在湖南张家界天门山，一条全长10.77公里、垂直落差1100米、拥有99道急弯的盘山公路，成为全球自动驾驶技术的新试金石。
2025年10月，清华大学极限竞速战队凭借自主研发的自动驾驶赛车，以16分10秒838的成绩完成挑战，夺得Hitch Open世界AI竞速锦标赛总冠军，标志着中国在自动驾驶技术领域的重大突破。
这一成就的背后，是科研团队对技术路径的深刻思考与创新实践。
天门山赛道环境极端复杂：山体遮挡导致卫星信号频繁中断，陡坡与急弯密集交替，路面湿滑且隧道光线变化剧烈，对自动驾驶系统的感知、决策与执行能力提出了极高要求。
传统依赖海量实车数据的模仿学习方法难以应对此类极限场景。
面对挑战，清华大学车辆与运载学院教授李升波带领团队另辟蹊径，提出“换道超车”策略。
自2018年起，团队便探索以强化学习为核心的端到端自动驾驶新路径，通过“数据不足仿真补、算力落后算法超”的思路，构建了以仿真数据为主、实车数据为辅的训练体系。
这一方法不仅降低了研发成本，还使模型具备了自主进化的能力。
在技术层面，团队攻克了多项核心难题。
针对赛道定位精度问题，开发了局部地图动态加载算法，实现超大场景下的实时高精度位姿估计；通过车云协同与虚实联合数据采集，优化了车辆在复杂路况下的控制能力。
最终，团队研发出国内首套全栈神经网络化的端到端自动驾驶系统，为行业提供了可借鉴的技术方案。
支撑技术突破的，是清华大学在人才培养模式上的系统性革新。
从面向本科生的“芯动计划”，到依托“挑战杯”构建的进阶式科研训练体系，再到方程式车队等实战平台，学院形成了“入门体验-跨越增强-贯通延伸”的完整培养链条。
这一模式不仅培育了技术骨干，还通过校友网络将创新理念辐射至全国高校。
此次赛事中，多支参赛队伍的带队教师均为清华校友，体现了人才培养的“校内-校外”大循环效应。
李升波表示，这种接力传承不仅彰显了清华“行胜于言”的校风，更为中国自动驾驶技术的可持续发展注入了活力。
极限赛道的意义，不止于刷新纪录，更在于把“不确定性”集中暴露、把“可靠性”逼到台前。
面对自动驾驶这一长期赛道，真正的竞争力不在于一时的冒进，而在于可持续的技术路线、可验证的安全体系与可复制的人才培养机制。
以稳为底、以体系为力，才能在更广阔的应用场景中跑出高质量发展的“确定性”。