本刊记者孙晓萌
在长江与汉江交汇的武汉街头，程一凡坐在车里，看着自己测试的“萝卜快跑”无人车从容穿过车流。同一时刻，1000公里外的北京，李明正在虚拟世界中的“另一个武汉”里“跑车”。仿真系统里，无人车突然遭遇暴雨中逆行的电动车，系统要眨眼间修正车辆行驶轨迹。
给无人车当“教练”，“教”汽车直行、转弯、刹车、避让，让车比人开得还“老练”，就是程一凡和李明的日常工作。他们正是技术进步催生出的新职业从业者，两位年轻的自动驾驶探路者，在现实与虚拟中，共同构建着未来的出行方式。
测试负责人程一凡正在与团队成员讨论工作
从“有人辅助”到“无人驾驶”
回顾自己最初进入汽车行业的场景，辽宁汉子程一凡说：“2015年，我在一家主机厂参与汽车主动安全以及行车辅助工作，那时大家都意识到汽车智能化会是未来的发展趋势。”他举例说：“主机厂从最开始的装配角色想转变为有自主开发功能的角色，一些为主机厂提供零配件的供应商也在提升技术能力。”
在他后续的职业生涯中，智能化几个字贯穿始终。“后来我在一家车载毫米波雷达公司工作，做一些安全和驾驶辅助功能应用层产品设计和测试工作。加入‘萝卜快跑’之后，我开始参与L4级别无人车功能测试和落地推进。”
在程一凡看来，国内自动驾驶技术近年来发生过几次大变化。“自动驾驶技术最开始围绕的是‘主驾有人’驾驶辅助，它的功能安全要求是不一样的。到了无人驾驶阶段，为了保障无人车在公共道路上能够安全行驶，包括测试里程、驾驶里程无故障率、无接管率等都要求有数量级的提升。”他解释道。
“我们L4级自动驾驶安全测试里程累计超1.3亿公里，从‘萝卜快跑’的记录来看，自动驾驶出险率仅为人类驾驶员的1/14。”程一凡说。自动驾驶技术被划为5个等级——L1到L5，L4意味着特定环境下，无人车高度自主，无须驾驶员人为干预。
现在，程一凡带领着一个20人的实车道路测试团队，日常工作是进行公共道路上的自动驾驶测试。“除了制定测试方案，还要进行自动驾驶功能实车测试，我会安排工程师和车内安全员协同配合，针对各种测试场景做具体执行、数据收集和问题反馈。”
程一凡所带团队承担的是实际上路测试，但他认为未来自动驾驶最需要的人才可能是数据处理方面。
行驶中的无人车
在虚拟世界预演危机
李明就是成天和仿真测试数据打交道的质量检测工程师。
从医学影像设施跨界到自动驾驶仿真测试的李明，在被问及二者间的差异时，他说：“我认为这二者相似多过不同，眼底医学影像判断和红绿灯灯色识别，本质都是图像解析的追踪—检测—识别流程。”
为什么跨界自动驾驶？李明总结是“大势所趋”，“我留学时参加过东京日产总部的自动驾驶相关实习，日本叫车辆的智能手机化。当时全球车企都在追随这个趋势，因此我决定回国做我们自己的无人车”。
在用于测试的虚拟世界里，构建和现实世界一样完备的场景，是李明PnC（PlanningandControl）仿真测试工作的一部分，“像武汉的高速高架、停车场泊入泊出、环岛这类都是需要构建的场景”。
随机路测则是李明工作的另一个重要方面。“它又叫随机交通流测试，比如我们在仿真系统里构建一个武汉路网场景，里面会有一些随机的车流，主车在里边跑。它其实是模拟路上的真实情况，这个过程中会产生很多问题，问题解决会促进研发迭代和算法进步。”李明在采访中努力解释着一些关键名词。
现在，仿真系统里的武汉虚拟路网正不断扩大。“我们每天会跑超大规模的数据集，数据量越多，遇到的问题越多。”李明说，“所以我会说没有罕见案例了，这也是行业共识。”
真实世界里的一个问题（比如容易诱发事故的路况）被修复后就消失了。“实际路测中，修复后想重新验证问题是非常困难的，如果问题价值高，就需要仿真测试来做问题的后验。”李明如此解释。
“仿真测试这几年进步很快，几乎有深度学习专业的科研院校，或多或少都在进行AI或者自动驾驶仿真工作，我们也在交流和学习。”李明对此颇有感触，“去年特别火的worldmodel（世界模型），就是在由AI构建的世界模型里去进行仿真测试，还会构建自动驾驶的能力和场景。”这使得自动驾驶仿真测试变得更轻松。
“从事自动驾驶行业像在攀一座大山，翻过一座山之后还会有另外的山，一直有新的问题要解决。”他总结这个行业最需要的特质，“想从事这个行业的人一定要非常乐观。就像我的工作不容易被看到，但是对整个行业而言很重要。还有最重要的是保持热爱。”
2025年春节，程一凡带着侄子侄女体验无人车。“孩子盯着无人操控的方向盘问：‘叔叔，这是魔法吗？’”孩子的提问让他意识到自动驾驶的更深层意义。“我觉得我给下一代做了榜样，不敢说特别好，但是希望能激发孩子对新事物的好奇心。”
（应受访者要求，程一凡、李明均为化名）
