自动驾驶赛车正开始出现在一些非常著名的赛道上。9月3日，“印第安纳波利斯自动驾驶挑战赛”将其无车手赛车带到了加利福尼亚州的拉古纳塞卡赛道。

普渡大学AI车队创造了新的自动驾驶赛道纪录，并在双车对决超车比赛中获得第二名。意大利的Unimore车队夺得冠军。

两天后，自动驾驶赛车在欧洲迈出了又一步。五支车队将全自动驾驶赛车带到了意大利伊莫拉赛道，参加阿布扎比自动驾驶赛车联赛在阿布扎比之外的首场比赛。

Kinetiz车队从发车位第四位一路逆袭，赢得了这场12圈的比赛。现在，自动驾驶赛车已经登陆了美国、欧洲和阿布扎比的主要赛道。

这项技术显然能够适应不同环境。更大的问题是车迷是否会关注。

印第安纳波利斯自动驾驶挑战赛汇集了为相同赛车开发人工智能车手的大学车队。在拉古纳塞卡，来自北美、欧洲和亚洲的九支大学车队原定参赛。

9月3日的比赛通过首次将该挑战赛的超车形式改编为公路赛道，将竞争推向了更深层次。多辆赛车不再作为一个车队竞速，而是由两辆自动驾驶赛车轮流扮演进攻和防守角色。

软件必须管理间距，并决定何时可以安全地采取行动。普渡大学成为唯一获得该部分比赛资格的美国车队。

其赛车还创下了1:27.731的自动驾驶单圈纪录，随后获得亚军，仅次于Unimore车队。接下来是伊莫拉。

A2RL将其自动驾驶赛车从位于阿布扎比亚斯码头赛道的总部首次带到欧洲。该联赛表示，伊莫拉代表着其建立全自动驾驶赛车国际锦标赛目标的又一步。

五辆自动驾驶赛车在伊莫拉的发车区严阵以待。伊莫拉再次提高了难度。

Kinetiz、Constructor Racing、PoliMOVE、Unimore Racing以及两届A2RL冠军TUM均参加了此次赛事。每支车队都使用基于达拉拉超级方程式SF23平台的相同EAV-25赛车硬件。

这意味着大部分竞争优势来自于各车队自己开发的软件。人工智能必须弄清楚赛车在哪里，了解周围发生的事情并决定下一步该做什么。

然后，它必须在赛车速度下将这些决定转化为制动和转向输入。TUM在暖胎圈遇到技术问题，在滚动起跑前回到了维修区。

这使得剩下的车队能够为争夺位置而战.Unimore从杆位出发并领跑比赛。然后事情出了差劲。

一场撞车事故展示了自动驾驶赛车有多么困难。Unimore创造了全场最快单圈纪录，随后遭遇技术问题，导致赛车速度急剧下降。

PoliMOVE紧随其后，从后方撞上了减速的Unimore赛车。这次碰撞结束了两支车队的比赛。

这为Kinetiz打开了大门。这支新加坡与阿联酋合组的车队从第四位起步，最终取得领先，并以10.963秒的优势击败德国的Constructor Racing赢得冠军。PoliMOVE被判第三名。

这场撞车事故也可能是比赛中最具启发性的部分之一。在空旷的赛道上开快车是一个挑战。

当正前方的赛车突然失速时做出反应，会带来更大的难题。这正是自动驾驶系统必须学会处理的不可预测性。

这些人工智能赛车正变得非常快。这些赛车的行驶速度远比你想象的要快。

PoliMOVE在伊莫拉的时速达到了约157英里/小时，且车内无人。在测试期间，最快的自动驾驶单圈仅比超级方程式车手野田树润创下的基准单圈慢了0.85秒。

这令人惊讶地接近。去年在阿布扎比，前F1车手丹尼尔·科维亚特创下的单圈成绩依然比自动驾驶挑战者快，但差距已经缩小到仅剩1.58秒。

所以问题已经改变了。我们已经知道这些赛车能够以惊人的速度绕赛道行驶。现在我们正在观察当它们必须与其他赛车同场竞技并实时做出决定时会发生什么。

但是车迷应该支持谁呢？正是在这里，自动驾驶赛车面临着一个与速度无关的挑战。

赛车的部分乐趣在于有可以支持的对象。车迷们关注车手，了解他们的性格并挑选最喜欢的车手。

把车手从车里拿出来，突然之间这种联系看起来就完全不同了。在自动驾驶赛车中，你支持的是软件背后的团队。

对一些科技迷来说，这可能就足够了。看着工程师们摸索如何让人工智能驱动的赛车更快、更聪明，可能会成为吸引力的一部分。

但人们会一场接一场地回来观看吗？我们已经开始对此有了一些感觉。

印第安纳波利斯自动驾驶挑战赛今年重返拉古纳塞卡，并从2025年的单人计时赛转变为公路赛道上的双车对决超车赛。仅仅两天后，五辆自动驾驶赛车就在意大利伊莫拉一同竞技。

现在更困难的部分可能是建立那种在看到空驾驶舱的惊奇感消退后仍能让人继续观看的联系。

那么，举行无车手赛车比赛的意义何在？还有另一个原因让这些比赛值得观看。

赛车场为自动驾驶汽车研究人员提供了一个将软件推向极限的地方。在拉古纳塞卡，普渡大学的车队花了几周时间练习，并在比赛日前利用模拟来找出软件中的错误。

在伊莫拉，人工智能必须应对高速以及其他做出自己决定的自动驾驶赛车。这种压力可以迅速暴露出弱点。

公众道路上的乘用车面临着截然不同的环境。它必须应对行人、十字路口以及封闭赛道上不存在的无数情况。

因此，赢得一场自动驾驶比赛并不意味着同样的软件已经准备好载着你在城里四处行驶。尽管如此，基本的挑战是有重叠的。

自动驾驶汽车必须了解周围发生的事情并决定如何应对。赛车迫使研究人员在汽车能够承受的边缘测试这些能力。

这就是为什么即使你从未观看过一场自动驾驶比赛，这也与之相关。

以下是我对自动驾驶赛车的看法。我们已经从询问人工智能是否能让赛车保持在赛道上，发展到观看这些赛车以超过150英里/小时的速度互相追逐。

这相当了不起。但单纯的速度并不能将其变成一项人们关心的运动。

赛车之所以如此引人入胜，部分原因在于车内的那个人。你关注车手，了解他们的性格，并挑选一个你希望获胜的人。

当驾驶舱空无一人时，这种联系就完全改变了。车迷最终会开始支持技术背后的团队吗？

随着这些比赛的发展，我可以看到普渡大学的学生和工程师发展出他们自己的粉丝群。但自动驾驶赛车仍需证明，观看伟大的软件竞争可以像观看伟大的车手将赛车推向极限一样令人兴奋。

这些赛车显然已经准备好比赛了。现在我们要看看车迷是否准备好关心它们。