Waymo
Waymo（"a new way forward in mobility"）是全球技术最成熟、全无人运营经验最丰富的自动驾驶公司，隶属于 Alphabet（谷歌母公司）。2009 年起源于 Google X 秘密项目，2016 年以独立子公司形式分拆，是全球首家在多个主要城市实现无安全员商业运营的 L4 公司，也是"慢、但稳" 这一技术哲学的代表。
本节按"公司 → 技术 → 运营 → 安全治理 → 启示"五条线索展开，并刻意将 Waymo 的选择与特斯拉、Cruise 做对照，帮助读者看清不同路线的权衡。
1. 公司背景
时间轴
| 时间 | 事件 |
|---|---|
| 2009 | Google 秘密启动自动驾驶项目，由 Sebastian Thrun（DARPA 冠军队队长）领导 |
| 2012 | 内华达州发放全球首张自动驾驶路测牌照，Google 车队累计 30 万英里无人驾驶 |
| 2016 | 独立成立 Waymo，John Krafcik 出任首席执行官 |
| 2017 | 凤凰城（Phoenix）启动公开路测，第一批真实乘客参与 |
| 2018 | Waymo One 公测，凤凰城 Chandler 地区提供收费 Robotaxi 服务 |
| 2020 | 完成 30 亿美元首轮外部融资；凤凰城推出完全无人（Rider-Only）服务 |
| 2021 | Tekedra Mawakana、Dmitri Dolgov 担任 Co-CEO，组织架构向"双轮驱动" |
| 2023 | 旧金山获批全城无安全员商业运营；Cruise 停摆后 Waymo 成为美国唯一规模化无人运营方 |
| 2024 | 洛杉矶开放；单周订单峰值 > 150 000 次；与 Geely Zeekr 合作的第六代平台亮相 |
| 2025 | Tokyo 开启国际试点；Miami / Atlanta 宣布商业化；与 Uber 合作扩展至更多城市 |
使命： "让出行更安全、更轻松，为世界各地的人和货物服务。"
股东结构与资金
- Alphabet 通过战略投资持股，持续给予工程预算的"软约束"；
- 2020 / 2023 两轮对外融资累计超过 100 亿美元，引入 Silver Lake、Andreessen Horowitz 等；
- 2024 起外部融资速度放缓，与 Alphabet 进一步对齐"先赚钱，再扩张"的节奏。
2. 核心技术理念
Waymo 是全球最坚定的多传感器融合路线代表，坚持认为安全冗余需要多种传感器互相校验：
| 对比维度 | Waymo 方案 | Tesla 方案 |
|---|---|---|
| 核心传感器 | LiDAR + Camera + Radar（三模冗余） | 纯视觉（Camera Only） |
| 安全哲学 | 冗余感知，任一模态失效系统仍工作 | 规模数据驱动，神经网络端到端 |
| 高精地图 | 强依赖（厘米级 HD Map） | 轻依赖（标准地图 + 端到端感知） |
| 产品策略 | 先做安全，再做规模 | 先做规模，数据驱动安全 |
| 迭代节奏 | 城市逐个部署，每城数月准备 | OTA 季度推送，覆盖全球车队 |
| 商业模式 | Robotaxi 打车服务 | 销售整车 + 订阅 FSD |
这并非简单的"路线孰优孰劣"之争——两家公司在公司基因、资本结构、监管准入、事故容忍度四个维度上都存在本质差异，从而产生了不同的工程选择。
3. 传感器套件演进
自研传感器的战略意义
初期每辆 Waymo 测试车传感器成本超过 100 万美元，通过自研量产化，成本降低超过一个数量级，且传感器规格完全针对自动驾驶优化。自研让 Waymo 能够：
- 控制从光学到点云处理的整条链路（软硬件协同）；
- 针对恶劣天气（雨雪雾）调优扫描策略，而不是妥协于通用量产规格；
- 与供应商谈判时握有"我自己能做"的底牌。
第五代平台（Jaguar I-PACE，2020–）
| 传感器 | 数量 | 探测距离 | 功能 |
|---|---|---|---|
| 激光雷达（LiDAR） | 5 个 | 最远 300 m | 远程前向 + 中程侧向 + 短程环视 |
| 摄像头（Camera） | 29 个 | — | 360° 视觉感知，识别语义信息 |
| 毫米波雷达（Radar） | 6 个 | 最远 200 m | 速度测量，恶劣天气补偿 |
Laser Bear Honeycomb： Waymo 自研的中程 360° LiDAR，蜂窝结构紧凑，负责近距离全向感知。
第六代平台（Geely Zeekr RT，2024–）
2024 年 8 月 Waymo 公开与吉利 Zeekr 合作打造的第六代平台：
- 面向更低硬件成本（目标量产后 < 10 万美元/辆）；
- 减少传感器数量，依靠更好的算法减少冗余配置（例如 LiDAR 从 5 → 4 个）；
- 优化外观：顶端不再是大型"礼帽"，改为集成式传感器模组；
- 车内乘客体验：无方向盘、配备更大液晶屏与儿童安全座椅接口；
- 量产爬坡节奏：2025 年试运营，2026 年规模部署。
第六代货运版（Waymo Via 暂停）
2023 年 Waymo 宣布暂停自研卡车自动驾驶项目（Waymo Via），将资源集中到 Robotaxi，标志着行业"Robotaxi 优先于长途卡车"的共识进一步强化。
4. Waymo Driver 软件架构
Waymo 的软件栈（Waymo Driver）经过十余年迭代，在全球 L4 系统中最为成熟。按照经典模块划分如下：
4.1 感知
- 多传感器时间同步融合：LiDAR、Camera、Radar 的原始数据在亚毫秒级时间戳对齐后融合；
- 物体检测与追踪：4D 点云（含速度维度）检测车辆、行人、骑行者，追踪器维护目标历史状态；
- 语义地图感知：实时检测道路标线、交通灯状态，与 HD Map 关联；
- 占据网络：从 2023 年起逐步引入 Occupancy Network，处理高精地图无法覆盖的临时障碍物（施工、倾倒桶、异形物）。
4.2 预测
Waymo 的预测研究是学术界与工业界同时公认的领头羊：
| 代表工作 | 年份 | 核心思想 |
|---|---|---|
| VectorNet | 2020 | 用向量化地图 + 图神经网络编码 HD Map |
| Wayformer | 2022 | Transformer 统一处理多智能体、多模态输入，成为 Waymo Open Motion 榜单基线 |
| MotionLM | 2023 | 将预测视为 "token 语言模型"，用 discrete motion token 做自回归 |
| MultiPath++ / Scene Transformer | 2022–23 | 多模态轨迹分布 + 场景级一致性 |
多模态轨迹预测（Top-K 轨迹 + 概率）覆盖直行、变道、转弯、让行等所有常见意图，并为规划提供不确定性输入。
4.3 规划
- 结构化场景规划：根据场景类型（合流、路口、变道、环岛）选择专用规划策略；
- 不确定性感知规划：将预测的轨迹分布纳入规划代价，做出保守但高效的决策；
- 边角场景鲁棒性：通过 Carcraft 仿真平台自动生成并验证数百万边角场景，再通过 Rider-Only fleet 真实检验；
- 礼让行为建模：Waymo 在行人让行、消防车避让、校车红灯停车等场景上比一般模型更保守，这部分来自大量专门规划代价项的显式注入。
4.4 端到端探索：EMMA（2024）
2024 年 Waymo 发布论文 EMMA（End-to-End Multimodal Model for Autonomous Driving），基于 Gemini 多模态基础模型：
- 直接从摄像头输入输出轨迹 + 解释性自然语言；
- 在 Waymo Open Motion 与 nuScenes 上取得 SOTA；
- 尚未取代产品软件栈，目前主要作为研究平台，但明确表示会逐步融合到生产系统。
4.5 闭环验证：Carcraft + Simulation City
- Carcraft：Waymo 的仿真环境，每年在虚拟环境中模拟 超过 200 亿英里 的等效驾驶（截至 2024）；
- Scenario Replay：将真实路测场景原始传感器数据导入仿真，修改一个变量（如行人轨迹）重复验证；
- 合成场景生成：AI 自动创建对抗性和罕见场景，测试系统边界；
- Simulation City（2023 公开部分细节）：用生成式模型构造整座虚拟城市，允许在未开城前就做端到端运营预演。
仿真与真车的比例
Waymo 内部数据显示：每一个真实路测里程，对应超过 1 000 个仿真里程。这种比例是其"慢且稳"的核心保障。
5. 高精地图与定位策略
5.1 HD Map 内容
- 车道级几何（精度 < 10 cm）；
- 信号灯、停车标志的精确三维位置；
- 路面状况（减速带、坑洼）；
- 道路属性（限速、行驶方向、优先权）；
- 行人高风险区域（学校、医院、公园入口）；
- 施工敏感区、消防出入口、公交停靠带。
5.2 地图更新流程
- 专用测绘车（搭载 LiDAR/Camera）采集原始数据；
- 自动化处理管线提取地图元素；
- 人工质检后上线；
- Rider-Only 车辆在运营中实时检测地图变化（施工、新道路），异步上报更新；
- 异常事件（如 Muni 车道新增、消防出入口调整）触发快速增量发布流程，通常 24 小时内完成。
5.3 地图依赖的瓶颈
- 新城市开城前需要数月的地图采集；
- 每平方公里初始建图成本约数万美元（2024 年估算）；
- 城市快速变化（开路、改道）增加地图运维压力。
这也是 Waymo 扩展速度慢于 Tesla 的主要结构性原因之一。
6. Robotaxi 商业化（Waymo One）
6.1 运营现状（2024–2025）
| 城市 | 运营区域 | 开通时间 | 模式 |
|---|---|---|---|
| 凤凰城（Phoenix） | Chandler、Tempe、Mesa、Downtown、SkyHarbor 机场 | 2018（公测）/ 2020（Rider-Only） | 直运营 + Uber 分发 |
| 旧金山（San Francisco） | 全城 | 2020（公测）/ 2023（商业） | 直运营 |
| 洛杉矶（Los Angeles） | 西好莱坞、圣莫尼卡、Mid-City 等 | 2024 | 直运营 + Uber 分发 |
| 奥斯汀（Austin） | 中心区 | 2024 | Uber 独家渠道 |
| 迈阿密（Miami） | 试点区 | 2025 | 计划中 |
| 亚特兰大（Atlanta） | 试点区 | 2025 | Uber 合作 |
| 东京（Tokyo） | 试点 | 2025 | 日本交通集团合作 |
2024–2025 运营数据：
- 单周订单峰值超 150 000 次；
- 累计全无人驾驶里程超 2 500 万英里；
- Rider-Only 里程年增长率 > 400%；
- 单日峰值行程超过 Uber 旧金山。
6.2 Uber 合作模式
Waymo 2023 起与 Uber 建立深度合作：
- 在部分城市（凤凰城、奥斯汀、亚特兰大等），乘客在 Uber App 叫车时有概率匹配到 Waymo；
- Uber 提供需求侧导流与运营支持（清洁、加油、停靠）；
- Waymo 保留车辆与软件的所有权与运营权。
这种"轻资产 + 渠道共享"模式降低了 Waymo 进新城市的运营成本。
6.3 全球化：日本试点
- 2024-12 宣布与日本 Nihon Kotsu / GO 合作，在东京开启非商业试点；
- 运营车辆用左舵改右舵，并适配日本交通规则；
- 主要目的是验证合规本地化能力，而非短期收入。
6.4 单位经济学
2024 年多家分析师（ARK、BofA、Needham）估算：
- 单辆 Waymo One 车辆成本 20–30 万美元（含传感器 + 车辆 + 安装）；
- 平均每小时收入约 30–40 美元；
- 车辆日均行驶 8–12 小时；
- 盈亏平衡点仍需硬件成本进一步下降 + 利用率提升。
Geely Zeekr 合作的主要目标正是把单车成本拉到< 10 万美元。
7. 安全治理与 Safety Impact Report
Waymo 区别于行业的最重要资产是安全治理方法论。
7.1 Safety Impact 方法论
Waymo 将自身车辆与"人类基准"比较时，采取了匹配环境条件的严谨方法：
- 用车载数据计算 Waymo 事故率（单位：事故 / 百万英里）；
- 用警方记录的人类驾驶员事故数据，按同一 ODD、同一天气、同一时段筛选，避免"田园对比城区"；
- 对事故做严重程度分层（Airbag 启动、人员伤害、仅财产损失）；
- 公开对比：2024 报告称 Rider-Only 相比人类驾驶，在 Airbag 启动级事故中下降约 84%。
这种方法被学术界（UM TRI、RAND）引用，也被监管机构视为行业自愿披露的标杆。
7.2 自愿召回机制
2024 年 Waymo 主动向 NHTSA 提交两起软件召回：
- 2 月：后撞桥墩/门柱事件，召回 444 辆车；
- 6 月：与拖拽链条/板车相关的路径规划错误，召回约 670 辆车。
这两起都没有人员伤亡，Waymo 仍选择公开披露、自愿召回并以 OTA 形式修复。这是与 Cruise 形成强烈对比的治理动作，让 Waymo 在 2023 年 Cruise 事件后进一步巩固"最值得信任的 Robotaxi 公司"定位。
7.3 事故复盘文化
每起事故都会进入内部 SCIP（Safety Case Investigation Pipeline）：
- 自动化日志收集 → 2. 工程师复盘 → 3. 安全团队验证 → 4. 回归用例入 Carcraft → 5. 全车队发布。
相关流程对应到 SAE J3237（Post-Collision Behavior）与 ISO 26262 / 21448 的多步骤融合。
8. 公众关系与城市治理
Waymo 与运营城市的关系并非一帆风顺：
| 事件 | 影响 | 处置 |
|---|---|---|
| 2023 SF 居民抗议 | 车辆占用消防通道、堵住 Muni 公交 | 主动与 SFFD、SFMTA 签署协议，建立应急通信热线 |
| 2023 凤凰城车内破坏事件 | 少量破坏行为 | 加强车内摄像头、远程支持与警方合作流程 |
| 2024 浓雾天滞留事件 | 多辆车在大雾中停滞 | 扩大 Weather ODD 限制，改进雨雾感知 |
| 2024 LA 早期阶段投诉 | 行人感知激进 | 软件微调 + 行人让行参数更保守 |
Waymo 的核心经验：运营前主动签订城市协议、公开应急流程、保留专线对接，比事后补救便宜得多。
9. 竞争优势与挑战
优势
| 优势 | 具体表现 |
|---|---|
| 安全记录最佳 | 全无人驾驶模式事故率远低于人类驾驶员（Safety Impact Report 公开对比） |
| 技术壁垒深厚 | 15 年研发积累，专利众多，Wayformer / MotionLM / EMMA 学术影响力显著 |
| Alphabet 背书 | 资金充足，可持续亏损投入研发 |
| 传感器自研 | 成本控制能力强，性能针对性优化 |
| 监管信任 | 主动召回、公开报告，在 Cruise 事件后成为唯一可规模化运营的美国公司 |
挑战
| 挑战 | 描述 |
|---|---|
| 成本偏高 | 每辆 Waymo One 车辆成本仍远高于 Robotaxi 商业盈亏平衡点；Zeekr 平台是关键 |
| 规模扩张慢 | 高精地图依赖 + 合规本地化限制开城速度，每个新城市仍需数月准备 |
| 中国缺席 | 尚未进入全球最大汽车市场，与百度、文远、小马直接竞争将面临本土化劣势 |
| 公众接受度 | 虽优于 Cruise，但 SF / LA 依旧存在"自动驾驶要取代我工作"的声音 |
| 人力瓶颈 | 运营 / 远程支持人员规模化仍是难点 |
10. 对行业的启示
- "安全文化"是工程之外的工程：Waymo 的成功有一半来自它愿意为透明度付出短期代价；
- 传感器自研是长期护城河：自研不仅省成本，更保证"硬件选择服从算法需要"；
- 仿真是真正的"第二大脑"：200 亿英里仿真证明：真实里程只是评估工具，不是训练主体；
- Tier1 式的城市合作必不可少：与城市交通局、消防、警务部门的合作把技术变成生态；
- "先做安全再做规模"在 Robotaxi 赛道被验证；相反路径（先规模再安全）在 Cruise 身上付出了代价。
参考资料
- Waymo. Safety Impact Report. 2024.
- Waymo. The Waymo Driver's Technology: A Deep Dive. 2023.
- Hu, A. et al. MotionLM: Multi-Agent Motion Forecasting as Language Modeling. ICCV 2023.
- Nayakanti, N. et al. Wayformer: Motion Forecasting via Simple & Efficient Attention Networks. ICRA 2023.
- Hwang, J. et al. EMMA: End-to-End Multimodal Model for Autonomous Driving. Waymo Research, 2024.
- California DMV. Annual Disengagement Reports, 2020–2024.
- ARK Invest. Big Ideas 2024: Autonomous Ride-Hail Economics. 2024.
- Waymo Blog. Voluntary Recall Notice, Feb / Jun 2024.
- NTSB / NHTSA Incident Dockets, 2018–2024.