1. 自动驾驶测试的“加州报告”：一份从业者眼中的成绩单
在自动驾驶这个圈子里混了十几年，每年最期待也最紧张的“大考”成绩单，莫过于加州车管局（DMV）发布的年度自动驾驶测试报告。这玩意儿不是什么官方排名，但在我们这些搞技术、做产品、看投资的人眼里，它的分量比任何行业奖项都重。为什么？因为它提供了几乎唯一公开、连续、可量化的数据窗口，让我们能撇开天花乱坠的发布会和PPT，看看各家公司的“车”到底在真实世界里跑得怎么样。2022年的报告刚出炉不久，核心结论一句话就能概括：Waymo和Cruise依然是无可争议的双巨头，两者合计拿下了有安全员测试总里程的81%。但这份报告里藏着的魔鬼细节，远比这个 headline 更有嚼头。今天我就结合自己这些年跟踪行业、参与项目的经验，带你深扒一下这份报告，看看数字背后，各家公司的技术路线、策略重心和真实水平到底如何。
2. 报告核心指标解读：别只看里程，更要看“接管”
对于刚接触这个领域的朋友，首先得搞清楚加州DMV报告里几个关键指标到底意味着什么。这直接决定了你解读数据的角度是否专业。
2.1 核心指标一：总测试里程（AV Miles Traveled）
这是最直观的指标，代表了一家公司在报告期内（2022年是2021年12月至2022年11月）在加州公共道路上进行测试的总里程数。里程数大，通常意味着：
- 测试规模大：投入的测试车辆多，或者单车运营时间长。
- 数据积累丰富：自动驾驶的核心是数据和算法，更多的里程意味着系统“见过”更多复杂的、长尾的交通场景，这是迭代算法、提升泛化能力的基石。
- 商业化的底气：敢于投入大量车辆进行长时间测试，本身就反映了公司对技术成熟度和资金实力的信心。
但里程数也有“陷阱”。比如，如果一家公司的测试路线长期固定在路况简单、车流稀少的郊区或固定园区，其积累的数据价值，就远不如在旧金山市区这种“地狱难度”场景下跑出来的同等里程。报告里也暗示了这一点：Waymo在2021年将大量测试转移到旧金山，被认为是其关键指标“每两次人工接管间平均行驶里程”（Miles per Disengagement）出现下滑的重要原因之一。
2.2 核心指标二：人工接管次数与MPD（Miles per Disengagement）
这是评估自动驾驶系统（ADS）成熟度和可靠性的黄金指标，也是报告中最具技术含量的部分。
- 人工接管（Disengagement）：指安全驾驶员因认为自动驾驶系统无法安全处理当前情况，或系统主动请求，而手动接管车辆控制权的时刻。一次接管，就代表系统在某个具体场景下“失败”了。
- MPD（每两次人工接管间平均行驶里程）：计算公式为
总测试里程 / 人工接管次数。这个数值越高，说明系统的连续、稳定、安全运行能力越强。
为什么MPD如此重要？你可以把它想象成软件的“平均无故障时间”。一个MPD高达10万英里的系统，意味着它在绝大多数时间里都能可靠地自主驾驶，安全员几乎成了“监工”。而一个MPD只有几十英里的系统，则意味着它频繁需要人类干预，离真正的“自动驾驶”还差得很远。2022年，Cruise的MPD达到了惊人的95,900英里，这意味着它的安全员平均每跑近10万英里才需要介入一次，这个数字在行业内是颠覆性的。
注意：MPD的统计口径和定义由各公司自行上报给DMV，存在一定的主观解释空间。比如，对“何种情况必须接管”的判断标准，各公司可能不同。但这仍然是目前最可比的公开指标。
2.3 核心指标三：无人化测试里程（Driverless AV Miles）
这是迈向商业化运营的关键一步。指在没有车内安全驾驶员的情况下，车辆在公共道路上行驶的里程。进行无人化测试，需要向加州DMV申请更高级别的许可，并满足更严格的安全要求。
- 意义：它直接测试的是车辆在无人类后备情况下的独立应对能力，是检验自动驾驶系统是否真正“成年”的试金石。
- 2022年亮点：Cruise在无人化测试上实现了爆炸式增长，从2021年的6000多英里猛增至54.6万英里，占总无人化测试里程的90%以上。这表明Cruise在旧金山的商业化Robotaxi服务推进得非常激进。
3. 巨头对决：Waymo vs. Cruise的策略与数据深潜
看懂了指标，我们再来具体拆解两位领跑者。它们的表现差异，生动地诠释了两种不同的技术发展路径和商业策略。
3.1 Waymo：稳健的“里程王”与MPD的谜之波动
Waymo是自动驾驶领域的“老钱”和先驱，其数据特点非常鲜明：
- 累计里程的绝对霸主：截至2022年，Waymo在有安全员模式下累计测试里程超过1000万英里，占总量的58%以上。这是长达8年持续投入的结果，构成了其巨大的数据护城河。
- 2022年单年里程领先：2022年，Waymo完成了290万英里的有安全员测试，远超Cruise的86.3万英里。这说明其测试车队规模和运营强度依然保持高位。
- MPD指标的剧烈波动与挑战：这是Waymo数据中最值得玩味的部分。在2020年之前，Waymo的MPD一直是行业标杆（2020年达到29,945英里）。但2021年骤降至7,965英里，2022年回升至17,060英里，但仍远低于Cruise。报告分析认为，测试场景的陡然复杂化是主因。Waymo将测试重心转向旧金山市区，面对的是密集的人车混流、复杂的路口、不守规矩的行人以及频繁的施工区域。这相当于给系统做了一次“压力极限测试”，暴露了大量在郊区路况下未曾遇到过的“边角案例”（Corner Cases）。短期看MPD下降是阵痛，长期看，攻克了这些难题，系统的鲁棒性将得到质的飞跃。
- 无人化测试的蓄力：Waymo在2022年获得了最多的无人化测试许可（317张），但实际测试里程（5.2万英里）远低于Cruise。这可能意味着Waymo采取了更为谨慎的推进策略，在扩大无人化车队规模前，力求在更复杂的场景下将安全性和可靠性打磨到极致。
从业者视角：Waymo走的是一条“先广后深”的路线。先通过海量里程建立基础能力，再主动进入最复杂的场景进行攻坚。MPD的波动不是退步，而是战略转型期的正常反映。它的挑战在于，能否快速消化旧金山场景的数据，将MPD拉回并超越原有水平。
3.2 Cruise：激进的“效率王”与无人化的领跑者
Cruise（通用汽车旗下）则展现了一种更聚焦、更激进的风格：
- MPD的飞跃式领先：从2021年的41,719英里跃升至2022年的95,900英里，提升130%，一骑绝尘。这个数字表明，在它主攻的旧金山核心区域，其系统已经表现出极高的稳定性和可靠性。
- 高度聚焦的测试策略：Cruise几乎从2016年起就All in旧金山。这种聚焦策略的好处是，能够深度优化特定区域的高精度地图、感知算法和决策规划，快速迭代，从而在MPD上取得突破。相当于“集中优势兵力，打歼灭战”。
- 无人化测试的绝对主导：54.6万英里的无人化里程，占比超90%，清晰地展示了其商业化决心。Cruise的目标很明确：快速验证无人化Robotaxi服务的可行性，并推向市场。
- 光环下的阴影：报告也委婉提到了Cruise面临的运营挑战，如“意外停车造成交通拥堵等问题”。这恰恰是无人化测试从“技术可行”迈向“服务可靠”必须跨越的鸿沟。技术上的高MPD，不等于用户体验和城市交通管理的无缝衔接。如何让自动驾驶车辆的行为更拟人化、更符合社会预期，是Cruise和所有公司下一步的课题。
从业者视角：Cruise走的是“单点突破，快速商业化”的路线。通过聚焦复杂城市区域，在核心指标上建立领先优势，并大胆推进无人化运营。它的风险在于，这种高度定制化的系统，向其他城市拓展时是否会遇到“水土不服”？其泛化能力有待验证。
4. 第二梯队众生相：中国玩家的韧性与其他巨头的挣扎
报告不仅揭示了领头羊，也勾勒出整个行业的生态图景。
4.1 中国自动驾驶公司的“墙外开花”
AutoX、WeRide、DiDi、Pony.ai等中国公司在加州测试的数据非常有意思：
- MPD表现亮眼：AutoX以49,314英里的MPD位居总榜第二，WeRide和DiDi也名列前茅。这充分证明了中国自动驾驶公司的技术实力。
- “杠杆效应”明显：报告明确指出，它们“正在利用其在中国的测试经验”。中国拥有全球最复杂、最多元的道路交通环境（密集车流、电动自行车、行人随意穿行等）。在中国“地狱级”路况中磨练出的算法，在处理相对规范的加州路况时，往往展现出更强的鲁棒性和适应性。这是一种典型的“降维打击”或“杠杆效应”。
- 总里程的差距：尽管MPD高，但中国公司的总测试里程与Waymo、Cruise不在一个数量级。这主要受限于在加州部署的测试车队规模。它们的核心战场和數據积累主场依然在中国。
4.2 苹果的尴尬：高投入与低效率之谜
苹果（Apple）的数据堪称2022年报告中的“显眼包”：
- 极低的MPD：仅约21英里，意味着平均每开20多英里就需要人工接管一次。
- 畸高的接管占比：以2.7%的测试里程，贡献了全年71%的接管次数。
- 行业影响：如果剔除苹果的数据，2022年行业平均MPD将从544英里跃升至1,879英里。
这说明了什么？
- 可能处于早期激进探索阶段：苹果的测试策略可能极其大胆，主动让系统去挑战大量未知、极端场景，以快速收集失败案例进行学习。这是一种高风险、高回报的数据收集策略。
- 技术路径或面临重大挑战：另一种可能是，其自动驾驶技术方案（如纯视觉路线与传感器融合方案的权衡）遇到了根本性瓶颈，导致在复杂动态环境中表现不稳定。
- “土豪”式测试：不计成本地投入车辆和人力进行大规模路测，但算法迭代效率暂时未能跟上。对于苹果而言，它承受得起这种“低效率”的测试阶段，但其技术路径的最终成效需要更长时间观察。
4.3 其他玩家的浮沉
- Argo AI：这家由福特和大众支持的明星公司，在2022年报告后不久就宣告关闭，其技术资产被两家母公司瓜分。报告显示，Argo在参与测试的三年里MPD表现相当不错。它的陨落更多是商业和资本层面的问题（高昂的研发投入与遥遥无期的盈利前景），而非单纯的技术失败。其创始人获得风投“重启”新公司的消息，也说明了其团队和技术能力仍被市场认可。
- Zoox、Nuro：这些专注于特定场景（Zoox做Robotaxi，Nuro做无人配送车）的公司，在累计里程上排名靠前，显示它们在各自赛道上的持续深耕。
- 传统车企（如梅赛德斯-奔驰）：它们的测试数据相对保守，更多是作为其高级辅助驾驶（ADAS）技术研发的补充，与科技公司全力押注L4的激进策略有所不同。
5. 从数据看趋势：自动驾驶行业走向何方？
综合八年数据，我们能摸到行业发展的几条清晰脉络：
5.1 测试重心从“量”到“质”，从“有”到“无”
早期行业比拼的是测试里程的绝对值，看谁跑得多。现在，MPD和无人化测试里程成为更关键的标杆。这标志着行业从技术验证期，进入了可靠性验证和商业化预备期。大家不再满足于“能跑”，而是追求“跑得稳、跑得久、不用人看着跑”。
5.2 场景复杂度成为核心试金石
Waymo和Cruise的数据都指向同一个结论：城市复杂场景是自动驾驶必须攻克的“主战场”。在高速或简单结构化道路上的高MPD意义有限。旧金山、凤凰城等城市成为事实上的“终极考场”，谁能在这里稳定、高效、安全地运行，谁就掌握了通往未来的钥匙。
5.3 数据驱动的闭环能力是胜负手
测试的本质是收集数据，尤其是“接管”时刻的负样本数据。谁能更高效地将路测数据（特别是失败案例）转化为算法改进，形成“测试-发现问题-迭代算法-提升性能”的快速闭环，谁就能在MPD竞赛中胜出。Cruise在旧金山的MPD飞跃，背后必然是强大的数据闭环和仿真迭代能力在支撑。
5.4 商业模式的探索与分化
从测试数据也能窥见商业路径的分化：
- Robotaxi派（Waymo, Cruise, 中国玩家）：通过大规模城市路测，直接瞄准出行服务市场。
- 特定场景派（Nuro）：聚焦低速、载物的配送场景，商业化路径更短。
- 供应商或技术赋能派（可能的部分中国公司及传统车企背景玩家）：积累技术，可能转向为车企提供自动驾驶解决方案。
6. 给从业者与观察者的几点务实思考
最后，抛开数据，分享几点我个人基于长期观察的体会：
- 不要神话单一数据：加州DMV报告是重要的参考，但不是唯一标准。它不包含仿真测试里程（这可能比路测里程高几个数量级），不评估乘坐舒适度、能耗、运营成本，也无法反映不同公司测试场景的难度差异。必须结合其他信息（如城市运营许可进展、乘客评价、资本动向）综合判断。
- 关注“零接管”场景的突破：行业的下一个里程碑，可能不是MPD从10万提升到20万英里，而是在特定区域（如一个大型社区或机场）实现真正的、长期的“零接管”运营。这将从量变引发质变，彻底改变公众认知和监管态度。
- 成本是最终的闸门：目前动辄数百万人民币的传感器套件和庞大的运维团队，使得Robotaxi的成本远高于人类网约车。谁能率先将单车硬件成本和运营成本降至可商业化的水平，谁才能真正笑到最后。测试数据再好，过不了成本关，也只是技术 demo。
- 安全与伦理的挑战才刚刚开始：高MPD不等于绝对安全。如何定义自动驾驶的“安全”？发生事故时责任如何界定？系统在不可避免的事故中如何做出符合伦理的决策？这些非技术问题，随着无人化测试的扩大，将越来越凸显。
加州DMV的这份年度报告，就像自动驾驶行业的一面镜子，既照出了Waymo和Cruise双雄并立的稳固格局，也折射出中国公司的锐气、苹果的谜团以及整个行业向深水区迈进的坚定与彷徨。对于身处其中的我们来说，数据是冰冷的，但背后的技术演进、商业博弈和未来交通图景的展开，却充满了炙热的吸引力。2023年的竞赛已经开场，无人化的较量将是最大看点，我们拭目以待。
