Waymo CEO谈L2到L4升级 端到端并非唯一路径
无人驾驶技术如今发展到什么阶段了？全球自动驾驶出租车（Robotaxi）的领军者Waymo近期动态，或许能为我们揭示行业的最新进展与未来方向。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
近日，Waymo联合首席执行官德米特里·多尔戈夫（Dmitri Dolgov）在一次深度访谈中，分享了公司在技术路线与商业运营上的关键突破。技术层面，Waymo已全面转向端到端（End-to-End）架构，但其核心策略是在云端训练一个强大的基座模型，再通过“蒸馏”技术将其转化为轻量级模型部署于车辆。商业化数据则更为亮眼：其服务每周完成订单量超过50万单，已覆盖美国11个主要城市，并正积极拓展至英国伦敦和日本东京市场——2026年，很可能成为Robotaxi服务全球化的元年。
作为亲身见证自动驾驶技术从实验室挑战赛走向大规模商用21年的行业先驱，多尔戈夫的见解不仅揭示了技术演进的路径，也描绘了这项技术普及后可能重塑的社会出行图景。
端到端是必要路径，但非唯一答案
多尔戈夫确认，Waymo确实已采用端到端自动驾驶技术，但这并不意味着完全摒弃传统的模块化方法。他认为，将两者完全对立是一种“错误的二分法”。
纯粹的端到端系统如同一个黑箱：输入传感器数据，直接输出控制指令。这种模式对仿真训练提出了极高要求——必须生成极度逼真的完整虚拟环境，这不仅技术难度大，训练和评估效率也相对较低。
Waymo的解决方案是一种创新的混合架构：以端到端模型为基础，同时融入来自真实世界的结构化先验知识，例如高精地图、交通规则、路标信息等。基于此，他们在云端构建了一个名为“多模态世界行为语言模型”的基座模型。该模型本质上属于世界模型范畴，其“语言”能力主要通过视觉语言模型（VLM）来引入通用的常识与语义理解。
这个强大的云端基座模型主要承担三大核心任务：
首先是驾驶行为学习，作为“教师模型”掌握驾驶技能，随后将其能力蒸馏至车端的“学生模型”；其次是仿真模拟，用于生成高保真的虚拟场景以进行系统训练；最后是评估优化，用于判断驾驶决策的优劣，从而持续改进驾驶模型。
多尔戈夫坦言，如果仅面向L2级辅助驾驶，或许一个优秀的“司机”模型就能解决大部分常规问题。但要实现真正的L4级无人驾驶，就必须引入“仿真器”和“价值评估器”来应对那些极端罕见的长尾场景。
这也意味着，专注于L2的厂商并非没有机会进入L4赛道。但多尔戈夫强调，两者并非简单的线性升级，它们需要解决的技术难题存在本质差异——从L2到L4，是一次质的飞跃。
Waymo第六代硬件套件，成本已可比肩ADAS
除了软件架构，多尔戈夫也分享了硬件方面的最新成果。Waymo第六代自动驾驶套件依然坚持多传感器冗余融合的技术路线，集成了激光雷达、毫米波雷达和摄像头，并对三者的设计进行了统一与简化。
他坚信，激光雷达具备纯视觉方案难以替代的独特优势。他分享了一个典型案例：一次，Waymo车辆正准备起步，前方一辆公交车完全遮挡了视线。然而，激光雷达探测到公交车另一侧底部有一个微弱的移动信号。系统仅凭此信号，便判断可能有行人正在移动，并预判其将从车后走出。于是，车辆提前减速并微调方向，预留出安全空间，成功规避了潜在风险。
尽管传感器配置豪华，但多尔戈夫透露，第六代套件的成本已大幅降低，达到了可与主流高级驾驶辅助系统（ADAS）相媲美的水平。这听起来令人惊讶，尤其是在特斯拉坚持纯视觉路线、激光雷达产业链在美国尚未完全成熟的背景下。Waymo如何实现如此程度的成本控制？这本身就是一个强烈的行业信号。
当然，挑战依然存在。多尔戈夫指出，在寒冷气候下，传感器的清洁、除霜加热以及冰雪湿滑路面的车辆控制等一系列独特难题，仍是需要持续攻克的技术关卡。
自动驾驶商业化进程全面加速
新技术与新硬件的结合，正为Waymo注入强劲的增长动力。多尔戈夫公布了一组关键运营数据：Waymo累计订单总量已突破2000万单，其中一半是在过去7个月内完成的。目前，其周订单量稳定在50万单，自动驾驶车队规模约3000辆，每周无人驾驶里程高达640万公里。
这一发展速度在2026年有望进一步加快。除了在美国本土的11座城市持续运营，Waymo计划于今年在英国伦敦和日本东京启动服务部署。这标志着Robotaxi正式迈出跨国运营的步伐，开启全球化新阶段。
然而，全球化部署并非易事。多尔戈夫坦言，尽管模型的泛化能力日益增强，但进入一个新的城市，仍然需要进行深入的本地化适配。这包括收集本地交通数据、针对特有的道路场景和驾驶习惯进行优化验证。此外，与当地监管机构的高效沟通以及赢得社区居民的信任，是与技术落地同等重要的关键环节。
未来的延伸：从Robotaxi到私家车
谈及更广阔的商业化前景时，多尔戈夫提到了一个有趣的“边缘案例”：在人口稀少的偏远地区，部署Robotaxi服务从经济模型上看可能并不划算。
但这并不意味着自动驾驶技术无法惠及这些区域。多尔戈夫透露，Waymo的自动驾驶系统未来同样可以适配并部署到私家车辆上。换言之，未来体验全自动驾驶不一定非要通过网约车，个人拥有的汽车同样可以具备L4级自动驾驶能力。
这是一个颇具象征意义的行业转折：当一些L2公司试图向上探索Robotaxi服务时，Robotaxi领域的领导者却在考虑将其技术向下赋能至私家车市场。由此可见，在端到端技术路径逐渐趋同之后，L2高级辅助驾驶与L4无人驾驶的商业模式，似乎也正在走向融合与交汇。
相关攻略
Waymo已转向端到端架构，但强调需结合传统模块化与云端基座模型。其第六代自动驾驶套件成本大幅下降，每周订单超50万单，服务覆盖美国11城并计划拓展至伦敦与东京。Waymo认为从L2到L4是质变，需应对长尾场景，未来系统也可部署于私家车，商业模式呈现交汇趋势。
2月28日消息，据外媒报道，近日，马斯克的“画饼”言论再遭打脸。此前，马斯克曾多次官宣：“特斯拉距离在加州推出 Robotaxi 无人驾驶出租车服务仅剩数月”。然而加州机动车辆管理局记录显示，特斯拉
IT之家 2 月 25 日消息，Alphabet 旗下自动驾驶技术企业 Waymo 当地时间 24 日宣布在美国得克萨斯州的达拉斯、休斯顿、圣安东尼奥与佛罗里达州的奥兰多启动 Robotaxi 服务
IT之家 2 月 20 日消息，据 TechCrunch 今日报道，Waymo 将自动驾驶出租车落地纽约州的重要计划暂时遭遇挫败 —— 纽约州州长凯西・霍楚尔正式撤回了一项拟修改车辆与交通法规的提案
IT之家 2 月 14 日消息，Alphabet 旗下自动驾驶企业 Waymo 当地时间 12 日介绍了其第六代 Waymo Driver 自动驾驶硬件系统。其结合了高分辨率摄像头、先进成像雷达、激
热门专题
热门推荐
这项由清华大学、美团、香港大学等多家顶尖机构联合开展的研究，于2026年3月以预印本论文（arXiv:2603 25823v1）的形式发布。它直指当前AI视觉生成领域一个被长期忽视的核心问题：这些能画出“神作”的模型，到底有多“聪明”？研究团队为此构建了一套全新的测试基准——ViGoR-Bench，
人工智能的浪潮席卷了各个领域，机器在诸多任务上已展现出超越人类的能力。然而，有一个看似寻常却异常复杂的领域，始终是AI研究者们渴望攻克的堡垒——让机器像真正的学者那样，撰写出一篇结构严谨、逻辑自洽、图文并茂的完整科学论文。这远比下棋或识图要困难得多。 2026年3月，一项由中科院AgentAlpha
这项由法国Hornetsecurity公司与里尔大学、法国国家信息与自动化研究院(Inria)、法国国家科学研究中心(CNRS)以及里尔中央理工学院联合开展的研究，发表于2026年3月31日的计算机科学期刊，论文编号为arXiv:2603 29497v1。 在信息爆炸的今天，我们每天都在网上留下数字
当你满怀期待地拆开一台全新的智能设备，最令人困扰的往往不是如何使用它，而是如何让它真正“理解”指令并智能地执行任务。如今，一个更为优雅的解决方案可能已经出现。来自清华大学深圳国际研究生院与哈尔滨工业大学（深圳）的联合研究团队，近期取得了一项极具前瞻性的突破：他们成功训练人工智能自主“撰写”并精准理解
2026年3月，来自华盛顿大学、艾伦人工智能研究所和北卡罗来纳大学教堂山分校的研究团队，在图像智能矢量化领域取得了一项突破性进展。这项研究（论文编号：arXiv:2603 24575v1）开发了一个名为VFig的AI系统，它能够将静态的栅格图像智能地转换为可自由编辑的矢量图形，如同一位“图形考古学家