Waymo 联席 CEO 德米特里·多尔戈夫在访谈中披露了公司最新的技术路线（端到端 + 结构化概念）、商业化进展（每周 50 万单、落地 11 城）以及对 L2 升维 L4 的看法，认为两者之间存在质变，仅靠端到端不足以跨越 L4 鸿沟。
📝 详细摘要
本文编译自量子位对 Waymo 联席 CEO 德米特里·多尔戈夫的访谈报道。多尔戈夫作为自动驾驶行业元老，分享了 Waymo 在技术、商业化和战略层面的最新进展。技术上，Waymo 已转向端到端架构，但并未完全抛弃传统范式，而是采用「端到端 + 结构化概念」的混合路线，在云端构建多模态世界行为语言模型作为基座，蒸馏至车端。他强调，纯粹的端到端黑盒在仿真训练和评估上存在困难，L2 辅助驾驶与 L4 无人驾驶之间存在本质的质变，并非线性升维。硬件方面，Waymo 第六代套件仍采用多传感器冗余方案，但成本已下探至与 ADAS 系统相当的水平。商业化上，Waymo 累计订单突破 2000 万单，每周 50 万单，车队规模 3000 辆，并计划于 2026 年进军英国伦敦和日本东京，开启 Robotaxi 全球化元年。此外，多尔戈夫还透露，Waymo 未来可能将系统部署到私家车上，进军私家车市场。
💡 主要观点
- Waymo 采用端到端与结构化概念混合的技术路线，而非纯端到端黑盒。 多尔戈夫认为纯端到端在仿真训练和评估上存在困难，Waymo 的解决方案是在端到端基础上引入真实世界的结构化概念（如道路、交通标志），并在云端构建多模态世界行为语言模型作为基座，蒸馏至车端。
💬 文章金句
- 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。
- 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。
- 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。
- 激光雷达仍然有纯视觉不具备的优越性。
- Waymo 的系统将来也可以部署到私家车上。
📊 文章信息
AI 初评：86
来源：量子位
作者：一凡
分类：人工智能
语言：中文
阅读时间：9 分钟
字数：2051
标签： Waymo, 自动驾驶, 端到端, Robotaxi, L4