引子：两辆「车」，同一条路
2024年的一天，北京亦庄。一辆没有司机的出租车静静地停在路边，乘客扫码上车，目的地——协和医院。
与此同时，协和医院的手术室里，一台达芬奇手术机器人正被医生操控着，机械臂在患者体内完成精密的肿瘤切除。医生的手指在操控台上轻轻移动，三米外的机械臂以0.1毫米的精度复刻着每一个动作。
一辆在路上自己开的车，一台在手术室里被医生操控的机器人——表面上看风马牛不相及。但如果你掀开它们的「引擎盖」，会发现里面跑的是同一套逻辑：感知→规划→控制。
这一章，我们就来拆解自动驾驶的技术路径，看看它和手术机器人到底有多少「亲戚关系」，以及为什么你应该关注这条看似「跟医学无关」的赛道。
27.1 自动驾驶分级：从定速巡航到「司机下岗」
国际通用的SAE自动驾驶分级标准把自动驾驶分为L0到L5六个等级。这不是简单的「能不能自己开」的二元问题，而是一张从「全人工」到「全自动」的光谱。
27.1.1 六个等级一张表
等级 名称 谁开车 谁监控 典型功能 状态L0无自动化 人 人 定速巡航、倒车雷达 已普及L1辅助驾驶 人+系统 人 自适应巡航（ACC）、车道保持 已普及L2部分自动化系统（有限） 人 特斯拉Autopilot、高速NOA主流车型标配L3有条件自动化 系统 人（备勤） 奔驰Drive Pilot（德国获批） 开始商用L4高度自动化 系统 系统（限定区域）
Waymo无人出租车、萝卜快跑限定区域运营L5完全自动化 系统 系统（全场景）
没有方向盘和踏板的真无人车 仍未实现
27.1.2 从L2到L3：最危险的跨越
L2到L3之间有一个著名的「责任转移」问题。
在L2阶段，驾驶员必须始终监控路况，随时准备接管。责任在人。
到了L3，车辆可以在特定条件下自行驾驶，驾驶员可以低头看手机——但系统要求接管时，驾驶员必须在几秒内做出反应。
27.1.3 L4已来，只是尚未均匀分布
Waymo在美国凤凰城、旧金山运营无人出租车，已经做到完全没有安全员的商业化运营。百度萝卜快跑在武汉、北京、上海、重庆等多个城市落地，2024年订单量快速增长。小马智行也在北京亦庄、广州南沙等地开展无人驾驶出行服务。这些不是「实验」，是每天拉活儿的正规军。
27.2 自动驾驶的核心技术栈：感知→规划→控制
自动驾驶的技术架构目前主要有两条路线：模块化路线和端到端路线。先看最经典的模块化架构。
27.2.1 感知层：车的「眼睛」
车要自己开，第一步是「看清世界」
——我在哪、周围有什么、它们要往哪儿去。
感知系统的硬件组合一般有三种：
传感器 原理 优势 劣势 代表玩家摄像头 视觉成像 色彩、纹理、语义信息丰富受光照/天气影响大Tesla（纯视觉派）
激光雷达（LiDAR）
激光点云测距精确3D测距、全天候贵（正在降价）
Waymo、百度、华为毫米波雷达 电磁波测速测距穿雾穿雨、测速准分辨率低、无形状信息几乎所有方案都用这三种方案的技术路线之争，是自动驾驶行业最核心的分歧。
Tesla的纯视觉路线：马斯克认为，人只有两只眼睛就能开车，车有八个摄像头为什么还要激光雷达？视觉数据（图像+视频）的信息量远大于点云，只要AI足够强，纯视觉就能搞定一切。
Waymo的多传感器融合路线：Waymo认为安全第一，不能把所有希望寄托在「AI够强」上。激光雷达提供冗余的安全保障，尤其是在夜间、逆光、暴雨等极端场景。
这场争论和医学影像领域「超声vs CT vs MRI」的互补关系不同——自驾是「纯视觉能不能替代激光雷达」的路线之争，而你做影像诊断时不会问「CT能不能替代超声」，你知道它们各有所长。
27.2.2 规划层：从A到B的策略
感知之后是规划——我知道自己在哪里、周围有什么，怎么从起点到终点？
规划分三个层级：
规划层级 做什么 时间尺度 类比全局规划 从北京到上海走哪条高速小时级 挂什么科、找哪个专家行为规划 超车还是跟车、变道还是等秒级 开药还是手术、保守还是激进运动规划 方向盘打多少度、加速多快毫秒级 手术刀切多深、缝线用什么力度
27.2.3 控制层：精确执行的「手脚」
规划给出指令，控制层负责执行。传统的控制方法是基于数学模型的PID控制或模型预测控制（MPC）
——把车辆动力学建一个精确的数学模型，然后计算最优输入。但这种方法的问题是：现实世界的车是一个非线性系统，轮胎摩擦、路面坡度、载重变化都在影响车的实际行为。
27.3 手术机器人与自动驾驶：同一棵树上的两个果实
现在来到本章最核心的部分——手术机器人和自动驾驶，为什么说是「技术同源」？
27.3.1 三层对应一张表
技术层 自动驾驶 手术机器人 同源性感知 摄像头识别行人、路标、红绿灯内窥镜/摄像头识别器官、血管、病灶都是「计算机视觉」
规划 全局路径 → 行为 → 运动手术入路 → 操作策略 → 器械轨迹都是「路径规划算法」
控制 方向盘、油门、刹车 机械臂、电刀、缝合器 都是「精密运动控制」
27.3.2 感知层同源：看路和看病，本质上是一个问题
自动驾驶的摄像头需要实时识别画面中的行人、路标、车道线、障碍物。手术机器人的内窥镜需要实时识别画面中的血管、神经、肿瘤边界、正常组织。
底层技术完全一样——计算机视觉中的目标检测和语义分割。你训练一个模型识别「人行横道上的行人」和训练一个模型识别「肝表面的肿瘤」，是同一类算法、同一套框架。
27.3.3 规划层同源：路径规划是一个古老的数学问题
自驾从A到B的路径规划，和手术机器人规划「器械从皮肤切口到病灶的路径」，底层都是同一类算法——A*算法、RRT（快速随机树）、Dijkstra算法，这些都是从机器人学中发展出来的。
区别只在于：自驾避障的对象是汽车和行人，手术机器人避障的对象是血管和神经。
27.3.4 控制层同源：机械臂和方向盘，都是「精准移动一个东西」
自驾的控制系统把规划转化为「方向盘转多少度、刹车踩多深」；手术机器人的控制系统把规划转化为「机械臂移动多少毫米、施力多大」。
但这里有一个关键差异——力反馈。
特性 自动驾驶 手术机器人需要触觉反馈 ✅ 不需要 ❌ 至关重要精度要求 厘米级（够不撞就行） 毫米级甚至亚毫米级延迟敏感度 百毫秒级 毫秒级安全冗余 多重传感器+算法冗余 医生始终在回路中力反馈（Haptic Feedback） 是手术机器人独有的技术难题。开车的AI不需要「感觉到路面的粗糙度」，但做手术的医生需要通过机器人「感受到组织的硬度」
——这块是正常的肝脏还是硬化的肝脏，这决定了切割的深度和力度。
早期的达芬奇手术机器人因为没有力反馈，被医生调侃为「盲操」
——你只能靠视觉判断力的大小。新一代手术机器人（如达芬奇SP、Senhance）已经开始加入力反馈，但这仍然是当前手术机器人的最大技术挑战之一。
27.4 端到端 vs 模块化：自驾界和手术AI界的共同趋
势
27.4.1 什么是「模块化」
传统的自动驾驶是模块化的：感知模块 → 规划模块 → 控制模块，一环扣一环。每个模块独立开发、独立优化。好处是每个环节可解释、可调试，坏处是模块之间的信息传递会有损失——感知模块输出的物体列表，不包含「这个行人的眼神看起来很犹豫」这种信息。
27.4.2 Tesla FSD v12：端到端的「暴力美学」
2024年，Tesla推出了FSD v12（Full Self-Driving第12版），这是一个里程碑式的版本。它抛弃了传统的模块化架构，采用了端到端神经网络——从摄像头画面直接输出方向盘和踏板的控制指令，中间没有人为设计的「感知 → 规划 → 控制」的模块边界。
整个系统被训练成一个巨大的神经网络，输入是八个摄像头的视频流，输出是驾驶动作。这种做法的好处是：
没有信息损失：所有原始信息都参与了决策可以学到人类驾驶的「隐性知识」：比如「那个骑自行车的人看起来不太稳，应该多留点距离」
决策更流畅：没有模块之间「打架」的问题
坏处也很明显：黑箱化。你不知道它为什么在那个路口犹豫了一下，你没法调试「感知模块在这类场景下识别率低」这种问题，因为它根本没有独立的感知模块。
27.4.3 手术AI也在走同样的路
传统的手术机器人是分模块的：图像处理 → 手术规划 → 机器人控制。但在AI时代，端到端手术的想法已经出现。
2024年约翰霍普金斯大学的研究团队展示了「端到端手术AI」的概念验证——通过观看大量手术视频，AI直接从内窥镜画面学习手术操作，中间不需要人为定义手术步骤。
| 维度 | 模块化路线 | 端到端路线 |
|---|---|---|
| 架构 | 感知 → 规划 → 控制，各自独立输入 → 神经网络 → | 输出 |
| 可解释性 | ❌ 每步可查 ✅ | 黑箱 |
| 性能天花板 | 受限于模块间信息损失 | 理论上更高 |
| 安全性 | ❌ 每个模块可验证 ✅ | 难以形式化验证 |
| 代表玩家 | Waymo、百度、传统车厂Tesla FSD | v12 |
27.5 关键玩家图谱
玩家 技术路线 核心优势 当前状态Tesla 纯视觉 + 端到端FSD海量真实驾驶数据（数百万辆车的影子模式） FSD v12 北美推送Waymo 激光雷达 + 多传感器融合 最早投入、安全里程最多凤凰城/旧金山无人出租车运营百度Apollo 激光雷达为主 中国自动驾驶技术积累最深萝卜快跑多城市运营华为 激光雷达 + 毫米波+ 视觉融合自研芯片+传感器+算法全栈问界/阿维塔等车型智驾方案供应商小马智行 多传感器融合 中美双线运营 北京亦庄/广州南沙等无人车运营
27.6 中国进展：萝卜快跑，不只是个名字
萝卜快跑是百度Apollo旗下的自动驾驶出行平台，截至2024年已在武汉、北京、上海、重庆、深圳、广州等十余个城市落地。武汉是最大的运营城市，投放车辆数已达数百辆级别，部分区域已实现全天候运营。
它不是一个「Demo」，而是一个真正在赚钱的业务。每小时接单量在持续上升，虽然价格补贴下是否盈利仍存争议，但技术成熟度已经过了「能不能用」的临界点。
小马智行也在北京亦庄和广州南沙开展无人驾驶出租车运营，同时布局无人驾驶卡车。
27.7 对医生的启示
启示一：自驾的今天，约等于手术机器人的明天
如果你关注自驾领域的L4进展，就会发现一个规律：L4最先落地的地方，是限定区域、限定场景、道路结构简单的区域——凤凰城的网格状街道、北京亦庄的开发区道路。这和手术机器人的扩散路径完全一致：最早用于泌尿外科（前列腺切除术）和妇科——解剖结构相对固定、操作空间相对规则的术式，然后才逐步扩展到普外科、心胸外科等复杂场景。
你今天看到的自驾L4在「简单区域 → 复杂区域」的拓展路径，就是手术机器人从「标准术式 → 复杂术式」的未来。
启示二：注意安全性验证逻辑的差异
自驾的端到端AI可以用「跑几百万公里不出事故」来证明安全性。但手术AI不能这样验证——你不可能让AI在真人身上「试试看会不会出事」。自驾可以「影子模式」
（车不控制，只对比AI决策和人类决策），手术机器人没有这种奢侈。
这意味着：手术机器人的AI化会比自驾慢至少一个数量级。 但一旦验证通过，扩散会更快——因为医疗的需求密度远高于交通。
启示三：力反馈是手术机器人的「最后一公里」
自驾不需要触觉，手术必须要有。关注力反馈技术的发展，就约等于关注手术机器人从「辅助」到「自主」的时间线。谁先解决力反馈的精度和实时性问题，谁就拿到了手术机器人下一阶段的门票。
27.8 本章小结
核心问题 要点自驾分为几级？ L0（无自动化）到L5（完全无人），当前L4在限定区域运营核心技术栈？ 感知（摄像头/激光雷达/毫米波） → 规划（全局/行为/运动） → 控制和手术机器人的关系？三层架构完全同源，差异在于手术需要力反馈端到端是未来吗？ 趋势明确，但手术领域需要解决安全性验证问题中国进展？ 萝卜快跑多城市运营，武汉最大投放对医生有什么用？ 自驾的技术验证路径=手术机器人的路线图预览
27.9 延伸思考
如果自驾L5（完全无人）在2035年实现，你认为手术机器人的L5（完全自主手术）会在哪一年？为什么？
Tesla选择「纯视觉」路线，Waymo选择「激光雷达融合」
——在手术机器人领域，你更倾向于哪种感知哲学？为什么？
你所在科室的手术中，哪些环节如果实现自动化，对患者的安全和预后影响最大？
本章初稿，待浩哥审阅。