自动驾驶十年演进
下面按“自动驾驶（乘用车为主，兼顾Robotaxi/卡车）2016→2026 十年演进”给你一份专业 + 前沿 + 工程化的系统长文：我会用阶段时间轴串起来，再把技术栈/架构范式/安全与法规/产业落地四条主线讲清楚，最后给出2026 往后 3 条确定性路线。
1) 十年一句话主线
2016–2026 自动驾驶的主线不是“从 L2 到 L5 直线升级”，而是：
- L2（监督式辅助驾驶）规模化上车（量产与数据飞轮）
- L4（限定区域的无人驾驶运营）在少数城市变成可持续业务（安全+运营+法规）
- L3（有条件自动驾驶）在法规与安全论证体系下缓慢推进（标准化、责任边界、ODD 约束）
并且从 2023 之后，行业明显转向：**“安全案例（Safety Case）+ 数据闭环 + 可观测/可追溯”**成为竞争核心。
2) 四阶段时间轴：2016→2026
你可以把十年分成“四个范式阶段”，每个阶段都有明确的技术与产业标志。
阶段 A｜2016–2018：深度学习感知“工程化落地”，L4 从 demo 走向试运营
关键词：CNN 感知、HD Map、激光雷达堆料、模块化流水线、ODD（运行设计域）意识
- 感知侧：深度学习把检测/分割/跟踪的上限拉高，但工程上仍严重依赖“长尾数据 + 标注 + 规则补丁”。
- 系统形态：典型 L4 技术路线是“多传感器融合（含 LiDAR）+ HD Map + 模块化管线（Perception→Prediction→Planning→Control）”。
- 产业形态：Robotaxi/无人小巴在少量城市做试运营，但成本高、扩城慢，ODD 边界非常硬（天气、道路类型、施工、交通管制都会触发降级）。
这个阶段的最大认知收获：
“自动驾驶是一个系统工程，不是单点算法；ODD 才是产品边界。”
阶段 B｜2019–2020：L2 大规模上车，数据飞轮启动；L4 仍在高成本区间爬坡
关键词：量产 ADAS、端到端训练的萌芽、算力上车、影子模式/采数闭环
- L2 的爆发：高速 NOA/车道居中/自适应巡航等功能快速普及。行业开始用 SAE J3016 对外解释自动化等级（L0–L5），并逐步澄清“系统与驾驶员责任边界”。(sae.org)
- 数据飞轮：量产车带来的海量里程数据让“持续迭代”成为可能；影子模式、难例挖掘、自动回灌训练开始成为标配。
- L4 的现实：Robotaxi 仍面临：传感器成本、运营成本、法规许可、城市长尾复杂度等多重约束；扩城速度远低于预期。
典型工程拐点：
自动驾驶团队开始像互联网一样做“线上指标—离线训练—灰度发布”，但还缺统一的安全论证框架。
阶段 C｜2021–2023：监管与安全体系强化；行业遭遇“信任拐点”
关键词：事故透明化、强监管数据上报、安全标准体系成型、Robotaxi 运营受挫与筛选
(1) 监管侧：事故透明化成为刚性要求
美国 NHTSA 发布 Standing General Order（SGO），要求报告涉及 ADS 或 L2 ADAS 参与的特定事故，以便监管及时介入缺陷调查与执法。(NHTSA)
(2) 安全标准体系：从“功能安全”走向“预期功能安全/安全案例”
- ISO 26262：聚焦电子电气系统故障导致的风险（功能安全框架）。(國際標準組織)
- ISO/PAS 21448（SOTIF）：聚焦“无故障但功能不足/误用”导致的风险，尤其贴合感知/AI 系统。(國際標準組織)
- UL 4600：推动以 Safety Case 方式评估无人系统安全（强调安全论证与证据结构）。(users.ece.cmu.edu)
这一阶段，行业共识变成：
“没有可被审计的安全论证，就没有规模化无人驾驶。”
(3) 产业侧：Robotaxi “从热闹到筛选”
典型事件：加州 DMV 对 Cruise 的无人车部署/无安全员测试许可采取暂停措施，并提出恢复许可所需步骤，形成强信号。(dmv.ca.gov)
阶段结论：
自动驾驶进入“以安全与合规为中心”的下半场：能不能跑不够，关键是能不能安全地规模运营。
阶段 D｜2024–2026：两条路线清晰分化——L2 走“更强的监督式智能”，L4 走“稳态扩城”
关键词：端到端/大模型渗透、仿真与合成数据、法规逐步细化、Robotaxi 扩城恢复
路线 1：L2（监督式）持续增强，端到端比重上升
- L2 仍强调“驾驶员监督”，但在城市道路能力上快速进化（行业里端到端、占据网络、联合规划等方案更常见）。
- 同时，监管对“营销表述/能力边界”更敏感（避免让用户误以为已达无人化）。
路线 2：L4（Robotaxi）在少数公司/城市走向“可复制运营”
- Waymo 等玩家强调“安全、常态化、扩城”，并在 2025–2026 继续把服务推进到更多城市/更复杂道路类型（包括更多城市、更多路况）。(Waymo)
- 2026 年初 Waymo 在迈阿密的无人驾驶服务启动/扩展，也体现 L4 进入“稳态扩张”阶段（先小范围、再逐步放开）。(Axios)
法规侧：L3/L4 的“类型批准/运行许可”路径更清晰
- UNECE **R157（ALKS）**作为国际上较早支持 L3 类系统的法规框架之一，后续修订与补充持续推进（对速度、变道等能力提出约束与更新）。(聯合國歐洲經濟委員會)
- 欧盟层面，“车辆安全与自动/网联车辆”也形成了更明确的法律框架（例如通用安全法规的实施与对自动/无人车辆的批准框架）。(內部市場與中小企業)
- 加州 DMV 在 2025–2026 对轻型/重型自动驾驶许可体系进行规则调整与公众征询，也反映监管进入“细则化”阶段。(dmv.ca.gov)
- AI 监管也开始影响汽车（EU AI Act 在 2024 年通过并进入分阶段实施）。(KPMG Law Belgium)
3) 十年技术栈演进：从“模块化管线”到“管线 + 端到端混合”
下面把自动驾驶核心栈按演进逻辑拆开（你会看到：每一层都从“单点算法”转向“系统工程 + 数据闭环”）。
3.1 感知：从“识别”到“时空一致的场景理解”
- 2016–2018：2D 检测/分割起飞，但工程痛点是遮挡、逆光、雨雾、施工、异形目标。
- 2019–2023：多传感器融合更成熟（Camera/LiDAR/Radar/IMU），更重视时序一致性（tracking、占据栅格、运动补偿）。
- 2024–2026：占据网络/BEV/时空模型成为主流表达，感知与规划边界变得更“软”，开始以“可驾驶空间 + 风险场”形式输出给规划。
工程关键：
感知不是“准确率”，而是“错误分布”：误检/漏检在什么 ODD 下爆发，如何被系统护栏接住。
3.2 预测：从“轨迹拟合”到“交互建模 + 多模态不确定性”
- 从单体预测走向交互预测（谁让谁、并线博弈、行人意图）。
- 输出从单轨迹变成多假设（multi-hypothesis）+ 概率权重，为规划提供风险权衡空间。
工程关键：
预测的价值不是“更准”，而是“让规划知道自己不确定”，从而做保守/礼让/再确认。
3.3 规划控制：从“规则 + 优化”到“优化 + 学习先验”
- 传统主干仍是优化式规划（约束、代价、可行域），原因很直接：可解释、可验证、易加护栏。
- 学习开始渗透：在候选生成、代价建模、交互策略先验上提供“更像人”的行为，但最终落地通常是“学习给建议，优化做裁决”。
工程关键：
真正难的是“舒适性—效率—安全”的多目标权衡，并在长尾场景保持稳定。
3.4 仿真与数据：从“回放复现”到“合成数据 + 场景库 CI”
-
十年里最确定的趋势：自动驾驶越来越像“数据系统”。
-
标配能力变成：
- 线上采样（难例片段）
- 离线回放复现（可追溯版本/配置）
- 场景库回归（指标门槛 + CI）
- 灰度发布与监控（回滚机制）
这与 UL 4600 强调的“安全证据结构化”在方法论上是同一方向：你需要持续累积证据，证明系统在 ODD 内的残余风险可接受。(users.ece.cmu.edu)
4) 十年产业与商业模式：为什么 L2 与 L4 的路径分化如此明显？
L2（监督式）为什么能规模化？
- 成本更低（不需要全套高冗余传感器与运营体系）
- 责任链更清晰（SAE L2 定义下驾驶员负责 DDT 的监督与接管）(sae.org)
- 可以靠量产车形成数据闭环，加速迭代
L4（无人化）为什么扩城慢但更“硬”？
- 需要“技术 + 运营 + 法规许可”三位一体
- 必须建立可审计的安全论证与事故响应体系（监管强关注）(NHTSA)
- 但一旦跑通，长期可能形成强壁垒：地图/运营/车队调度/安全案例/城市合作等都是复利资产
5) 2026 往后：我认为最确定的 3 条演进路线
路线 1：L2 会继续变强，但“监督”不会轻易消失
监管趋势与安全现实决定：消费者车的无人化会比想象慢。更可能出现的是：
- 更强的监督式能力
- 更严的驾驶员监控与责任边界
- 更明确的功能命名与合规要求（避免误导）
（美国对事故上报、加州对规则细化、以及对营销表述的敏感度，都在推这个方向。(NHTSA)）
路线 2：L4 Robotaxi 会“少数公司 + 少数城市”先规模化
你会看到：
- 先在法规友好、气候/道路更可控的城市做密度
- 再扩到更多城市、更多道路类型（例如高速/复杂天气逐步纳入 ODD）
（Waymo 的扩城与新城市策略就是典型样本。(Waymo)）
路线 3：安全论证（Safety Case）会成为“共同语言”
未来竞争不仅是模型大小，而是：
- 证据链是否完整（仿真、路测、回放、统计）
- ODD 定义与边界管理是否清晰
- 事故响应与持续改进是否体系化
这与 UL 4600、ISO 26262、SOTIF 的组合趋势一致：从“会开”走向“可证明地安全”。(UL Standards & Engagement)
北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台
更多推荐
8
0- 0
已为社区贡献34条内容
所有评论(0)