通用汽車用真人焦慮訓(xùn)練自動駕駛

你坐在一輛凱迪拉克純電SUV里，藍(lán)天白云，路邊BP加油站的油價低得誘人——但你是電動車，這跟你沒關(guān)系。等等，你其實根本不在路上。這是密歇根州沃倫市通用汽車研究實驗室的一臺"車輛模型"，七臺投影儀把虛擬世界投射到弧形屏幕上。你的安全帶和方向盤是真的，但窗外全是假的。

更奇怪的是你身上貼的東西：頭部傳感器、手部傳感器、手指上的脈搏血氧儀。你的眼球轉(zhuǎn)動、心跳、甚至出汗程度，都在向通用汽車的分析師實時匯報。他們在用人工智能拆解你的每一絲緊張，用來改進(jìn)自動駕駛系統(tǒng)。

這就是通用汽車的秘密武器：不是更貴的激光雷達(dá)，不是更強(qiáng)的算力芯片，而是人類的焦慮本身。

從波音到通用：一個航空航天工程師的轉(zhuǎn)行

領(lǐng)導(dǎo)這項研究的是琳達(dá)·卡德威爾·斯坦辛，通用汽車研發(fā)部門執(zhí)行董事。她的履歷里沒有一天傳統(tǒng)汽車行業(yè)經(jīng)驗——20多年在波音和洛克希德·馬丁做航空航天工程。這種背景在底特律的老牌車企里顯得格格不入，但通用汽車似乎有意為之。

斯坦辛的團(tuán)隊每天運行數(shù)百萬次模擬，相當(dāng)于數(shù)萬人次的真實駕駛?cè)铡９こ處煵粩嗤到y(tǒng)里扔新的"虛擬扳手"——最奇怪、最不可能出現(xiàn)的場景。因為真實道路上的狀況，往往比編劇的想象力更離譜。

這種測試方式解決了一個自動駕駛的核心悖論：系統(tǒng)需要見識過足夠多的極端情況才能安全，但讓真實車輛去"見識"這些極端情況又太危險。虛擬現(xiàn)實成了折中方案，而人類的生理反應(yīng)數(shù)據(jù)則成了判斷系統(tǒng)表現(xiàn)的新維度。

通用汽車不是唯一這么做的公司，但把生物識別數(shù)據(jù)系統(tǒng)性地納入自動駕駛訓(xùn)練流程，他們的投入規(guī)模在行業(yè)內(nèi)排在前列。這家1908年成立的公司，現(xiàn)在把自己定位成科技公司，而不僅僅是汽車制造商。

電池、風(fēng)洞與原子級模擬：通用汽車的隱藏技術(shù)棧

在總部園區(qū)另一棟樓里，通用汽車正在研發(fā)LMR（富鋰錳基）電池。這種電池能量密度較低，但成本更低，且減少鈷等稀有礦產(chǎn)的使用。對面樓里，凱迪拉克在測試F1賽車技術(shù)。技術(shù)人員在帶有數(shù)千個節(jié)點的定制測試臺上逐個檢查零部件。

還有一些人在研究"原子級模擬"——通過建模改變電池化學(xué)成分，幾乎瞬間就能看到影響。研發(fā)實驗室經(jīng)理阿洛克·瓦雷提到，他們開發(fā)了一個由人工智能驅(qū)動的虛擬風(fēng)洞，可以即時預(yù)測空氣動力學(xué)阻力。

這些技術(shù)之間有一條暗線相連：都在用計算替代物理試錯。虛擬風(fēng)洞不用吹風(fēng)，原子模擬不用真的合成材料，駕駛模擬不用真的撞車。對于一家年研發(fā)投入以十億美元計的公司，這種轉(zhuǎn)變意味著測試周期的數(shù)量級壓縮。

瓦雷沒有透露虛擬風(fēng)洞的具體精度數(shù)據(jù)，但強(qiáng)調(diào)了"即時"這個特性。傳統(tǒng)風(fēng)洞測試需要數(shù)周準(zhǔn)備、數(shù)小時運行，而人工智能預(yù)測在秒級完成。這種速度優(yōu)勢在車型開發(fā)周期越來越短的競爭環(huán)境下，直接轉(zhuǎn)化為商業(yè)籌碼。

為什么盯著你的眼球和汗腺？

回到那臺凱迪拉克模型車。測試者的生理數(shù)據(jù)被用來回答一個關(guān)鍵問題：當(dāng)自動駕駛系統(tǒng)做出某個決策時，人類乘客是否感到安全？

這不是一個主觀問卷能捕捉的信息。人們會說"我覺得還好"，但瞳孔收縮和心率升高不會說謊。通用汽車把這類數(shù)據(jù)作為反饋回路，調(diào)整系統(tǒng)的駕駛風(fēng)格——不是讓它開得更快或更穩(wěn)，而是讓它開得更讓人放心。

這個思路跳出了自動駕駛的技術(shù)本位。行業(yè)長期爭論的是傳感器配置、算法架構(gòu)、監(jiān)管標(biāo)準(zhǔn)，但通用汽車發(fā)現(xiàn)另一個變量：人類信任的建立機(jī)制。一個技術(shù)上完美的系統(tǒng)，如果讓乘客持續(xù)緊張，市場接受度就會打折扣。

模擬環(huán)境還解決了一個實操難題：暈動癥。部分測試者對虛擬現(xiàn)實環(huán)境敏感，通用汽車需要篩選或適應(yīng)這種情況。這反過來也限制了測試人群的多樣性——如果某類人群更容易暈虛擬駕駛，他們的生理數(shù)據(jù)就會系統(tǒng)性缺失。

Super Cruise的進(jìn)化邏輯

所有這些研究都指向通用汽車的自動駕駛輔助系統(tǒng)Super Cruise。與完全自動駕駛不同，Super Cruise定位為"脫手駕駛"，在特定高速路段允許駕駛員雙手離開方向盤，但要求保持注意力。

這種定位本身就很微妙：它承諾了放松，又要求警惕。通用汽車的生物識別研究某種程度上是在優(yōu)化這種矛盾體驗——讓系統(tǒng)知道人類什么時候真的在關(guān)注，什么時候只是在假裝。

競爭對手的做法不同。特斯拉的Autopilot更激進(jìn)地推送功能更新，依賴真實道路數(shù)據(jù)；Waymo則直接跳過輔助階段，追求完全無人駕駛出租車。通用汽車選擇了一條中間道路：用虛擬環(huán)境加速迭代，用人類反應(yīng)校準(zhǔn)體驗。

斯坦辛的背景在這里顯示出價值。航空航天業(yè)對"人在環(huán)"系統(tǒng)的研究比汽車行業(yè)深得多——飛機(jī)自動駕駛儀需要處理飛行員注意力波動、模式混淆等問題。這些經(jīng)驗被移植到汽車場景，雖然速度更低，但環(huán)境復(fù)雜度更高。

底特律的科技轉(zhuǎn)型樣本

通用汽車總部代表著密歇根州約4%的GDP。這個比例說明了兩件事：公司體量巨大，以及該州經(jīng)濟(jì)對汽車業(yè)的依賴程度。在這種背景下，通用汽車的技術(shù)轉(zhuǎn)型帶有區(qū)域經(jīng)濟(jì)的象征意義。

園區(qū)內(nèi)同時存在1908年的遺產(chǎn)和2024年的實驗。電池化學(xué)、F1技術(shù)、虛擬現(xiàn)實、人工智能——這些元素被塞進(jìn)同一個組織架構(gòu)，協(xié)調(diào)成本不低。斯坦辛這樣的外來者被放到關(guān)鍵位置，可能是打破內(nèi)部路徑依賴的刻意安排。

一個細(xì)節(jié)值得注意：通用汽車在公開描述這些研究時，強(qiáng)調(diào)"未來感"和"遠(yuǎn)見者"，但具體技術(shù)細(xì)節(jié)披露有限。虛擬風(fēng)洞的精度、生物識別數(shù)據(jù)的樣本量、Super Cruise的更新頻率，都沒有給出數(shù)字。這種信息披露策略本身也是老牌車企的特征——與硅谷公司的"構(gòu)建-測量-學(xué)習(xí)"公開敘事形成對比。

自動駕駛的隱藏競賽：誰更懂人類

通用汽車的研究揭示了一個被低估的競爭維度。自動駕駛的終極產(chǎn)品不是車輛，而是移動服務(wù)；不是技術(shù)參數(shù)，而是人類愿意把生命托付給機(jī)器的程度。

這個維度難以量化，但直接影響商業(yè)化節(jié)奏。Waymo在舊金山和鳳凰城擴(kuò)大運營，特斯拉向數(shù)百萬車主推送軟件更新，通用汽車則在實驗室里收集心跳數(shù)據(jù)。三種路徑，三種對人類因素的不同處理方式。

生物識別反饋的局限性也很明顯。實驗室里的緊張反應(yīng)能否預(yù)測真實道路的信任建立？虛擬現(xiàn)實中的安全感能否遷移到60英里時速的脫手駕駛？這些問題沒有答案，通用汽車的做法是先收集數(shù)據(jù)，再尋找關(guān)聯(lián)。

一個潛在的倫理議題懸而未決：這些生理數(shù)據(jù)屬于誰？測試者是否充分知情其數(shù)據(jù)用途？通用汽車沒有回應(yīng)這類問題，行業(yè)也尚未形成統(tǒng)一規(guī)范。在數(shù)據(jù)即燃料的時代，人類的神經(jīng)反應(yīng)正在成為新的開采對象。

為什么這件事值得科技從業(yè)者關(guān)注

通用汽車的案例提供了一個觀察窗口：傳統(tǒng)制造業(yè)巨頭如何重組自身以適應(yīng)軟件定義產(chǎn)品的時代。關(guān)鍵不是他們開發(fā)了什么新技術(shù)，而是如何重新配置組織來整合這些技術(shù)。

航空航天工程師領(lǐng)導(dǎo)汽車研發(fā)、虛擬現(xiàn)實替代物理測試、人工智能貫穿材料科學(xué)與用戶體驗——這些安排需要打破部門壁壘，重新定義"核心能力"的邊界。對于在科技公司工作的人來說，這種轉(zhuǎn)型痛苦似曾相識。

更深層的啟示在于產(chǎn)品定義的變化。Super Cruise的競爭壁壘可能不在于代碼或硬件，而在于通用汽車積累的人類反應(yīng)數(shù)據(jù)集——這是競爭對手難以快速復(fù)制的資產(chǎn)。數(shù)據(jù)護(hù)城河的概念從互聯(lián)網(wǎng)蔓延到汽車業(yè)，但采集方式變得更加親密。

對于25-40歲的科技從業(yè)者，這個案例還提示了一個職業(yè)機(jī)會：跨行業(yè)遷移的技能溢價。斯坦辛的航空航天背景在汽車行業(yè)成為差異化優(yōu)勢，這種"外來者"價值在轉(zhuǎn)型期組織中被放大。

最后，通用汽車的研究方法暗示了技術(shù)評估標(biāo)準(zhǔn)的演變。當(dāng)自動駕駛的比拼進(jìn)入體驗細(xì)節(jié)階段，傳統(tǒng)的技術(shù)指標(biāo)（算力TOPS、傳感器數(shù)量、測試?yán)锍蹋┛赡茏屛挥诟浶缘木S度——乘客的皮質(zhì)醇水平變化曲線。

下次你在高速上開啟輔助駕駛，如果感到莫名的安心，那可能是某個實驗室里陌生人的心跳和汗?jié)n，提前為你付了學(xué)費。