从MIT到新加坡街头：Emilio Frazzoli眼中的自动驾驶真正价值

nuTonomy CTO、MIT教授 Emilio Frazzoli 回到母校，系统回顾了自己从学术研究到自动驾驶创业的关键抉择。他并未沉迷于“什么时候能上路”的时间表，而是直指自动驾驶的真正价值、商业模式与技术难点，解释为什么“完全自动化”才是终局。

为什么是他：从MIT教授到自动驾驶创业者

理解 Emilio Frazzoli 的观点，首先要理解他的路径。演讲一开始，主持人介绍他曾在 MIT 度过 15 年：先是博士生，后是任教 10 年的教授，并领导研究团队在新加坡率先将自动驾驶车辆真正开上公共道路。这不是模拟、不是封闭测试，而是城市交通环境中的真实运行。

正是在这样的背景下，他解释了“为什么我们最终选择创办 nuTonomy”。这是一个典型却不寻常的转折：并非因为学术研究遇到瓶颈，而是因为研究成果已经成熟到必须进入现实系统。他提到，很多创业想法往往看似经过长期策划，“但实际上，有些决定是在很短时间内形成的”。这种从实验室到城市街道的跨越，构成了他后续所有判断的现实基础。

这一经历也塑造了他务实的风格：不夸大突破，不回避困难。他既是 RRT*（一种用于路径规划的随机采样算法）的提出者，又是必须为真实车辆负责的工程领导者。这种双重身份，使他的每一个结论都带着“落地”的前提。

我们到底为什么需要自动驾驶？价值不在炫技

在谈技术之前，Frazzoli 先抛出了一个看似简单却经常被忽略的问题：“为什么我们想要自动驾驶车辆？”他列举了安全性、效率、可达性等一系列常见理由，并坦言，“这些都是很好的理由”。但他很快指出，真正困难的并不是罗列好处，而是比较它们、量化它们。

他认为，行业中存在大量混淆：一方面大家在谈技术能力，另一方面却没有清楚地解释“价值如何被捕获”。自动驾驶如果只是让驾驶更轻松一点，其价值远不足以支撑复杂而昂贵的系统。真正的分水岭，在于是否能创造全新的出行模式。

在他看来，自动驾驶最大的影响并不体现在某个炫目的功能上，而体现在系统层面：车辆如何被调度、如何被共享、如何改变城市交通结构。这也是他反复强调的一个观点——如果不能在系统级别重构出行方式，那么自动驾驶的潜力就被严重低估了。

完全自动化 vs 渐进辅助：一条被低估的分界线

当被问到“你觉得自动驾驶什么时候会到来”时，Frazzoli 并没有给出具体年份，而是把问题重新定义。他强调，关键不在时间表，而在模型选择。他明确区分了两种路线：渐进式驾驶辅助，和从一开始就瞄准完全自动化。

他指出，两者之间存在“非常大的差别”。渐进式方案往往试图在现有车辆和驾驶行为上不断叠加功能，但这会在安全验证、责任界定和系统复杂性上带来长期负担。相比之下，始终保持在“全自动化”目标下的系统，虽然短期更难，却在逻辑上更一致。

他总结说，实现自动驾驶价值的“game-changing feature”，正是无需人类随时接管的能力。这也是为什么 nuTonomy 从一开始就专注于无人驾驶出租车场景，而不是个人车辆的高级辅助系统。

技术难点与现实世界：错误往往来得很容易

在谈到技术现状时，Frazzoli 特别强调了一个容易被忽视的事实：在真实城市环境中，“犯错其实非常容易”。他提到，哪怕是在像波士顿这样对测试高度谨慎的城市，允许的自动驾驶功能也受到严格限制。

问题不只在感知或控制，而在系统如何理解不完美的世界。交通参与者并不总是遵守规则，环境充满噪声，而算法却必须给出确定性决策。他用一个简单示例说明：即使没有任何特殊指令，人类也能在复杂场景中做出合理反应，而让机器做到这一点，远比想象中困难。

因此，他反复强调这是一个“社区性的努力”。单一公司、单一实验室无法解决所有问题，标准、验证方法和经验共享同样重要。这也是他对学术界与产业界持续合作的期待。

总结

回顾整场演讲，Frazzoli 并未试图描绘一个夸张的未来图景，而是不断把听众拉回到“价值”和“系统”这两个关键词上。他的核心信息很清晰：自动驾驶的意义，不在于多炫的算法，而在于是否真正改变出行方式；成功路径不在渐进修补，而在坚定追求完全自动化。对于关注这一领域的人来说，这既是一次技术上的校准，也是一次思维方式的提醒。

关键词： 自动驾驶， Emilio Frazzoli， nuTonomy， 完全自动化， MIT

事实核查备注： Emilio Frazzoli：MIT教授、nuTonomy CTO；RRT*：路径规划算法；nuTonomy：自动驾驶公司；MIT 与新加坡公共道路自动驾驶测试；“完全自动化”与“渐进式驾驶辅助”的区分