⚡ 速读摘要
- openpilot是开源自动驾驶系统，可将普通汽车升级为半自动驾驶
- 仅需约4000元硬件成本，就能让300多款车型实现车道保持、自动紧急制动等功能
- 核心感知仅靠7颗摄像头，不依赖激光雷达，靠纯视觉算法打天下
- 由传奇黑客George Hotz创立，代码全开源，接受全球开发者贡献
- 与特斯拉FSD相比差距明显，但在后装市场、学术研究领域有独特价值
深夜11点，加州某个不起眼的车库里，乔治·霍兹盯着电脑屏幕上跳动的代码。这是2015年秋天，距离他解锁第一部iPhone已经过去8年。旁边停着一辆本田思域，车顶装着一个奇怪的装置——那是他自己改装的自动驾驶测试平台。
没人能想到，这个当时看起来像是疯子实验的项目，会在几年后成为一个拥有6万多星、覆盖300多款车型的开源自动驾驶操作系统。霍兹管它叫openpilot。
你可能会问，市面上有特斯拉，有Waymo，有百度Apollo，一个开源项目凭什么跟这些巨头同台竞技？说实话，这个问题困扰了我很久。当我深入研究它的代码、架构和社区生态之后，我发现自己对「自动驾驶」这件事的理解被彻底颠覆了。
1. openpilot是什么
图示：1. openpilot是什么
简单来说，openpilot就是一个运行在消费级硬件上的自动驾驶系统。它不是给你装在新车里的原厂配件，而是一套可以后期加装在现有车辆上的后装解决方案。
这个项目的官方描述是「an operating system for robotics」，一个机器人操作系统。这个说法很有趣——它把自己定位成一个操作系统，而不是一个单纯的驾驶辅助功能。背后隐含的意思是，它的设计初衷是做一个通用的机器人控制框架，只不过恰好先在汽车上落地了。
openpilot的核心功能包括：
- 自适应巡航（adaptive cruise control）
- 自动变道辅助（automated lane changing）
- 交通标志识别（traffic light recognition）
这些功能听起来和特斯拉的Autopilot很像，但实现路径完全不同。
目前openpilot官方支持300多款车型，这个数字本身就很惊人。要知道，传统车企的ADAS系统都是定制开发的，每款车都要单独标定。而openpilot用同一套代码框架适配了这么多车型，靠的是一套叫openpilot porting的标准化接口。任何人都可以通过编写车辆特定的代码，让openpilot跑在新车型上。
这套系统的硬件核心是一个叫comma two或者comma three的设备，本质上是一台预装了openpilot软件的小型计算机，配上必要的传感器。comma three的售价是1999美元，加上安装支架等配件，整套下来大约4000元人民币左右。
等等，4000块就能让你的车拥有自动驾驶能力？我知道你在想什么，这听起来像是智商税。但让我告诉你背后真正在发生什么。
2. 一个黑客的理想主义
图示：2. 一个黑客的理想主义
要理解openpilot，你必须先理解乔治·霍兹这个人。
2007年，17岁的霍兹破解了第一部iPhone，在极客圈一战成名。他发明的软降级方法让无数用户摆脱了AT&T的网络锁，至今仍在被使用。两年后，他又破解了索尼PlayStation 3，引发了一场持续多年的法律诉讼。
这些事迹让他成为黑客文化中的传奇人物，但霍兹并不满足于此。在接受采访时，他说过一句让我印象深刻的话：「我不想只是破解别人的系统，我想建造自己的东西。」
2015年，特斯拉Model S的Autopilot功能刚刚推出。霍兹买了顶配Model S，花了几个星期研究它的代码。某天他突然宣布，他要用一个iPhone 6的处理器、一个摄像头和几百行代码，在自己的本田思域上复现Autopilot的核心功能。
这个宣言震惊了整个行业。自动驾驶被视为人工智能的圣杯，汇集了数十亿美元的研发投入和最顶尖的工程师团队。一个黑客说自己能用几千美元和几周时间做出类似的东西，听起来像是天方夜谭。
但霍兹是认真的。
他真的做到了。2016年，他成立comma.ai公司，开始认真做自动驾驶系统。公司的早期产品是一款叫comma one的设备——本质上就是那套破解版Autopilot的硬件产品化版本。
然而，美国高速公路交通安全管理局（NHTSA）对这款设备产生了浓厚的兴趣。他们担心后装ADAS设备可能会干扰车辆安全系统，要求comma.ai提交详细的安全评估报告。
霍兹做了一个让所有人都震惊的决定：他公开怼回去，说监管机构的要求「愚蠢至极」，然后直接在GitHub上开源了所有代码。他说，既然政府想要审查，那就让全世界一起来审查。
2016年10月，openpilot正式开源。
这是一个标志性时刻。在此之前，自动驾驶技术被各大公司严防死守。Waymo、Uber、通用Cruise、特斯拉——每家都把自动驾驶代码视为核心机密。而openpilot打破了这一切，它证明了自动驾驶不需要数十亿美元的投入，不需要几百人的团队，一小群聪明的工程师加上开源社区的力量，就能做出可用的产品。
当然，这里有个重要的限定词——「可用的」。openpilot和特斯拉FSD之间的差距，大概相当于你和F1赛车手的差距。但关键是，霍兹证明了这件事在原理上是可行的，而且可以走开源路线来做。
3. 技术架构：纯视觉的叛逆
openpilot最激进的技术选择，是坚持纯视觉感知方案。
目前主流的自动驾驶系统，无论是Waymo的Robotaxi还是华为的ADS 2.0，都依赖多传感器融合：激光雷达负责精确测距，毫米波雷达补充恶劣天气下的感知，高精地图提供先验知识。而openpilot的核心感知硬件，只有7颗摄像头。
这个选择充满争议。特斯拉也走纯视觉路线，但特斯拉有海量的真实驾驶数据、有自研的FSD芯片、有数十亿美元的训练预算。openpilot凭什么？它怎么解决极端天气、遮挡、光照变化这些视觉感知的难题？
答案是，它没有完全解决。
openpilot在雨雪天气、夜间、或者路面标线不清的情况下表现会明显下降。这不是openpilot独有的问题，而是整个纯视觉路线的固有问题。特斯拉的解决方案是依靠海量数据驱动的端到端神经网络，用足够多的样本覆盖各种场景。openpilot的策略则更务实——它不追求覆盖所有极端情况，而是在系统层面做了严格的功能边界限制。
你会在openpilot的文档里看到大量关于「OOC」（脱离控制）的说明。简单来说就是，当系统检测到无法处理的场景时，会立即警告驾驶员接管。这种保守的策略牺牲了体验的流畅性，但极大提高了安全性。
openpilot的感知系统叫做Supercomma，它是一个多任务神经网络，同时输出车道线检测、前车位置、障碍物边界、交通标志等多种信息。Supercomma基于开源的OpenCV环境开发，使用PyTorch进行训练。这种选择让研究者和爱好者可以方便地进行二次开发，但也在性能上做出了一定牺牲——商业公司通常会使用TensorRT等推理优化工具，而openpilot更多考虑的是通用性和可修改性。
感知之后是控制。openpilot使用了一套叫「模型预测控制」（Model Predictive Control，MPC）的经典控制理论框架。MPC的核心思想是，在每个控制周期内，系统会预测未来一段时间的行为轨迹，然后选择最优的控制输入。
这套方法在自动驾驶控制领域是标准做法，但openpilot的实现有其独特之处。它把控制逻辑分成了两层：上层的路径规划器和下层的车辆控制器。路径规划器负责决定「往哪里走」，车辆控制器负责执行「方向盘转多少度」。
有意思的是，openpilot对不同车型的适配就发生在控制层。每个车型的动力学特性不同，方向盘的转向比不同，加速度响应的曲线不同，这些差异都封装在车辆特定的控制器里。这种设计让核心算法保持通用，只需要在适配层做参数调整就能支持新车型的想法成为可能。
4. 为什么开源比闭源更安全
你可能觉得开源自动驾驶系统很危险——代码暴露给所有人，包括恶意攻击者。这是个合理的担忧，但让我解释为什么事实恰恰相反。
首先是代码审查。openpilot的代码库有超过6万颗星，这意味着全球数万名开发者可以审查每一行代码。任何安全漏洞都很难长期隐藏。这和商业软件形成鲜明对比——商业软件的漏洞通常只有被发现后才被修复，而开源软件的漏洞往往在造成危害之前就被发现和修复。
其次是透明度。自动驾驶系统涉及生命安全，用户有权知道系统到底在做什么、怎么做的。openpilot的每一个决策都可以被追溯和分析，这在发生事故时是宝贵的证据。而特斯拉的「黑盒」系统至今仍在争议中，事故后车主和特斯拉各执一词，根本原因是外人根本无法验证系统的决策逻辑。
更重要的是，openpilot社区形成了有效的反馈闭环。全球用户在各种路况、各种车型上测试系统，报告问题，提交修复。2017年，有用户发现openpilot在某些弯道会突然退出控制，开发者分析日志后找到了原因——弯道内侧车道线被误判为障碍物。修复后，系统在所有弯道的表现都有了提升。这种规模的真实场景测试，是任何公司内部团队都难以复制的。
当然，这并不意味着openpilot没有缺点。
5. 它和特斯拉Autopilot的差距有多大
这是很多人关心的问题。我的回答是：差距很大，但维度可能和你想的不一样。
openpilot支持的功能比特斯拉Autopilot少很多。特斯拉有红绿灯识别、自动泊车、智能召唤、城市街道FSD，这些openpilot都没有或者体验很初级。从用户体验看，特斯拉的交互设计成熟度高很多，系统对驾驶行为的预测和响应更平滑。
特斯拉FSD的神经网络是在数百万真实驾驶视频上训练出来的，而openpilot的模型规模要小得多。特斯拉的影子模式可以收集数十亿英里的真实驾驶数据用于迭代，openpilot做不到这一点。
但这里有个微妙的地方——差距并不体现在「能不能用」上。对于车道保持、自适应巡航这些基础功能，openpilot的表现在很多场景下和特斯拉Autopilot是可以一战的。差距主要体现在「用得多爽」上：特斯拉的系统更少需要接管，更能应对复杂场景，边界处理更优雅。
我见过一些openpilot用户的评价，很多人表示在高速长途驾驶中，openpilot大大减轻了疲劳感。虽然不能完全信任它，但它确实是一个有用的助手。这种评价和特斯拉Autopilot用户的评价惊人地相似。
另一个有趣的维度是定制性。openpilot的代码完全开放，用户可以根据自己的需求修改任何部分。有用户为特定路段写了自定义的控制策略，有研究者把openpilot的控制输出接入自己的决策系统，甚至有赛车爱好者基于openpilot开发了赛道自动驾驶程序。这种自由度是任何商业产品都无法提供的。
6. 谁应该用openpilot
说了这么多，到底谁适合用openpilot？
第一类是技术爱好者和开发者。openpilot是最好的自动驾驶学习平台之一。它的代码质量在开源项目中属于上乘，文档相对完整，社区活跃。你可以把它当作教科书级别的参考实现，理解自动驾驶系统的各个组件是如何协同工作的。
类是预算有限但想体验辅助驾驶的用户。相比于特斯拉的完整FSD套餐（国内售价数万元），openpilot的硬件成本低了一个数量级。当然，你需要自己安装，需要一定的动手能力，但它确实让更多人有机会接触自动驾驶技术。
类是研究者。学术界对openpilot的追捧程度超出我的预期。很多大学的研究团队用openpilot作为实验平台，因为它提供了完整的感知-决策-控制链路，而且支持多种车型。研究者可以在openpilot的基础上快速验证自己的想法，不用从零开始搭建整个系统。
类是自动驾驶行业的从业者。即使你工作在Waymo、百度或者华为，了解开源社区在做什么也是有价值的。openpilot展示了如何用有限资源做出可用的产品，它的架构设计思路、模块划分方式、对复杂度的控制策略，都值得学习。
不过我也要提醒几类人慎重考虑：
如果你追求的是「完全不用操心」的自动驾驶体验，openpilot会让你失望。它不是那种可以完全放手不管的系统，你需要始终保持注意力，随时准备接管。
如果你对汽车改装完全陌生，动手能力很差，安装过程可能会让你崩溃。openpilot官方有详细的教程，但实际操作中会遇到各种意想不到的问题。
如果你所在地区支持的车型很少，那openpilot的价值就大打折扣。官方支持300多款，听起来很多，但考虑到全球数以万计的车型，这个覆盖率仍然很有限。
7. 怎么开始
如果你决定试试openpilot，有几条路径。
省事的方式是购买comma官方的硬件设备。comma three是目前最新的产品，预装了openpilot，开箱即用。官方设备的优势是兼容性有保证，不用担心各种奇怪的bug。缺点是价格相对较高，而且国内购买渠道有限。
如果你有一定技术基础，可以考虑自己组装。openpilot社区有大量第三方硬件方案的讨论，包括各种单板计算机、摄像头、CAN总线接口板的组合。这种方式成本可能更低，但需要花时间调试。
不管哪种方式，第一步都是去官方文档网站看安装指南。openpilot的文档质量相当不错，从硬件准备到软件安装到校准流程，都有详细说明。建议从头到尾读一遍，不要跳过任何章节。
学习代码的话，推荐从以下几个入口点入手：
selfdrive/modeld/ 下的神经网络模型相关代码selfdrive/carbook/ 下的车型适配代码
openpilot社区的主要交流平台是Discord和GitHub Discussions。Discord适合问快速问题，GitHub适合讨论有深度的技术话题。社区整体氛围比较友好，技术讨论占主流。
8. 它的未来在哪里
自动驾驶行业正在经历一场深刻的变革。端到端神经网络正在取代传统的模块化架构，特斯拉FSD V12已经展示了纯端到端方案的可行性。这种趋势对openpilot既是挑战也是机遇。
挑战在于，如果自动驾驶的核心变成了大规模数据和算力的竞争，开源小团队的劣势会更加明显。openpilot很难在端到端模型的规模上和特斯拉、Waymo正面竞争。
机遇在于，端到端方案的一个问题是可解释性差、调试困难。openpilot的模块化架构在这一点上反而有优势——出了问题更容易定位，改进也更有针对性。
从商业模式看，comma公司正在探索软硬件结合、数据服务等多元化收入来源。openpilot的开源版本保持免费，但公司提供付费的「增强」功能，比如更高级的驾驶模式、优先的车型适配等。这种模式在开源软件界很常见，既保持了开源的生态活力，又给公司提供了生存空间。
法规方面，openpilot的存在给监管机构提出了新课题。当驾驶辅助系统的代码完全透明、任何人都可以修改安装时，传统的产品认证模式还适用吗？comma公司曾经和NHTSA的冲突，揭示了这个问题的复杂性。未来可能会有专门针对后装ADAS设备的监管框架出台。
还有一个有意思的方向是社区化运营的自动驾驶地图。openpilot目前主要依赖车载传感器的实时感知，但如果社区用户能够贡献道路信息、高精地图数据，就能形成类似维基百科的知识库。这个方向已经有了一些尝试，但规模还很小。
写到最后，我突然意识到，openpilot最让人着迷的地方，可能不是它的技术，而是它代表的理念。
它证明了自动驾驶不需要被少数大公司垄断。它证明了代码透明比黑盒更安全。它证明了即使资源有限，一小群人也能做出有价值的产品。在一个越来越封闭、越来越中心化的技术世界里，openpilot像是一个固执的异类，坚持着互联网早期的开放精神。
当然，它能不能成功，能不能真正改变自动驾驶行业的格局，现在还言之过早。但至少，它给了我们一个不同的选择。
下次当你在高速上开着定速巡航，感到疲惫的时候，可以想想：在地球另一端，一个黑客车库改装的系统，正在让三百多种车型的驾驶变得更轻松一点。这件事本身，就挺有意思的。
数据来源 HotGit（https://www.hotgit.org）
