聊起自动驾驶，很多人第一反应就是“这车跑了多少万公里”“采集了多少数据”。好像数据越多，车就越聪明。
可你有没有发现，现实里那些号称跑过百万公里的车，遇到没见过的场景照样懵：暴雨天突然窜出的外卖小哥、施工路段临时改道的锥桶、高速上滚落一个轮胎……这些意外情况，光靠堆数据根本堆不完。
行业内现在有个新说法：自动驾驶的底层逻辑，正在从“数据驱动”转向“知识驱动”。说白了，以前是让车死记硬背驾驶动作，现在是想让车真正理解驾驶这件事——像人一样推理、预判、应变。
今天我们就聊聊这个变化，看看自动驾驶到底在怎么“进化”。
一开始，自动驾驶全靠“背规则”
最早的自动驾驶系统，本质上是一本厚厚的规则手册。
工程师把开车拆成感知、定位、决策、控制等环节，每个环节都写满“if…then…”：红灯就停，行人在前就减速，车道线消失就报警。早期的丰田TSS、百度的Apollo 3.0版本，基本都是这个路子。
这种做法的好处很直观：出了故障，一眼就能查到是哪条规则写错了。但它的致命伤也很明显——没法靠“加量”来提升能力。
你想真实路况千变万化：一个十字路口，雨天的路口和晴天的路口不一样，有交警指挥的路口和信号灯坏掉的路口也不一样。要用人写规则覆盖所有可能性，业内估算至少需要数亿条规则，根本写不完。而且每个模块独立开发，信息在传递中不断打折，局部凑合了，整体却很难最优。最麻烦的是，只要碰到规则手册里没有的场景，系统直接“死机”，毫无变通能力。
后来数据驱动火了，但仍有天花板
于是大家转向数据驱动——用海量真实驾驶数据训练神经网络，让模型自己“学会”开车。特斯拉2019年后搞的BEV感知、端到端规控，都是这个方向。
这种思路确实效果显著，但跑久了你会发现：它本质上是“第三人称学习”。
车像一个旁观者，从数据里模仿人类的驾驶行为，却不理解为什么要这么做。它能学会红灯停绿灯行，但不懂“红灯停是为了避免撞人”这个道理，更不会预判隔壁车突然变道是想超车还是为了躲开前方事故。
更头疼的是“长尾问题”：数据再多，也永远有没见过的场景。比如高速上突然出现一个掉落的大纸箱——模仿学习的车可能依然以120km/h冲过去，因为它从来没“见过”纸箱需要避让。要收集所有罕见场景的数据，成本高到离谱，而且永远收不完。
知识驱动：让车学会“举一反三”
知识驱动于是被推上前台。千万别误解，它不是扔掉数据驱动，而是在海量数据的基础上，加了一层“知识框架设计”。数据驱动帮模型“见过”更多场景，知识驱动则让模型理解场景背后的规律：物理世界的惯性、摩擦力，交通规则背后的安全逻辑，其他交通参与者的行为意图……
举个例子：数据驱动的车遇到施工路段的锥桶，可能只会按预设的“减速通过”来行驶；而知识驱动的车，能意识到“锥桶摆成一条弧形说明车道临时改道”，同时预判旁边车辆会减速变道，于是提前平稳并入新车道——整个过程像老司机一样流畅。
再比如前车突然急刹车，数据驱动的车大概率跟着一脚跺死刹车；知识驱动的车会边减速边观察：左侧车道有没有空间？后车距离够不够？如果能安全变道，它就会顺势完成一次避让，而不是傻傻地停在原地。
这种能力叫“涌现”——用知识框架引导模型从数据中提炼规律，然后反过来处理没见过的新问题，就像学生学会知识点后能解陌生题型，而不是只背原题。
从“能不能开”到“开得好不好”
这个转变意味着一件事：自动驾驶的竞争焦点，正在从“功能实现”转向“体验升级”。以前大家比的是谁的车能自己跑起来，现在比的是谁的车跑得顺、遇事稳、甚至更“懂你”。
未来的知识驱动型汽车，不再只是一个驾驶工具，而是一个能跟你沟通、理解你情绪的物理智能体。
比如大雨天，它知道你讨厌跟车太近，会主动拉大安全距离，并用语音告诉你：“雨大路滑，我把跟车间距调大了，您放心。” 如果你赶时间，它会在安全范围内选择更快的那条路，而不是死板地限速巡航。
行业里有个共识：几年后，车企之间的比拼不再是“谁的模型参数多”，而是“谁的用户体验好”。
这就像当年的智能手机——大家从拼CPU核数、跑分，转向拼系统流畅度和生态体验，而iPhone 4那一刻直接改写了行业规则。自动驾驶的知识驱动模型，很有可能就是那个“智能化的iPhone 4时刻”。
知识驱动离我们并不远
其实，今天不少车已经在悄悄用知识驱动的思路了。例如有的车型能根据你的驾驶习惯调整动力响应和转向手感；有的系统能从语音中识别你是否着急——你说“快点快点”和“不急慢慢开”，车辆的变道决策、加速节奏都会明显不同。
当然，知识驱动离不开数据驱动打底。没有海量数据，模型提炼不出靠谱的知识；没有知识框架，再多数据也只是一盘散沙。未来的自动驾驶，必然是两者融合：用数据喂养知识，用知识指导决策。
说到底，自动驾驶的终极目标从来不是“零事故”——因为只要有人参与，就无法完全消除偶然。
真正的目标是“像人一样聪明地开车”，甚至比大多数人类更理性、更从容。从数据驱动到知识驱动的转向，改变的不仅是技术路线，更是对驾驶这件事的根本理解：从完成驾驶，到理解驾驶，再到理解驾驶背后的那个人。
而这，或许才是自动驾驶下半场真正的决胜点。
