塞巴斯蒂安·特伦谈自动驾驶：安全、勇气与学习的力量

Waymo 创始人塞巴斯蒂安·特伦在 Lex Fridman 的播客中，罕见地从个人驾驶体验、教学实践与行业演化三条线索，讲述自动驾驶如何在安全与创新之间取得平衡，以及深度学习为何彻底改变了这条赛道。

为什么自动驾驶的核心矛盾是“安全 vs 创新”

在自动驾驶领域，所有团队都绕不开一个根本问题：如何在不牺牲公共安全的前提下，持续推动技术突破。Sebastian Thrun 直言，这并不是 Tesla 或 Waymo 独有的难题，而是所有高风险技术都会面对的“经典困境”。他把自动驾驶与航空航天、核能并列，指出这些领域都证明了一件事：绝对零风险几乎不存在，但人类已经发展出一套成熟的方法，在可控风险中稳步前进。

他特别强调，美国在过去一百多年里，正是依靠这种“方法论式的谨慎”，让航空旅行变得“每英里比地面交通安全得多”。因此，当外界争论 Elon Musk 的激进路线和 Waymo 的保守路线谁对谁错时，Thrun 的态度非常克制：他并不站队。他认为，真正重要的不是风格，而是是否建立了一整套流程，去系统性地平衡创新冲动与安全底线。正如他说的，我们不可能保证 100% 的安全，“除非我们什么都不做”。

一个出人意料的立场：Waymo 创始人为何力挺 Tesla Autopilot

最让人意外的，是 Thrun 对 Tesla Autopilot 的个人评价。作为 Google 自动驾驶项目（后来的 Waymo）的创始人，他并没有回避“对手”的成功，反而坦率地说：“我是一个非常自豪的 Tesla 车主，我每天都在用 Autopilot。”在他看来，这套系统在高速公路场景下已经展现出明确价值。

Thrun 给出的理由非常具体，也非常个人化。他说，当自己“有点疲劳”的时候，Autopilot 会“把我变成一个更安全的司机”，对此他“百分之百确信”。这并不是在为 L4 级全自动驾驶背书，而是肯定了 L2 级辅助驾驶通过人机协作带来的现实安全收益。这个判断很重要，因为它来自一位深度参与全自动驾驶研发的人，而不是营销口径。他隐含的观点是：渐进式改进并非低级路线，它在现实世界中已经拯救了安全。

深度学习如何“碾压”旧范式：从车道线识别说起

谈到技术本身，Thrun 把最大转折点归结为深度学习的兴起。他回忆说，在自己创立 Waymo 的早期，深度学习并不是热门话题，行业更多依赖几何建模和人工规则。但今天，范式已经彻底反转：从“规则驱动”走向“数据驱动”，从几何推理走向更像人类直觉的学习方式。

他用 Udacity 的自动驾驶课程举了一个极具冲击力的例子：车道线识别。对人类来说，这是“睁开眼就会”的能力，但对传统算法却异常困难，需要写大量脆弱的规则。而现在，学生只需采集和标注一小时的驾驶数据，用机器学习训练模型，“在 24 小时内就能做出和最优秀商业系统一样好的车道线检测器”。更夸张的是，很多学生此前从未在这个领域写过代码。Thrun 评价说，这种进步速度，“完全碾压了我十年前见过的一切”。

摄像头是否足够？“蚁群式创新”给出的答案

针对 Elon Musk 关于“激光雷达是拐杖”的争议性观点，Thrun 给出了一个冷静而有力的回应。他首先指出一个无法反驳的事实：“人类开车时脑袋里没有激光雷达。”我们主要依赖视觉，就已经能完成驾驶任务，这本身就是摄像头方案“在原则上可行”的证明。

但他并没有把讨论简化为传感器之争，而是上升到社会层面的创新机制。他用“蚁群觅食”作比喻：如果所有蚂蚁先开会讨论最优路径，选错了就会集体浪费时间；而如果分散探索，总会有人找到食物。Thrun 认为，西方社会最大的优势就在于这种去中心化尝试——不同公司押注不同技术假设，谁对谁错交给现实验证。正如他说的：“有人会成功，然后大家就会朝那个方向前进。”

总结

这段对话真正的价值，不在于评判哪家公司会赢，而在于 Thrun 展示的一种成熟视角：自动驾驶不是一场非黑即白的技术赌局，而是一场长期的社会实验。它需要渐进式产品带来的现实安全收益，也需要深度学习这样的范式跃迁，更需要一个允许多种路线并行探索的环境。对读者而言，这不仅是理解自动驾驶的钥匙，也是理解技术创新如何真正改变世界的通用框架。

关键词： Sebastian Thrun， 自动驾驶， 深度学习， Tesla Autopilot， 机器学习

事实核查备注： Sebastian Thrun（Waymo 创始人）；Lex Fridman 播客；Elon Musk；Tesla Autopilot 为 L2 级辅助驾驶；Udacity 自动驾驶课程；车道线识别案例；深度学习、机器学习、计算机视觉；Google 自动驾驶项目背景