无人驾驶，发展到什么阶段了？

那要看全球Robotaxi一哥Waymo走到哪儿了：

技术上，转向端到端，云端基模世界行为语言模型打底，蒸馏为小模型上车。

商业化上，每周50万单，在美国落地11城，出海英国伦敦和日本东京，开启「Robotaxi全球化元年」。

这都是Waymo联席CEO德米特里·多尔戈夫（Dmitri Dolgov）最近访谈时，披露的最新进展。

多尔戈夫是行业的元老级人物，工程师出身，亲历了21年间，无人车从沙漠挑战赛走向全球的全过程。

他在访谈中，谈及了21年里自动驾驶的技术演进，同时也展望了，当自动驾驶普及，人类社会的变化。

多尔戈夫透露，Waymo现在也转向了端到端，但是这并不意味着彻底抛弃过去的技术范式。多尔戈夫认为这是“错误的二分法”。

因为在Waymo看来，纯粹的端到端，像是一个黑盒，传感器输入图像，系统利用图像像素，直接输出车辆轨迹，这就给仿真训练，带来了困难。

因为这迫使仿真系统去生成一个完整的像素世界，多尔戈夫觉得生成一切本来就很困难，即便做到了，训练和评估过程也很低效。

Waymo的解决办法是，以端到端为基础，再加上一些来自真实世界的结构化概念，比如这里有一条路、一个交通标志或者限速信息。

沿着这条思路，Waymo在云端打造了一个基座模型，多尔戈夫把它叫做多模态世界行为语言模型（Multimodal World Action Language Model），看上去还是世界模型的架构。这里的语言维度，主要是通过VLM，引入通用世界知识和语义理解。

这个基模并不都是用来开车的，主要适配了这三大类任务：

在多尔戈夫看来，如果只做辅助驾驶，只用Driver司机模型就够了，可以解决自动驾驶系统90%的问题。

但如果想要跃过L4的鸿沟，就需要用到Simulator仿真器和Critic价值判断器。

从这也能看出，其实多尔戈夫承认，L2玩家有可能进入L4阵营。但是他不认为L2跟L4之间是线性升维关系，因为双方解决的技术问题，有本质不同，L2到L4是质变，不是一回事儿。

除了软件层的技术架构，多尔戈夫还分享了Waymo的硬件侧进展。

他表示，Waymo第六代自动驾驶套件，仍然采用了多传感器冗余感知方案，激光雷达、毫米波雷达和摄像头都上，对三者做了统一和简化。

多尔戈夫认为，激光雷达仍然有纯视觉不具备的优越性。他举了个例子，有一次Waymo无人车准备起步，前方一辆公交车驶过，挡住了无人车的视线，Waymo检测到公交另一侧，底部有一个微弱信号，这个微弱信号，其实是行人在走路。

就凭借激光雷达捕捉到的一点微弱信号，自动驾驶系统判断这里有行人，并预判行人会从公交车后方走过来，所以提前减速，并且往侧方多打了一下方向盘，留出距离，避让开了行人。

虽然还是使用了多传感器，但据多尔戈夫透露，其实第六代套件的成本并不高，可以和智能辅助驾驶套件的成本相比了。

这就匪夷所思了。国内套件成本低，包括激光雷达能做到“千元机”水平，都是因为有成熟的智能车产业链，有规模效应的助力。

而在美国，因为特斯拉坚定走纯视觉路线，激光雷达产量并不高，Waymo竟然把成本下探到现在的水平。

回到传感器，多尔戈夫透露，目前还有一些独特的问题需要解决，天冷时还需要解决传感器的清洁、加热和湿滑路面控制等一系列问题。

新技术和新套件，也正让Waymo跑出自动驾驶新的加速度。

多尔戈夫在访谈中披露了一系列数据，他表示目前Waymo累计订单已经突破了2000万单，其中有一半都来自过去的7个月。

而且目前还在以50万单/周的速度增长，同时车队规模已达到了3000辆，每周无人驾驶里程达到了640万公里。

这个速度今年还会继续加快，多尔戈夫称Waymo已经在美国落地了11座城市，今年还计划在英国伦敦和日本东京部署。这意味着2026年将成为「Robotaxi全球化元年」。

不过多尔戈夫也坦承，Robotaxi直接在海外部署比较困难，尽管模型现在的泛化性越来越强，但到新的城市，还是需要特调，收集本地数据，做针对性的优化，同时进行验证。

除了技术本身的问题外，还要和监管机构沟通，尝试取得当地居民的信任。

One More Thing

在谈到商业化进展时，多尔戈夫还提及了无人驾驶商业化的「Corner Case」。

多尔戈夫表示，有的偏远地方，没什么人打车，在这种地方部署Robotaxi，不太合理。

毕竟接不到太多单子，算不过来账。但也不是说，地区偏远，就普及不了自动驾驶。

多尔戈夫透露，Waymo的系统将来也可以部署到私家车上。

换句话说，未来不一定需要打车，才能体验自动驾驶服务，用自家车辆也行。

当L2升维，推出Robotaxi叫车服务之际，Robotaxi一哥，考虑进军私家车了。

从这个角度来看，端到端技术架构之后，L2和L4的商业模式，也正在走向同一条河流。