通用汽車用真人焦慮訓練自動駕駛

你坐在一輛凱迪拉克純電SUV里，藍天白云，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，用來改進自動駕駛系統。

這就是通用汽車的秘密武器：不是更貴的激光雷達，不是更強的算力芯片，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行

領導這項研究的是琳達·卡德威爾·斯坦辛，通用汽車研發部門執行董事。她的履歷里沒有一天傳統汽車行業經驗——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。

斯坦辛的團隊每天運行數百萬次模擬，相當于數萬人次的真實駕駛日。工程師不斷往系統里扔新的"虛擬扳手"——最奇怪、最不可能出現的場景。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。虛擬現實成了折中方案，而人類的生理反應數據則成了判斷系統表現的新維度。

通用汽車不是唯一這么做的公司，但把生物識別數據系統性地納入自動駕駛訓練流程，他們的投入規模在行業內排在前列。這家1908年成立的公司，現在把自己定位成科技公司，而不僅僅是汽車制造商。

電池、風洞與原子級模擬：通用汽車的隱藏技術棧

在總部園區另一棟樓里，通用汽車正在研發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的使用。對面樓里，凱迪拉克在測試F1賽車技術。技術人員在帶有數千個節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成分，幾乎瞬間就能看到影響。研發實驗室經理阿洛克·瓦雷提到，他們開發了一個由人工智能驅動的虛擬風洞，可以即時預測空氣動力學阻力。

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

瓦雷沒有透露虛擬風洞的具體精度數據，但強調了"即時"這個特性。傳統風洞測試需要數周準備、數小時運行，而人工智能預測在秒級完成。這種速度優勢在車型開發周期越來越短的競爭環境下，直接轉化為商業籌碼。

為什么盯著你的眼球和汗腺？

回到那臺凱迪拉克模型車。測試者的生理數據被用來回答一個關鍵問題：當自動駕駛系統做出某個決策時，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。通用汽車把這類數據作為反饋回路，調整系統的駕駛風格——不是讓它開得更快或更穩，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本位。行業長期爭論的是傳感器配置、算法架構、監管標準，但通用汽車發現另一個變量：人類信任的建立機制。一個技術上完美的系統，如果讓乘客持續緊張，市場接受度就會打折扣。

模擬環境還解決了一個實操難題：暈動癥。部分測試者對虛擬現實環境敏感，通用汽車需要篩選或適應這種情況。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，他們的生理數據就會系統性缺失。

Super Cruise的進化邏輯

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化這種矛盾體驗——讓系統知道人類什么時候真的在關注，什么時候只是在假裝。

競爭對手的做法不同。特斯拉的Autopilot更激進地推送功能更新，依賴真實道路數據；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：用虛擬環境加速迭代，用人類反應校準體驗。

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

底特律的科技轉型樣本

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，以及該州經濟對汽車業的依賴程度。在這種背景下，通用汽車的技術轉型帶有區域經濟的象征意義。

園區內同時存在1908年的遺產和2024年的實驗。電池化學、F1技術、虛擬現實、人工智能——這些元素被塞進同一個組織架構，協調成本不低。斯坦辛這樣的外來者被放到關鍵位置，可能是打破內部路徑依賴的刻意安排。

一個細節值得注意：通用汽車在公開描述這些研究時，強調"未來感"和"遠見者"，但具體技術細節披露有限。虛擬風洞的精度、生物識別數據的樣本量、Super Cruise的更新頻率，都沒有給出數字。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"構建-測量-學習"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。自動駕駛的終極產品不是車輛，而是移動服務；不是技術參數，而是人類愿意把生命托付給機器的程度。

這個維度難以量化，但直接影響商業化節奏。Waymo在舊金山和鳳凰城擴大運營，特斯拉向數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據。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能否預測真實道路的信任建立？虛擬現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據，再尋找關聯。

一個潛在的倫理議題懸而未決：這些生理數據屬于誰？測試者是否充分知情其數據用途？通用汽車沒有回應這類問題，行業也尚未形成統一規范。在數據即燃料的時代，人類的神經反應正在成為新的開采對象。

為什么這件事值得科技從業者關注

通用汽車的案例提供了一個觀察窗口：傳統制造業巨頭如何重組自身以適應軟件定義產品的時代。關鍵不是他們開發了什么新技術，而是如何重新配置組織來整合這些技術。

航空航天工程師領導汽車研發、虛擬現實替代物理測試、人工智能貫穿材料科學與用戶體驗——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，這種轉型痛苦似曾相識。

更深層的啟示在于產品定義的變化。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數據集——這是競爭對手難以快速復制的資產。數據護城河的概念從互聯網蔓延到汽車業，但采集方式變得更加親密。

對于25-40歲的科技從業者，這個案例還提示了一個職業機會：跨行業遷移的技能溢價。斯坦辛的航空航天背景在汽車行業成為差異化優勢，這種"外來者"價值在轉型期組織中被放大。

最后，通用汽車的研究方法暗示了技術評估標準的演變。當自動駕駛的比拼進入體驗細節階段，傳統的技術指標（算力TOPS、傳感器數量、測試里程）可能讓位于更軟性的維度——乘客的皮質醇水平變化曲線。

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漬，提前為你付了學費。