Search Engine Presents: Are You a Good Driver? - 主题精读稿

前言：驾驶员这个词，可能即将变成机器的专属

这是一期横跨 120 年历史的调查性播客，追踪自动驾驶技术从沙漠里翻倒的机器人摩托车，到如今在美国 10 个城市运营的商业 robotaxi 的完整路径。节目核心不是技术本身，而是一个更深的问题：谁有权决定用机器替换人类司机？以及，这件事究竟安全吗？主持人 PJ Vogt 在用了整整一年时间采访这个领域的核心人物后得出结论：Waymo 的安全数据看起来"相当不错"——但故事远未结束，下一集将直面工会和司机们的反抗。

一、"驾驶员"这个词的宿命 (00:00 - 03:13)

两百年前，叫醒工人上班是一份职业。人手持长杆，逐户敲打窗户，被称为 knocker-upper（敲窗人）。夜里点亮煤气路灯的 lamplighter（点灯人）是街坊邻里熟悉的身影。这两种工作如今已消失得无影无踪，分别被 iPhone 闹钟和电力路灯取代。但第三种古老职业——驾驶员——却延续至今。

这期节目问的问题是：这种延续还能维持多久？"驾驶员"这个词，已经经历过一次语义迁移。洗碗机（dishwasher）、打印机（printer）、计算机（computer），都曾是指人的词汇，后来变成了机器的名字。驾驶员，会是下一个吗？

二、从马匹到汽车：我们失去了什么 (03:14 - 10:36)

汽车刚出现时，遭到了激烈的抵制。那场抵制不仅因为工作岗位受威胁——马匹相关的整个产业链：育马、铁蹄、饲料、粪便清运、马车制造，还有最初意义上的 Teamsters（赶马车的人，今日同名工会的前身）——还因为汽车从根本上比马更笨。

"There's this funny thing you lose when you move from the horse to a human-driven car, which is that in a horse-drawn carriage, the horse is not just going to run off a cliff if you let go of the reins. You lose sentience in your vehicle."

马有自主判断力，会自己避开危险。没有人驾驭的马车不会冲下悬崖。而早期汽车没有这种"感知"。于是，反对者的担忧并非毫无根据。宾夕法尼亚州曾提出一项法案，要求汽车遭遇牲畜时必须停车、拆解、将零件藏进灌木丛——这种荒诞背后是真实的恐惧。

最终，底特律选择放任汽车上路，没有驾照、没有红绿灯、没有转向灯。死亡率触目惊心，受害者大多是儿童。社会用了几十年时间才慢慢学会与汽车共存：立法、考驾照、道路设计、安全带、安全气囊。然而今天，美国每年死于车祸的人数，与死于枪支或阿片类药物的人数大致相当，约占 1%。智能手机的普及甚至在局部逆转了安全进步的趋势。

自驾梦想的本质，从一开始就是要把汽车变得更像它所替代的马——重新赋予车辆某种"感知"能力。

三、DARPA 的荒漠挑战：一场有益的失败 (10:37 - 21:04)

2002 年，美国国防部高级研究计划局（DARPA, Defense Advanced Research Projects Agency）决定用一场竞赛来推动无人驾驶军用车辆的研发：谁能让自动驾驶车辆穿越内华达沙漠，就赢得 100 万美元奖金。规则极为宽松——什么车型都行，唯一明确禁止的是攻击其他车辆（这条规则的产生，是因为有人在首次问答环节认真地问了能不能攻击对手）。

2004 年，首届 DARPA 大挑战（Grand Challenge）上场的是一批来自各路的怪咖团队，其中不乏有战斗机器人（BattleBot）经验的工程师。赛果是：一场令人捧腹的彻底失败。Anthony Lewandowski 的独轮摩托 Ghost Rider 因为忘记打开稳定系统开关，倒地了事。卡内基梅隆大学的 Sandstorm 号红色 Humvee 陷进砂堆，轮胎磨到冒黑烟。有车辆转了个莫名其妙的 U 形弯，径直开回起点。所有车辆加在一起，没有一辆跑完全程。

这场失败带来一位关键观察者：Sebastian Thrun，斯坦福大学的机器人和人工智能学者。他在场边看完这一切，得出了与其他参赛者截然不同的判断：

"I saw that all the teams treated this like a hardware problem. They looked at this and said, we have to build bigger wheels and bigger chassis and so on. And I looked at this and said, well, wait a minute... The challenge is really to take the person out of the driver's seat and replace it by a computer. That is not a problem of bigger tires. That's actually really a software problem."

自动驾驶不是工程问题，是软件和 AI 问题。 这个判断，将决定接下来 20 年的走向。

Thrun 自己参加了 2005 年的第二届挑战。他的车叫 Stanley——一辆大众赞助的蓝色 SUV，外形朴素得像个足球妈妈的代步车。与卡内基梅隆那辆怪兽级 Humvee 相比，毫不起眼。但 Stanley 用的是机器学习：在斯坦福附近的土路上，它边走边看，摄像头记录路面，轮胎感受颠簸，系统自动判断哪里好走、哪里不行，每秒进行 30 次。第二届比赛中，多辆车跑完全程，Stanley 夺冠。

与此同时，Thrun 的驱动力不只是技术兴趣。他有朋友死于车祸。他想的是：如果 DARPA 的这项研究最终能让全球每年逃过的交通死亡人数达到百万量级，这件事值得去做。

四、Google 的秘密项目：从 Larry 1K 到 Korbel 香槟 (25:44 - 42:34)

DARPA 比赛的观众席上，还坐着一个戴棒球帽、套墨镜的男人——Google 创始人 Larry Page。他从研究生时代就想把自动驾驶作为论文方向，被导师劝去做搜索引擎。此刻，他亲眼看见了可行性证据。

Page 先雇用 Thrun 和 Lewandowski 去做 Google 街景，让他们把 Stanley 的车顶摄像系统改造成街道拍摄平台。2009 年，他回来找 Thrun，提出了一个更大的设想：建一辆能在世界任何地方行驶的自动驾驶汽车。

Thrun 的第一反应是拒绝。把在空旷沙漠里跑的技术放到旧金山 Market Street 上，会死人的。Page 连续几天来找他，每次给的回答一样。僵局在 Page 问了一个不同的问题后打破了：你能告诉我一个技术上的理由，证明这件事不能做吗？

"I go home and I can't think of a technical reason why not... That taught me an incredibly important lesson about experts. For the rest of my life, I decided experts are usually experts of the past, not the future. And if you ask an expert about innovation, something crazy new, they're the least likely person to say, yes, it can be done."

Project Chauffeur（"司机"项目）就此启动。团队只有 11 名工程师，直接向 Page 汇报，没有官僚层级。核心成员沿袭 DARPA 时代的人马：Chris Urmson 负责日常运营，Anthony Lewandowski 主攻硬件，Dmitry Dolgov 负责规划与优化。Lewandowski 去丰田经销商一口气买了 8 辆 Prius，拉回 Google 改装成电脑可以操控的车——制动、油门、方向盘全部接上电脑信号，加装雷达、摄像头、顶置 LiDAR（激光雷达）。

Google 给了团队两个任务：在公共道路上安全积累 10 万英里里程；完成"Larry 1K"——在 Larry Page 和 Sergey Brin 亲手从 Google Maps 上挑选的 10 条各 100 英里路线上，零人工接管地跑完全程。路线刻意选了最难的：金门大桥、连接湾区各桥的线路、Highway 1、旧金山最弯曲的隆巴底街。

早期测试在附近的音乐厅停车场进行，等到没有演出的空档，Prius 在空旷的沥青地上绕圈，工程师们确认传感器能不能真的识别另一辆车。第一次上公共道路时，车辆在 45 英里/小时的主干道上如醉汉般摇摆——停车场空间太大，那点误差在那里看不出来；换到真实路段，就是大问题。

教一台机器开车，意味着要理解人类自己都说不清楚的驾驶直觉。 负责行为规划的 Don Burnett 举了一个例子：在高速公路入口匝道加速时，乘客能接受侧向加速度 2 米/秒²；但同样的力道用在居民区 cul-de-sac（尽头路）转弯，乘客会觉得司机发疯了。物理力是相同的，但情境改变了人的感受。这些"软知识"无法用公式简单描述，最终只能靠机器学习从大量数据中归纳。

团队以意想不到的速度推进。Larry 1K 预计两年，实际不到一年半。每完成一条路线，他们就买一瓶 Korbel 香槟——Trader Joe's 卖的那种，13.99 美元——所有人签上名字。2010 年秋天，10 条路线全部清零，Sebastian Thrun 在 Los Altos Hills 的家里开了一场派对，工程师们把彼此扔进泳池。

然后他们不知道该怎么办了。

五、内部分裂与 Uber 的冲击 (42:35 - 52:43)

Larry 1K 完成后，团队陷入方向迷失。下一步是什么？产品是什么？内部开始争论：应该学 Tesla，把自动驾驶做成辅助功能，还是等待技术成熟后直接做全无人的 robotaxi？讨论一度进入"要不要买下 Tesla"的方向——那时 Tesla 估值只有 20 亿美元。

问题还有另一面。Don Burnett 回忆，Google 的"无限资金"反而是一种毒药：

"There was a lack of urgency on the team to actually make something viable. We had a funding supply that effectively felt infinite. And when you have infinite funding, you're not forced to make hard decisions. You're not forced to focus."

团队内部也开始出现裂痕。以 Chris Urmson 为首的一派和以 Anthony Lewandowski 为首的一派之间，分歧越来越深。差异说穿了是对风险的态度不同。Lewandowski 把测试车直接开上海湾大桥当日常通勤，数据没认真记，就是享受。Urmson 是加拿大学术背景，谨慎，知道一旦有致命事故，舆论的一个案例就足以压倒所有统计数据——"anecdote 会摧毁 data"。

2013 年，Uber CEO Travis Kalanick 坐了一次 Google 的原型车。他意识到这项技术如果成熟，Uber 将无路可走。Uber 随即进入这个领域，挖走了卡内基梅隆大学近半个机器人实验室的人。更关键的是，Uber 开始接触 Lewandowski。

2016 年，Lewandowski 从 Google 离职——用时间节点看，是在刚好可以被开除之前。他随即创立了一家自动驾驶公司，这家公司没有任何产品，只有几个月的历史。Uber 以接近 7 亿美元收购了它。

Google 随后进入服务器日志，发现 Lewandowski 离职前下载了约 14,000 份技术文件，拷贝到移动硬盘上带走。这引发了科技史上最引人瞩目的商业诉讼之一：Waymo 起诉 Uber。最终 Uber 支付 2.45 亿美元和解；Lewandowski 在独立刑事案件中认罪，被判窃取商业机密。

六、Uber 的死亡事故与 AI 的真正突破 (52:44 - 1:05:20)

2016 年，Google 的自动驾驶部门从母公司剥离，独立为 Waymo。Uber 在被迫和解后，仍然继续推进自己的无人驾驶项目，沿用"快速行动，打破常规"（move fast and break things）的节奏。2018 年，这套逻辑撞上了现实的墙。

在亚利桑那州，Uber 的一辆测试车以自动驾驶模式行驶，车上配了一名安全员。那名安全员在事发前的三小时里，断断续续在手机上看一档名叫 The Voice 的真人秀。一个推着自行车横穿马路的女性——Elaine Hertzberg——走入车辆行进路线。在接触前的 5.6 秒内，Uber 的系统持续无法确认她的身份：未知物体？车辆？自行车？在反复分类的过程中，汽车没有减速。Hertzberg 死亡。

事后的报道大多将责任归咎于那名安全员。但节目提供了一个被忽视的背景数据：当时 Waymo 的测试车平均每 5,600 英里才需要安全员接管一次；Uber 当年的测试车，平均不到 13 英里就需要人工介入一次。 在这种技术状态下，Uber 五个月前还以节省成本为由，把安全员从两人削减到一人。

Waymo 在这期间一直在缓慢但坚定地前进。它得到了来自 Google Brain 团队的深度学习能力加持，而机器学习的规模效应正在这个时期开始显现。Sebastian Thrun 总结了这个让他自己也惊讶的发现：

"The surprise for all of us has been that size matters. When you put a million documents into an AI, it's fine. A hundred million is fine. But when you put a hundred billion documents into an AI, it is unbelievably smart."

随着里程积累，AI 系统在识别行人、预判换道、雨天感知等方面持续提升。Waymo 甚至为凤凰城的 LiDAR 传感器设计了专用微型雨刷，应对当地的沙尘暴和暴雨。2020 年，Waymo 在亚利桑那州正式向公众开放商业 robotaxi 服务。

但一个有趣的错位出现了：当年 2009 年项目启动时，公众对硅谷普遍充满信任。而经过漫长的 15 年开发周期，公众情绪已经转变。对 Google 的疑虑更深了，不少人以怀疑的眼神看着 Waymo。

七、Waymo 的安全数据：80%、90%，以及尚不确定的那一项 (1:00:16 - 1:05:20)

Waymo 已在真实道路上行驶超过 2 亿英里，公开了前 1.27 亿英里的安全数据。与 Tesla 对事故细节的全面保密不同，Waymo 选择不加编辑地公开原始记录。

自动驾驶媒体人 Timothy B. Lee 对这些数据做了独立分析。结论是：在触发安全气囊的碰撞事故中，Waymo 比人类司机少约 80%；在造成严重伤亡的碰撞中，少约 90%。 独立研究者对方法论有一些小异议，但总体认可数据的可信度。

有一项比较目前仍无法得出结论：致死碰撞率。人类司机每行驶 1 亿英里大约造成 1.x 起致命事故。Waymo 在 2 亿英里中有两次与致命事故相关的记录，但都不是它主动造成的——一次是静止的 Waymo 被超速车辆追尾，另一次是 Waymo 为行人让行时被摩托车追尾，摩托车随后又被另一辆车碰撞。一些学术研究者认为，需要积累到 3 亿英里才能对致死率得出统计意义上的结论。

节目同时记录了若干"edge case"（边缘情况）——Waymo 困在失灵的红绿灯前、阻挡急救车辆通行、在奥斯汀超过停着的校车——这些并不反映在安全统计数据中，但同样值得关注。今年 1 月在圣莫尼卡，一名 10 岁女孩从一辆双排停靠车辆后方跑出，被 Waymo 撞上，所幸未受伤。Waymo 声称其制动反应速度快于人类，但联邦机构正在调查这一事故。

此外，Waymo 依赖"人工远程响应员"（human fleet response agents）在车辆困惑时提供辅助——部分在美国，部分在菲律宾。随着车队规模扩大，这套机制能否撑得起来，目前尚无清晰答案。

八、下一场战争：司机与 robotaxi 的对决 (1:05:21 - 1:10:07)

当年 Google 项目的核心工程师，大多已经创业。Dmitry Dolgov 成为 Waymo 联席 CEO，Chris Urmson 创立并领导 Aurora（目前在德克萨斯高速公路上运营自动驾驶半挂卡车），Don Burnett 创立 Kodiak AI（无人驾驶卡车已在二叠纪盆地商业部署）。Uber 自己不再做技术，转而与 robotaxi 公司合作——包括与 Waymo、WeRide 的合作。还有一条更具戏剧性的新闻：Uber 创始人 Travis Kalanick 与 Anthony Lewandowski 再度联手，开始了新的自动驾驶创业。

在今天的美国，每一个有司机的场景——出租车、卡车、外卖——都有公司在研发机器人版本。类比回来，那些 knocker-upper 悄然消失了，什么也没说。但 lamplighter（点灯人）不一样：他们成立工会，发动罢工，让纽约短暂陷入黑暗，在比利时甚至引发了冲击警察局的暴力事件，最后仍然败了——一个重要原因是他们人数太少。

如今，美国有 480 万人以驾驶为生，是最常见的职业之一，尤其集中在没有大学学位的年轻男性群体中。 这一次，抵抗力量远不止于此。在旧金山、波士顿等蓝色城市，工会和政客联手，已经成功阻止 robotaxi 大规模进入。

这场战争的故事，将在下一集展开。