1. 从加州数据看自动驾驶的“成绩单”2021年测试报告深度解读每年年初自动驾驶圈子里不少人都会习惯性地去翻看一份来自美国加州的“成绩单”——加州机动车辆管理局发布的年度自动驾驶车辆测试报告。这份报告就像一份公开的“期中考试”排名各家公司的测试里程、安全员接管次数等数据都被摆上台面。2021年的数据在2022年2月公布后确实让不少人眼前一亮总测试里程翻倍平均每次接管的行驶里程更是飙升了近三倍。表面上看这是一份相当鼓舞人心的成绩单似乎预示着自动驾驶技术正在大踏步前进。但作为一名长期跟踪这个行业的技术从业者我深知这份数据背后既有真实的进步也充满了需要仔细辨析的“水分”和局限性。今天我们就来抛开新闻稿式的乐观深入拆解这份报告看看它到底告诉了我们什么以及我们该如何正确地理解这些数字。这份报告的核心价值在于它是目前全球范围内为数不多的、持续的、标准相对统一的公开数据源。对于行业外的观察者、投资者甚至是我们这些行业内的工程师它提供了一个横向比较的粗略标尺。然而如果把这份报告当作评判技术高低的唯一圣经那就大错特错了。测试里程的暴增一部分是疫情后测试活动的恢复另一部分则是头部公司规模化测试能力的体现。而“平均每次接管行驶里程”这个看似客观的指标其背后的影响因素极为复杂从测试区域的路况复杂度比如是从空旷的郊区转战到混乱的旧金山市区到测试目的是收集极端案例还是验证成熟系统都会导致数据的巨大波动。因此解读这份报告关键不在于看谁的单科成绩第一而在于理解数据背后的业务逻辑、技术路径和测试策略。2. 核心数据指标拆解里程、接管与背后的“门道”加州DMV的报告主要包含几个核心字段测试公司、测试车辆数量、年度测试总里程、年度接管次数。其中最常被引用的衍生指标就是“平均每次接管行驶里程”。这个指标的计算很简单就是总测试里程除以接管次数。数字越大通常被解读为系统的可靠性越高需要人工干预的频率越低。2.1 测试里程规模化的体现与策略的分野2021年所有在加州报告数据的25家公司总测试里程超过了400万英里是2020年的两倍多。这其中Waymo一家就贡献了超过230万英里占比高达57%。这是一个非常惊人的集中度。它说明了两点首先Waymo在加州的测试已经进入了大规模、常态化的阶段其车队规模和运营成熟度远超其他大多数玩家。其次巨大的里程数意味着海量的真实世界数据积累这对于迭代算法、发现长尾问题至关重要。但高里程不等于一切。我们需要看里程的“质量”。比如Cruise在2020年曾是里程冠军部分原因是其利用自动驾驶车辆为食物银行提供配送服务。这种在固定、简单路线上的重复行驶其技术挑战和价值与Waymo在复杂城市环境中进行全区域探索性测试是不可同日而语的。因此在比较里程数时必须结合测试场景的复杂度来看。一家公司在凤凰城郊区积累一百万英里与另一家在旧金山市区积累五十万英里其技术含金量可能后者更高。2.2 接管次数与“平均里程”一个充满陷阱的指标接管是指安全驾驶员主动从自动驾驶系统手中接管车辆控制权或者系统主动要求接管。这是衡量系统遇到无法处理场景频率的直接体现。2021年总接管次数降至2605次而平均每次接管行驶里程从2020年的535英里跃升至1571英里。这无疑是积极的信号表明系统的整体能力在提升。然而这个指标极易被误读甚至被“操纵”。举个例子如果一家公司选择在交通流量极低、道路结构极其简单的封闭区域或特定时段进行测试那么它可能轻松获得数万英里才接管一次的漂亮数据但这并不能代表其系统具备真正的城市道路通行能力。报告中一些中国公司如AutoX、DiDi取得了非常高的“平均里程”数据超过数万英里一次接管但它们的测试总里程相对较低在3万至5万英里区间。在统计学上当接管事件本身是稀疏事件全年仅发生一两次时计算出的“平均里程”具有很大的偶然性不具备可重复性和统计显著性。可能只是因为运气好没有遇到特别棘手的场景。注意看待“平均每次接管行驶里程”这个指标一定要结合总测试里程和测试区域的环境复杂度一起看。一个在低风险环境跑5万英里零接管的数据其技术证明力可能远不如在复杂环境跑30万英里发生20次接管的数据。对于低里程、零或极低接管次数的公司更合理的关注点应是它们何时敢把车开进更复杂的区域以及里程爬升后数据的稳定性。2.3 测试车辆与许可从“有安全员”到“全无人”报告还披露了许可状态。截至2022年2月有50家公司持有配备安全员的测试许可而仅有7家公司获得了更高阶的“全无人测试”许可。在这7家中只有Cruise、Nuro和Waymo三家公司被允许在加州限定区域进行商业化部署。这个阶梯清晰地划分了技术演进的阶段从有安全员监督的测试到撤掉安全员的“真无人”测试再到开始尝试商业服务。获得“全无人”许可本身就是监管机构对其系统在特定区域安全性的一个背书这个门槛远比堆砌测试里程要来得高。3. 头部玩家表现深度分析Waymo、Cruise与中国军团从报告数据中我们可以清晰地看到几个不同的阵营它们的策略和表现也各有特点。3.1 Waymo绝对的里程王者与数据之谜Waymo在测试里程上的统治地位毋庸置疑其累计测试里程占加州七年总和的56%以上。这构建了极高的数据壁垒。然而2021年Waymo的数据出现了一个值得玩味的现象其“平均每次接管行驶里程”从2020年的近3万英里骤降至约8000英里。这是退步吗未必。报告中提供了一个关键线索Waymo在2021年2月开始了在旧金山市的测试。旧金山的交通密度、行人、自行车、复杂的路口和施工区域其挑战性远大于其长期测试的凤凰城郊区。将测试主力部队开进这样一个“Hard模式”区域接管频率的短期上升是完全符合预期的甚至是一种主动选择和技术自信的体现。这恰恰说明Waymo的测试重点已经从“在简单环境中证明稳定性”转向了“在复杂环境中攻克难题”。因此其数据下降反而可能标志着其技术验证进入了更深的攻坚阶段。3.2 Cruise稳步提升的实干派Cruise的表现则显得非常稳健。其“平均每次接管行驶里程”从2017年的1250英里持续提升至2021年的41700英里展现了清晰的、逐年进步的轨迹。同时它也是少数几家获得商业化部署许可的公司之一正在旧金山提供免费的Robotaxi服务等待收费许可。Cruise的路径显得更聚焦和务实在核心城市旧金山深耕逐步扩大运营范围数据表现与技术落地节奏配合得较为紧密。3.3 中国公司群体高“效率”数据背后的战略考量2021年报告的一个显著亮点是在“平均每次接管行驶里程”排名前九的公司中有五家来自中国。这是一个非常引人注目的现象。AutoX、DiDi、WeRide、DeepRoute.ai和Pony.ai都交出了单次接管里程过万英里的成绩单。对此我们需要从两个层面理解。首先这确实证明了中国自动驾驶公司在特定场景和算法能力上取得了快速进展尤其是在感知、预测等模块上可能表现优异。但另一方面如前所述这些公司的测试里程基数相对较小且主要测试活动可能集中在加州某些路况相对良好或经过筛选的区域。其高“效率”数据是在特定条件下的成果。更重要的是这些公司的战略重心往往在中国本土。中国拥有全球最复杂的城市交通场景之一以及推动自动驾驶落地的强烈政策意愿和市场需求。因此在加州的测试更多是技术能力的“国际化展示”和算法泛化性的验证是为全球资本市场和技术社区提供的一个参考坐标。它们的核心战场和真正的大规模测试里程其实是在中国的各大城市。所以看待中国公司的加州数据应将其视为其技术实力的一个侧面印证而非全貌。3.4 其他国际玩家不同的技术路径报告中还有一些值得关注的点。例如Aurora的测试里程很低但公司公开强调其以仿真测试为核心。这代表了另一种技术路径通过高保真的虚拟仿真在云端重现数百万种甚至更复杂的场景快速迭代算法而将实际路测主要用于验证和收集极端案例。这种模式下路测里程的多少不再是核心评价指标仿真的规模、效率和真实性才是关键。这提醒我们单纯比较路测里程正在变得过时未来需要结合仿真里程、场景库丰富度等指标进行综合评估。4. 数据背后的行业逻辑与测试方法论演进加州DMV的报告像一面镜子映照出自动驾驶行业发展的几个深层逻辑和趋势。4.1 从“堆里程”到“拼场景”行业早期大家比拼的是谁跑得更多因为更多的里程意味着遇到更多样的“Corner Case”。但现在头部公司已经积累了数千万甚至上亿英里的数据单纯增加同质化的简单里程边际效益递减。竞争的重点转向了“场景的复杂度和代表性”。这就是为什么Waymo、Cruise都要挤进旧金山。这里的双排停车、频繁的施工区、不守交规的行人、复杂的无保护左转每一个都是需要攻坚的技术难点。测试的核心目的变成了主动寻找和解决这些高频或高风险的复杂场景而非盲目累积里程数。4.2 接管原因分析的价值远大于接管频率报告中缺失但极其重要的一环是每次接管的具体原因。是因为感知误判了某个障碍物是因为预测模块无法判断行人的意图还是因为规控模块在复杂路口产生了不舒适的路径这些定性信息对于技术改进至关重要。行业内领先的公司都建立了完善的接管事件分析闭环每一次接管都会被详细记录、分类、溯源并转化为仿真测试用例或算法优化的具体任务。因此两家公司可能“平均每次接管行驶里程”相同但如果A公司的接管原因多是容易解决的感知问题而B公司面对的是更难的预测和交互问题那么两者的技术成熟度可能处于不同阶段。4.3 仿真与真实路测的“双轮驱动”如前所述纯靠真实路测来解决所有长尾问题在时间和成本上都是不可行的。现代自动驾驶开发体系一定是高精度仿真与有针对性路测的结合。仿真平台可以昼夜不停地运行快速验证算法变更复现历史接管场景并生成海量的极端、罕见场景。真实路测则用于验证仿真模型的有效性并收集仿真中难以建模的真实世界数据。因此评估一家公司的技术实力除了看其真实路测数据还需要了解其仿真平台的能力、场景库的规模和逼真度。未来一份更全面的“成绩单”可能需要包含“仿真场景通过率”、“虚拟里程数”等指标。4.4 商业化进程成为新的试金石测试数据再漂亮最终都要接受商业化的检验。能否撤掉安全员、能否开始收费运营是技术可靠性和经济可行性的终极考验。Cruise和Waymo在旧金山的小范围免费/收费运营就是这样的试金石。在这个过程中它们需要应对的不仅仅是技术问题还有与公众的互动、与城市基础设施的协同、运营成本的管控、以及处理突发事件的远程协助能力。这些能力是无法在传统的封闭测试或带有安全员的测试中完全体现的。因此关注这些先锋公司的商业化进展、乘客反馈和运营效率其信息量可能比单纯的年度测试报告更大。5. 给从业者与观察者的实用建议如何利用和看待这类数据对于行业内工程师、投资者或深度爱好者面对加州DMV这类报告应该建立怎样的分析框架以下是我个人的几点心得。第一建立多维数据对比表格。不要只看一个“平均里程”。可以自己动手做一个表格至少包含以下字段公司名称、测试里程、测试车辆数、接管次数、平均里程、是否获全无人许可、主要测试区域需自行根据新闻等信息补充。将数据放在一起横向对比并结合测试区域的公开信息进行加权思考。例如给在旧金山测试的公司里程赋予更高的“难度系数”。第二重点关注趋势而非单点数据。一家公司今年的数据突然变好或变差要寻找合理解释。是更换了测试区域是发布了新一代硬件还是调整了测试策略如更激进地挑战复杂场景像Cruise那样连续多年稳定提升的趋势其含金量往往高于某一年突然出现的极高数值。Waymo 2021年数据的“下降”结合其进军旧金山的信息看就可能是一个积极的信号。第三深入挖掘接管背后的故事。虽然报告不提供原因但可以通过行业媒体、技术论文、公司公开的博客或安全报告去了解不同公司公开讨论的技术挑战和解决方案。例如哪家公司最近在强调解决“无保护左转”问题哪家公司在研究“预测弱势交通参与者”的算法。将这些定性信息与定量数据结合才能形成更立体的判断。第四将加州数据置于全球背景下。加州只是全球自动驾驶测试的一个战场而且是一个路况相对规范、天气良好的战场。中国的北京、上海、深圳拥有更复杂的交通流和交互模式欧洲的城市道路狭窄规则各异。一家公司的技术是否具备全球泛化能力需要看其在不同地区的测试布局和表现。因此也要关注中国、欧洲等地发布的官方测试数据。第五理解数据的局限性保持审慎乐观。必须时刻牢记这些公开数据只是冰山一角。它们无法反映系统的安全边界、处理极端天气的能力、网络安全水平、以及成本控制情况。自动驾驶技术的成熟是一个漫长的系统工程数据的改善是必要条件但远非充分条件。最终大规模、可持续的商业化落地才是检验技术的唯一标准。我个人在跟踪这些数据时更倾向于把它看作一个“行业健康度仪表盘”而不是“技术排行榜”。它告诉我们这个行业是否在向前走总里程在增长大家的投入是否在加大测试车辆数在增加整体能力是否在提升平均接管里程在提高。至于具体谁跑在前面在技术路径尚未收敛、商业化模式仍在探索的今天一时的排名变化可能并不像看上去那么重要。真正的竞赛是如何安全、高效、经济地将这项技术带入每个人的日常生活而这份旅程显然还有很长的路要走。对于身处其中的我们而言保持对技术的敬畏对安全的执着以及对解决真实问题的专注或许比关注一份年度排名更为重要。