这行干久了，回头看总有些感慨。2016年那会儿入行，天天跟高精地图、毫米波雷达和一堆C++代码打交道，那时跟朋友解释我是干什么的，得从“就是让车自己开”说起。现在倒是不用解释了，大街上的标语、手机里的推送，到处都在讲智能驾驶。但这十年到底变的是什么？从最开始的“有传感器能感知”，到现在的“端到端模型自己学开车”，中间经历过太多路线摇摆、技术打脸和幸存者偏差。
这篇文章适合两类人看：一类是刚入行或者想转行做智能驾驶的同学，想知道这套系统今天长什么样、它怎么一步步走到今天；另一类是产品经理、投资人或者技术决策者，想理解技术演进背后的逻辑——为什么2023年以后几乎所有人都在说“端到端”，为什么高精地图会从“必需品”变成“备选项”，为什么算力和数据的比拼会变得比传感器堆料更关键。我会用自己经历过的真实项目、见过的真实故障、踩过的真实坑来讲，不去复述那些官方通稿式的宏大叙事。
这十年，智能驾驶的核心演进可以浓缩成一句话：从“人写规则”进化到“机器自己找规律”。这句话理解透了，整个行业的大趋势就都串起来了。
1. 十年脉络：从“规则堆叠”到“数据驱动”
先说个2017年我参与过的场景。当时做的是高速场景的辅助驾驶功能，逻辑非常简单粗暴：用毫米波雷达锁定前车，然后根据本车车速算出一个安全跟车距离，距离太近就刹车。整个决策树大概几百行代码，每一个条件分支都写死在代码里。为了让“一辆车识别另一辆车”这个动作更可靠，团队大量的时间是在调阈值、调滤波参数。当时的工程师文化里，有一个很核心的职位叫“标定工程师”，专门负责在不同车型上把一堆报警阈值、制动介入时机调得恰到好处。这个状态放到今天看会觉得非常原始，但它在当年是主流。
1.1 早期：工程师手写规则，一个路口一版逻辑
大概在2015年到2018年这个阶段，行业的共识还是“感知、决策、规划、控制”四大模块各干各的。感知模块负责输出障碍物位置和类型，决策模块拿到障碍物后，用有限状态机决定是跟着、躲开还是停车。规划模块再根据决策结果生成一条平滑的轨迹，最后交给底盘控制去执行。这套流水线其实很像传统工业机器人的思路，每个模块单独开发和测试，出了事也好定位——到底是感知漏检还是规划参数有问题，一查便知。
但问题恰恰出在这个“一查便知”上。早期功能限制在高速和封闭园区，场景有限，手写规则确实够用。但一旦把车开到城市道路，各种impossible scenario就冒出来了：无保护左转、非机动车斜穿、施工区域改道、临时交通管制，每一个都是新的分支逻辑。我印象很深的是2018年做一个园区通勤项目，光是红绿灯路口的逻辑就写了几十个条件，包括“前方是红灯但是旁边大车遮挡”“黄灯闪烁但人行道还有行人”之类。每处理一个新场景，就要加一层if else，到后来代码乱到没人敢动。
1.2 中期：模块化架构成熟，L2+量产上车
2019年到2022年，是L2+级辅助驾驶大规模量产的阶段。这一阶段最显著的特点是“感知能力大幅提升，规则决策开始成为瓶颈”。摄像头分辨率从一百万像素提到八百万，芯片算力从几TOPS升到几十TOPS，高精地图也开始在大范围铺开。在高速上，车辆已经能做到自动变道、自动上下匝道，体验虽然偶尔会“抽风”，但整体框架算是立住了。
这时候行业内卷的方向开始分化。一部分厂商继续走“多传感器融合+高精地图+规则决策”的保守路线，强调的是“可用但有限”；另一部分厂商开始尝试数据驱动的方法，比如用机器学习模型替代决策规划中的部分手写规则。我当时的团队就做了一个很有意思的改动：把变道决策从“代码写死”换成“模型打分”。具体来说，我们收集大量老司机在高速上的变道操作数据，包括变道时的车速、周围车辆距离、目标车道后方来车速度等，训练了一个评分模型，实时对“要不要变道”给出一个0到1的打分。虽然模型本身很简单，但这是从规则到数据的第一次妥协。
1.3 现在：端到端与大模型重塑技术栈
2023年之后，行业风向发生了一次根本性变化。特斯拉在AI Day上宣传端到端方案之后，基本上所有头部的智能驾驶团队都开始往这个方向转。所谓端到端，简单说就是“感知进来，控制指令出去”，中间没有明确的模块边界，整个驾驶决策交给一个大型神经网络承担。这个转变很像当年图像识别从HOG特征手工设计转向CNN，本质上是把“如何开车”这个问题的建模方式，从人类定义特征转变成机器学习特征。
当然，公开宣称“端到端”和真正落地“端到端”之间还有巨大的距离。很多团队实际上是做了“准端到端”，比如感知仍然用传统模块，只是将预测、决策、规划合并成一个网络；又或者用大语言模型来做一些复杂场景的语义理解，让车能读懂交警手势、读懂前车双闪背后的意图。但不管怎么说，技术主干变了。现在面试新人，如果还只会讲卡尔曼滤波和PID控制，基本连第一轮都过不去了，大家张口闭口都是“Transformer、占用网络、世界模型”。
2. 感知的进化：从“单点识别”到“全局理解”
感知是智能驾驶十年变化最剧烈的一层。2015年大家还在用二维检测框，2025年主流方案已经变成了直接在三维空间里做语义理解。这个变化之深刻，在功能体现上完全是两个物种。
2.1 二维目标检测时代：小模型加后处理
早期感知系统基本就是“图像二维目标检测+毫米波雷达点云+简单后融合”。摄像头负责认物体，雷达负责测距离，然后通过一个叫做“传感器融合”的模块把两者的结果拼在一起。听起来合理，做起来很痛苦。因为摄像头在弱光环境下会漏检，雷达对静止目标容易误报，两者融合的时候经常出现“雷达说前面有东西、摄像头说没有”的争执。为了裁决这种矛盾，工程师往往要设计很多经验规则，比如“雷达置信度低且摄像头置信度高时，以摄像头为准”。
更麻烦的是，二维检测框在真实场景中丢失了大量空间信息。一个行人站在车前三米和站在三十米外，图像上的像素尺寸可能只差几十个像素，但物理上的危险性完全不同。早期方案需要用各种几何假设去估算距离，一来二去误差很大。这也是为什么2015年前后的ACC自适应巡航，一旦前车是静止的施工隔离墩，系统经常反应不过来。
2.2 BEV与Transformer：从“各自为战”到“统一地图”
2021年前后，BEV（Bird‘s Eye View，鸟瞰视角）感知成为行业分水岭。这个技术最核心的创新，是把多个摄像头的图像特征统一投影到车体为中心的俯视图坐标系上。用我的话说，以前摄像头各看各的，像一个房间里四个人分别描述自己看到的角落，然后由一个人脑补全局；BEV是直接把这四个人的描述拼成一张完整地图，所有物体都在统一坐标下有明确的位置和速度。
Transformer结构在其中起的作用至关重要。它解决了“不同摄像头视角下的同一物体如何匹配”的问题。用自注意力机制，网络可以自动学习不同视角之间的关联，不用再手工做空间对齐。我们那时候做的一个demo，两路摄像头一拍，BEV图里一个行人的轨迹非常平滑地跨过了两个视角的重叠区，这个效果换之前做几何拼接根本不可能达到。从那之后，行业内卷的方向就不再是“怎么融合”，而是“怎么训练出更好的BEV模型”。
2.3 占用网络与端到端感知
到了2023年后，行业感知又开始向“占用网络（Occupancy Network）”演进。传统的目标检测只能识别出“训练过的物体”，比如车、人、骑行者，但路上大量存在的是“不知道是什么但挡住路”的物体——比如掉落的纸箱、树杈、施工用的沙堆。目标检测模型在这些东西面前经常直接失明。占用网络的思路是：不关心物体是什么，只关心这个三维空间位置有没有被占据。这是一个非常工程化的转向——从“认物”变成“占位”。
这个转向的意义在于，哪怕模型不认识一个物体，只要知道它占了空间，规划系统就能避让，这大幅提升了系统的鲁棒性。在业界逐渐形成共识后，很多团队的BEV特征和占用特征开始往一个模型里塞，形成了多任务统一感知，一个Transformer encoder跑一遍，同时输出动态目标、静态占用、车道线、可行驶区域等。感知的框架越来越像一个“空间语义理解器”，而不是一个简单的目标检测器。
3. 地图与定位：从“重地图”到“轻地图”
感知负责“看见什么”，定位负责“我在哪”。而地图，在过去很长一段时间里，是智能驾驶最重要的“拐杖”。但这个拐杖的宿命，注定是被扔掉。
3.1 高精地图的兴起与痛点
从2018到2022年，几乎所有的L2+高速领航辅助驾驶都离不开高精地图。原因很简单：当时的感知和规划系统还不够聪明，必须靠地图提前知道前方几公里有几个车道、哪里汇入、哪里分叉。高精地图与传统导航地图的差别在于“厘米级”和“要素级”——它不只是画一条路，而是把每条车道线、每个路沿、每个交通标志牌都变成数字化要素。
大问题在于两个：覆盖率和鲜度。覆盖率决定“这功能在哪些路能开”，鲜度决定“地图上标的和现实对不对得上”。做过地图采集的同行都应该深有体会，采图车跑一遍城市所有道路，成本是天文数字；更麻烦的是道路经常变，今天这里围挡施工，明天那里改了车道，高精地图根本跟不上节奏。我2019年做过一次实车测试，地图显示前方第二车道是直行，结果现实是左转专用道，系统还傻乎乎地并了进去。司机骂街，我们道歉，然后默默把这段路从地图配置里拉黑。
3.2 无图方案与感知替代
从2022年底开始，“重感知轻地图”的呼声越来越高。核心逻辑是，既然感知已经能在BEV里画出车道线了，那就不需要高精地图提供全部车道线信息，只需要普通导航地图提供拓扑关系，也就是“大概哪条路通向哪里”。至于实时车道线位置，全靠感知模型实时识别。这个方案一举解决了覆盖率问题，也让智能驾驶能力不再被地图采集进度拖后腿。
这里必须说清楚一个误区：所谓“无图”，并不是完全不用地图，而是不用高精地图，换成成本低得多、覆盖全得多的标准导航地图。我见过不少消费者被宣传误导，以为无图就是车自己探路。实际实现的本质是：导航告诉车“前方路口该左转”，感知负责在路口实时识别出哪条车道能左转。感知的地图感越来越强，而高精地图的地位越来越弱。
3.3 记忆行车与通勤模式
“无图”还带来一个有趣的方向——记忆行车，有的叫通勤模式。原理其实不神秘：利用车辆本身在固定路线上反复行驶积累的感知数据，逐渐建立一个“局部高精地图”的替代品。第一次在这条路上开，系统一脚一脚教你；开了三五趟之后，车已经能把关键地标和路口特征记住，下次再走上这条路线，就按照记忆里的经验行驶。
这个玩意的工程魅力在于，它巧妙绕开了高精地图的采集成本问题——地图不是专业采图车生产的，而是每一辆量产车在用户日常行驶中“顺手”生成的。当然，这里对数据存储、隐私保护和车端算力都有更高要求，但作为技术路线，它是“从重地图走向轻地图”最漂亮的落地实践之一。我实际体验过几次这类功能，前两次确实像新手司机，到了第五次走同样的路，变道时机和路口选择已经很有老司机的味道了。
4. 决策规划：从“规则决策”到“端到端学习”
如果说感知层过去十年完成了从“看得见”到“看得懂”的升级，那决策规划层就是从一个更顽固的堡垒里被硬生生撬开了一个口子。
4.1 传统安全规划：避撞模型与决策树
早期的决策规划系统，核心是“安全第一”。为了实现这个目标，工程师设计了两层结构：第一层叫“决策层”，用有限状态机处理当下驾驶态势，比如稳定跟车、准备变道、让行等；第二层叫“运动规划层”，在决策结果下生成一条满足车辆动力学约束的轨迹。这套体系的安全底线通常由一个叫做“安全距离模型”的模块来兜底，它实时计算“如果前车突然急刹，我当前速度还来不来得及停下来”。如果计算结果太危险，系统会无视决策层，直接触发最大制动。
规则系统最大的问题在于“复杂场景的组合爆炸”。城市道路的博弈场景太多了：两辆车同时抢一个车道、行人犹犹豫豫过马路、外卖车在车流中蛇形穿梭。每个场景都可以写出规则，但场景之间的叠加态很难枚举。一个系统在测试场地跑得顺风顺水，一放到早晚高峰的城区，就会被各种长尾场景打破防。做传统决策的工程师，最怕收到的反馈就是“你没遇到过这种情况，所以你没写这版规则”。
4.2 数据驱动的预测与模仿学习
行业的应对方式是：先不管最终决策，先把“预测”模块做出来。预测模块的任务是回答“周围的车接下来一秒会怎么动”。2019年之后，基于循环神经网络和Transformer的轨迹预测模型逐渐取代了传统的“匀速假设模型”。模型吃进去每个障碍物过去几秒的运动序列，输出未来几秒的多条候选轨迹，每条轨迹带一个概率。这个能力让规划系统具备了一定的“预判性”。
紧接着的策略，就是模仿学习。收集海量优秀驾驶员的操作数据，教会模型“在这种情况下人类会怎么操作”，这个思路规避了手写规则枚举不完的问题。但模仿学习有个天生的坑：它只会模仿“见过的数据”，遇到没见过的场景就容易给出离谱的操作。这也是后来大家意识到，需要构建一个更完整的“数据飞轮”体系，让系统能不断从真实数据流中学习，而不是单靠离线训练。
4.3 端到端与VLA：一个新的“黑盒”时代
端到端把“感知预测规划决策控制”全部塞进一个神经网络。它的诱人之处在于，系统内部的表征是统一学习出来的，不会出现传统架构中“感知误差传递到规划层被放大”的问题。举个例子，传统架构里如果传感器漏检了一个锥桶，规划系统完全不知道避让；端到端系统里，网络对锥桶的“认知”和“避让动作”是同一个模型的一部分，哪怕模型并没有把锥桶作为一个独立的语义目标识别出来，只要输入特征里有这个锥桶的响应，输出的轨迹也会自然绕开。
当然，端到端也不是没有代价。最大的代价是“可解释性”断崖式下降。以前系统出了事故，工程师可以打开日志，看一眼是不是某个感知模块漏检了，是哪个规划条件没满足；现在打开网络，里面是几亿个浮点参数，根本说不清它为什么在这一刻选择了刹车而不是绕行。行业现在也在研究各种“可解释性工具”，但整体上仍处在“摸着石头过河”阶段。另外一个方向是VLA（视觉语言动作模型），把大语言模型的语义理解能力注入驾驶模型，让系统能听懂“前方施工，请绕行”这类自然语言指令。这个思路还在早期，但想象空间非常大。
5. 算力、传感器与成本下探
技术演进背后，有一只看不见的手一直在推着行业往前走——硬件成本。如果十年前有人预测智能驾驶会进入十几万元的家用车，大多数从业者会觉得是天方夜谭。今天回头一看，真真切切做到了。
5.1 从分布式ECU到中央域控
传统车的电子电气架构是分布式的，一个小功能一个ECU（电子控制单元），整车可能有三五十个ECU，分别控制车窗、车灯、ABS等。智能驾驶的复杂性，倒逼行业走向中央集中式架构：一个高算力域控制器，负责接管所有智能驾驶相关传感器的数据和计算。
这个转变的意义不只是算力提升了，更关键的是软件能统一迭代了。以前的分布式ECU，每个单元都要单独刷软件、单独验证，整个系统升级一次要等好几个供应商的排期；上了域控之后，OTA升级就跟手机更新系统一样简单。我记得第一次远程升级车队里的测试车时，站在路边看着车子在线更新半小时，心里想的却是“发酵几年的行业，总算有了互联网产品的玩法”。
5.2 传感器价格与方案的博弈
激光雷达的故事，是价格博弈最典型的缩影。2015年前后一颗多线束激光雷达的成本是以数十万计的，贵到连验证平台都只舍得装一颗。随着自动驾驶公司纷纷跑路测，带火了供应链，国内一批厂商开始把激光雷达做成半固态、固态，单价从十几万一路打到三四千人民币。到2024年，很多15万级别的车型也开始标配激光雷达，这在五年前是完全不敢想象的。
但在传感器路线上，行业始终存在分化。一类是“多传感器融合派”，认为毫米波+摄像头+激光雷达的组合才是安全性的保障；另一类是“纯视觉派”，坚信只要摄像头分辨率够高、算法够强，就能实现同等效果，而且成本更低。这两种路线在行业内持续交锋，到今天也没有定论。我个人的感觉是，路线选择往往不是纯粹的技术问题，它取决于各家在算力、数据和造车成本上的综合考量。激光雷达在2025年的价格无论是三千还是八百，都已经不再是制约方案选择的瓶颈。
5.3 芯片算力的增长与软件支撑
算力是这十年最不讲道理的指标。2016年主流的Mobileye EyeQ3芯片只有0.2TOPS算力，接下来的芯片产品一路飙升：几十、两百、五百、上千TOPS。2024年-2025年一些旗舰单板已经到1000TOPS级别，甚至宣布了2000TOPS的新规划。算力暴增的直接后果，是以前只能在GPU服务器上离线跑的深度学习模型，现在能实时跑在车端了。
但算力也带来了一个麻烦：功耗。一块上千TOPS的芯片跑起来，发热量惊人，得配液冷或大面积散热片。工程上还要考虑这辆车的电源系统能不能撑得住、空调系统能不能带走热量。我见过一个真实的案例：一台测试车在夏天暴晒后高算力启动，整车功耗瞬间上了一个台阶，小电池出现压降告警。这些细节，往往比算法本身更考验一个团队的系统工程能力。
6. 测试验证：仿真、数据闭环与组织变革
智能驾驶圈里有一句老话：“量产车的最终测试考官，不是车管所，而是街上的行人、大爷和电动车。”这行和传统汽车最大的区别，是测试验证的复杂度完全不在一个量级。
6.1 仿真测试：为什么要跑“虚拟里程”
实车路测的成本太高了，一台测试车一年跑十几万公里，花的油费电费、人工成本、安全员的工资，都是一笔巨大的开销。而且实车测试很难完整覆盖各种边缘场景。仿真测试因此成为智能驾驶研发中不可或缺的一环。
在仿真环境里，我们可以把车放在一个完全虚拟的世界：几小时内跑完现实中几个月才能跑完的雨天、夜晚、隧道、收费站等场景；可以复制同一个十字路口，微调车辆数量、速度、加速度，生成上万种交通流组合。早期仿真和真实差距太大，很多工程师不屑一顾；但近两年，基于神经重建的场景仿真引擎已经能直接“克隆”真实地图和真实动态交通流，仿真置信度大幅提升。我刚接手的一个项目里，超过70%的算法验证和问题回归都直接跑在仿真平台上，只有最后一步才上实车。
6.2 数据闭环：海量数据的筛选与利用
数据闭环是智能驾驶行业的通用“焦虑解药”。只要路面上有智能驾驶功能的车在跑，它就会实时回传一段段脱敏后的驾驶数据。这些数据量极大，但车里95%以上都是“正常驾驶”，真正有价值的“危险case”只占很小一部分。如何把有价值的数据找出来，是数据闭环系统要解决的核心问题。
我们的做法是设置一大批“触发规则”。比如，当系统记录到“安全员介入”事件，或者“AEB自动紧急制动触发”、又或者“行车内外压差变化过大”，就把前后数十秒的数据自动触发上传。这套“影子模式”让测试车和平量产车都变成了行走的数据采集器。有了数据和场景库，团队就有机会针对那些真实发生过的危险场景进行定向迭代。数据闭环对我来说，有点像“钓鱼”——你得先把网撒下去，再把小鱼小虾筛选掉，最后留下的才是能上桌的好菜。
6.3 改组织架构，不如改测试流程
很多公司初入智能驾驶时，测试验证还是“开发完了再测”的老传统。到了后面的迭代阶段发现这样不行：规则变了、模型换了、参数调了，测试用例都得重新跑，测试永远跟不上开发。愈发主流的做法是“持续集成+持续测试”的流水线：代码一提交，自动触发数千个回归测试场景，一个晚上就能跑完以前人工测试一个月的量。
这给行业带来的组织影响非常深刻。测试和数据团队从一个边缘岗位，变成了整个研发体系的发动机。一个模型哪天变好变坏，不是靠工程师拍脑袋，而是靠算法团队每天盯着的“排行榜”来评判。整个工作节奏更像互联网公司，而不像传统车企。汽车产品从“一年一改款”变成“一周一OTA”，这恐怕是过去十年最让人兴奋的变化。
7. 我踩过的那些坑：给同行的一些实在建议
写了这么多技术演进，最后聊点更贴近日常工作的内容吧。这些年，我踩过的坑如果写下来能出一本书，这里挑几个最典型、最常出现在从业者聊天里的来讲。
7.1 传感器标定，永远比你想象中脆弱
很多团队前几年压缩了大量成本去做传感器标定，结果一上路就“翻车”。摄像头的内外参数、雷达的安装角，稍微偏一点，感知输出就会错位。2021年我做某个量产项目的时候，一台车明明出厂时标定一切正常，跑了五千公里后，用户反馈说自动泊车老压线。查下来发现，前摄安装位置的震动导致外参偏移了半度。半度听起来很小，但投射到30米外，就是0.26米左右的横向误差，刚好能把车“挪”到压线位置。
应对方法是：做好“自标定”机制，出厂标定之外，车辆每次启动时都要基于车道线、静止物体做一次在线矫正；同时定期进行报警，提示用户进行保养式标定。
7.2 数据标注的口径，是团队内耗的最大来源
做数据驱动，最怕的不是数据不够多，而是标注口径打架。曾经有段时间，我们的感知团队和预测团队用两份完全不同的标注文件，对“一个障碍物”的框选标准不一致，导致感知模型输出的目标，到了预测模块里位置偏差严重，车动不动急刹。后来我们专门拉了一组人去写《标注规范v1.0》。一本册子比中学课本还厚，包括“遮挡超过30%的行人怎么标”“车辆部分进入盲区怎么标”等等。规范明确了，模型稳定坍缩了，团队氛围也随之改善。
7.3 仿真做得再真，也不能替代对真实物理环境的感知
有一个经典案例。团队里一位同事开发的模型在仿真里表现堪称完美，变道果断、避让及时。结果实车测试第一天，就在一个傍晚逆光场景下，把旁边车道一辆黑色车的阴影误认为障碍物，直接急刹停在路中间。仿真里光照模型再逼真，也没办法完全复刻真实世界CMOS传感器在不同光线下的表现。
所以后来我们定了一个规矩：任何新模型上线前，除了仿真回归，还必须在固定路线的实车测试中跑满三天，包含不同光照和天气条件。这条规矩看起来费时费力，但救回的Case比它消耗的成本多得多。
7.4 给入行新人的一点真心话
如果你现在准备进入这个行业，我给你三个建议。第一，不要只学算法。智能驾驶是一个系统问题，你会需要了解整车通信（CAN总线、Autosar）、传感器硬件特性、车辆动力学、功能安全。纯算法视角在真实项目里经常会做出一套“理论正确、落地没戏”的方案，这样很吃亏。第二，不要忽视工具链。学会用好仿真、数据挖掘、可视化调试工具，工作效率能差出十倍。第三，保持对长尾场景的敬畏。智能驾驶的天花板不是常见场景，而是无穷无尽的罕见场景。你以为系统已经“能开”了，下一个路口可能就会冒出一个让全团队崩溃的新问题。
写在最后
回看这十年，我最大的感受是：智能驾驶的每一次技术升级，本质上都是在“把不确定性往后推”。早期用高精地图把道路结构变确定，中期用BEV感知把空间理解变确定，现在用端到端把驾驶策略的建模过程变确定。每解决一层不确定，系统的适用范围就向外扩一圈。
但也正是这个持续解决不确定性的过程，让行业永远充满张力。每当有人以为某套方案已经是终极答案时，新一代技术和路线总会悄悄出现，把旧的秩序冲得七零八落。如果你也是这个行业里的同行，希望这篇梳理能帮你看清自己正处在历史的哪个位置；如果你是刚入行或者慕名而来的新人，也希望它是一份能帮你少走弯路的地图。前方当然还有很多待解的问题，但这就是这份工作最有意思的地方。
