第一章：自动驾驶概述
大家好，我是你们这门课的主讲人。在正式开始之前，我想先聊聊我自己的经历。2016年我刚入行时，自动驾驶还是个“玄学”领域。那时候我们团队十几个人，挤在车库里改一辆林肯MKZ。说实话，连SAE分级标准都还没完全统一。嗯，一晃这么多年过去，行业变化真的太大了。
这一章，我们不讲代码，也不谈算法。先把地图摊开，看看自动驾驶到底是怎么一路走来的，现在处在什么位置，未来又要往哪去。说白了，这是整个课程的“地基”。地基打不牢，后面盖楼会塌。
1.1 自动驾驶发展简史：从梦想到现实
自动驾驶这个概念，其实比大多数人想象的要老得多。
1925年，美国就有人搞出了“无线电控制的汽车”。你想想看，那会儿连晶体管都没发明呢。当然，那玩意儿跟今天的自动驾驶完全是两码事，更像是一个大号遥控车。
真正的转折点，我个人认为有两个：
- 2004-2007年：DARPA挑战赛。这是自动驾驶的“启蒙运动”。斯坦福的Stanley、卡耐基梅隆的Boss，这些车在沙漠里磕磕绊绊地跑完了全程。我当时还在读研，看比赛录像看得热血沸腾。说白了，就是这帮疯子证明了“机器自己开车”这件事是可能的。
- 2009年：Google无人车项目启动。这是商业化的起点。Google招揽了DARPA挑战赛的核心人物，比如Sebastian Thrun。我记得2012年他们公布测试里程时，整个行业都震惊了——30万英里，几乎零事故。
之后的故事大家就熟悉了：
- 2014年，特斯拉推出Autopilot 1.0。虽然只是L2级别，但第一次让普通消费者摸到了自动驾驶的门槛。
- 2016年，Waymo从Google独立。同年，Uber在匹兹堡上线自动驾驶出租车测试。
- 2020年至今，中国玩家全面崛起。百度Apollo、华为、小鹏、蔚来...说实话，现在全球自动驾驶的牌桌上，中国至少占了半壁江山。
我个人的一个观察： 这个行业的发展不是线性的，而是“脉冲式”的。每两三年会有一个技术突破，然后进入一段沉寂期，大家都在消化、落地。你如果现在入行，正好踩在下一波脉冲的起点上。
1.2 SAE分级标准：L0到L5到底差在哪？
SAE J3016标准，是自动驾驶领域的“普通话”。不懂这个，你没法跟同行交流。我面试新人时，第一个问题经常是：“你给我讲讲L2和L3的本质区别是什么？”
很多人答不上来。他们只会背定义，但理解不了背后的逻辑。
来，我帮你拆开揉碎了讲：
| 级别 | 名称 | 谁在开？ | 谁在监控？ | 出事了谁负责？ |
|---|---|---|---|---|
| L0 | 无自动化 | 人类 | 人类 | 人类 |
| L1 | 驾驶辅助 | 人类+系统（横向或纵向） | 人类 | 人类 |
| L2 | 部分自动化 | 系统（横向+纵向） | 人类 | 人类 |
| L3 | 有条件自动化 | 系统 | 系统（特定场景） | 系统（特定场景） |
| L4 | 高度自动化 | 系统 | 系统 | 系统 |
| L5 | 完全自动化 | 系统 | 系统 | 系统 |
注意看，关键分水岭在L2和L3之间。
L2的时候，系统帮你踩油门、打方向，但你的眼睛必须盯着路，手不能离开方向盘。出了事故，保险公司找的是你，不是车厂。
L3就不一样了。系统说“我来开”，这时候你可以刷手机、看视频。但系统一旦遇到搞不定的情况（比如施工路段），它会发出接管请求，你必须能在几秒内接过来。这个“几秒”就是所谓的ODD（运行设计域）限制。
我曾经在项目里踩过一个坑：我们做L3功能时，把接管时间设成了10秒。结果测试发现，驾驶员刷手机刷得正嗨，10秒根本反应不过来。后来改成了4秒，还是有人来不及。最后我们不得不加了一个驾驶员监控摄像头，盯着你的眼球。嗯，这里要注意：L3的“有条件”这三个字，背后全是血泪教训。
避坑指南： 我曾经见过不少公司，号称做L4，实际跑起来连L2都不如。为什么？因为他们把ODD定义得极其狭窄——只能在晴天、白天、没有行人的封闭园区里跑。这种“L4”其实没有商业价值。真正的L4，必须能在城市开放道路上处理corner case。记住：分级不是用来吹牛的，是用来定义责任边界的。
至于L5，说实话，我个人认为在可预见的未来（至少10-15年）不会实现。为什么？因为L5意味着在任何道路、任何天气、任何交通状况下都能开。这需要AI具备真正的通用智能。你想想看，连人类驾驶员都经常在暴雨天、大雪天出事故，凭什么要求机器做到完美？
1.3 行业现状：冰与火之歌
现在的自动驾驶行业，用四个字形容：冰火两重天。
先说火的一面：
- 资本还在涌入。2021-2023年，全球自动驾驶领域融资超过300亿美元。虽然比2020年的高点有所回落，但依然是热门赛道。
- 商业化落地加速。Waymo在旧金山和凤凰城已经开始了付费无人出租车服务。百度Apollo在武汉、重庆等地也拿到了运营牌照。我上个月去武汉出差，特意体验了一把，说实话，比我想象中要稳。
- 技术栈趋于成熟。感知、预测、规划、控制，每个环节都有成熟的方案。现在入行，你不用像我们当年那样从零开始造轮子。
再说冰的一面：
- 盈利遥遥无期。Waymo每年烧掉几十亿美元，至今没有盈利时间表。Cruise在2023年因为安全事故被加州DMV吊销了运营牌照。说白了，技术没问题，但商业模型还没跑通。
- 人才泡沫破裂。2022年之前，一个刚毕业的硕士生，只要会调一下深度学习模型，就能拿到50万年薪。现在？市场回归理性了。但这对真正有实力的人来说是好事——滥竽充数的人被清退了。
- 法规滞后。很多国家还没有针对L3/L4的完整法规体系。出了事故，责任怎么划分？保险怎么赔？这些问题至今没有标准答案。
给新人的建议： 如果你现在想入行，我建议你关注两个方向：一是系统架构（就是咱们这门课的核心），二是安全工程（功能安全、预期功能安全）。这两个方向的人才缺口最大，而且不容易被AI替代。纯做感知模型调参的岗位，说实话，未来3-5年可能会被AutoML工具取代。
1.4 未来趋势：三个确定性方向
虽然行业有很多不确定性，但有几个趋势是确定的：
- 从“单车智能”到“车路协同”。纯靠车上的传感器，总有盲区。如果路侧设备能告诉你“前方200米有行人横穿”，那安全性会提升一个数量级。中国在这方面的投入是全球最大的，这也是为什么我认为中国自动驾驶会率先落地。
- 从“规则驱动”到“数据驱动”。早期的自动驾驶，写满了if-else规则。现在？端到端模型正在成为主流。特斯拉的FSD V12，据说已经抛弃了大部分手写规则，完全靠神经网络开车。我个人觉得，这条路是对的，但前提是你得有海量的高质量数据。
- 从“乘用车”到“商用车”。Robotaxi（无人出租车）固然性感，但真正能赚钱的可能是无人卡车、无人配送车、无人环卫车。为什么？因为场景更封闭，法规更容易通过，而且人力成本节约更明显。我有个朋友在做港口无人集卡，已经实现盈利了。
好了，第一章的内容就到这里。这一章没有代码，没有公式，但它是你理解后面所有内容的基础。下一章，我们会深入自动驾驶系统的硬件架构——传感器、计算平台、执行器，这些东西是怎么选型、怎么集成的。到时候我会分享一些我在项目里踩过的硬件坑，保证让你少走弯路。
记住：自动驾驶不是百米冲刺，而是一场马拉松。稳住，我们能赢。