终的决策仍由经过验证的规划模块做出——“保持当前速度，无需避让”。这种“人类监督AI”的模式，确保了每个决策都有明确的因果链，符合汽车行业对安全性的严苛要求。

VLA阵营则信奉“AI涌现能力”。特斯拉的VLA模型试图让AI从零开始学习驾驶的一切：输入一段8摄像头视频，直接输出方向盘、油门、刹车的控制信号。其核心假设是“数据足够多，模型足够大，AI就能超越人类”。2025年发布的特斯拉D1芯片，算力达到1000TOPS，能实时处理8路4K视频流，配合10亿公里的标注数据，VLA模型在加州的自动驾驶事故率已降至人类司机的1/3。但这种“黑箱决策”始终让监管机构警惕——2024年NHTSA的报告显示，VLA系统在“阴影误判为障碍物”的场景中，仍有0.01%的概率出现不必要的急刹车。

数据成本成为关键变量。VLA需要“视频-控制信号”的配对数据，即一段视频对应同步的方向盘、油门操作，这种数据每小时的标注成本高达1000美元；而VLM可以利用互联网上的“图像-文本”数据预训练，比如用“红色信号灯意味着停车”的图片-文字对学习交通规则，数据成本仅为VLA的1/20。这也是为什么Waymo、华为等公司选择VLM路线——在保证安全的前提下，用更低成本实现技术落地；而特斯拉凭借百万级的用户车队，能持续获取廉价的VLA训练数据，坚定地走“数据换能力”的路线。

争议从未停止，进化永不落幕

从激光雷达与摄像头的“眼睛之争”，到模块化与端到端的“大脑之战”，再到VLM与VLA的“灵魂分歧”，自动驾驶的技术路线从未统一。但这些争议并非内耗，而是行业探索边界的必然过程——纯视觉推动了数据标注技术的进步，多传感器融合加速了激光雷达的成本下降，端到端模型倒逼传统算法优化效率，VLM则为大模型在安全领域的应用提供了新思路。

2025年的自动驾驶行业，已经呈现出“融合”的趋势：特斯拉在纯视觉中加入毫米波雷达的冗余，Waymo在模块化架构中引入端到端的感知模块，华为的VLM系统开始学习VLA的推理能力。没有任何一家公司能垄断所有技术优势，也没有任何一条路线能永远领先。这种“百花齐放”的格局，恰恰是技术快速迭代的最佳土壤。

当未来的历史学家回顾自动驾驶的发展时，这些流派之争或许会被视作“技术进化的试错过程”。就像当年燃油车的四冲程发动机战胜蒸汽机，智能手机的触摸屏取代键盘，自动驾驶最终也会在争议中找到属于自己的技术范式。而现在，我们正站在这个范式形成的前夜——每个传感器的参数，每行代码的逻辑，每次数据的迭代，都在书写着未来出行的规则。