Waymo 近日在 CleanTechnica 上发文，基于其累计超过 2 亿英里的全自动驾驶里程，分享了 10 条 AI 开发经验。这家 Alphabet 旗下的自动驾驶公司表示，在自动驾驶领域大部分仍是未知区域的情况下，他们凭借这一里程积累，成为少数几家能够以过去经验照亮未来道路的公司之一。文章强调，这些经验不仅关乎安全，更以安全为核心出发点，其安全数据已显示 Waymo Driver 在其服务城市中提升了道路安全。
文章首先回应了自动驾驶历史上两大争议话题。第一，关于传感器方案，Waymo 明确表示，仅靠摄像头无法实现规模化安全全自动驾驶。通过融合摄像头、激光雷达和毫米波雷达，Waymo Driver 构建了丰富且冗余的世界观，单一传感器无法替代。激光雷达提供毫米级精度的 3D 几何线框，摄像头负责语义识别（如路牌、交通灯颜色），雷达则作为动态哨兵，能在暴雨、浓雾或灰尘中追踪速度并“看穿”遮挡。
第二，关于是否使用高精地图，Waymo 选择使用高清地图作为强大的“先验”。他们将地图视为另一种传感器输入，如同“记忆”，在能见度差和复杂路况下提供额外信息，使车载计算机能集中算力处理动态或新情况，如临时绕行或临时停车标志。其 AI 驱动的制图系统确保持续更新，为复杂操作提供可靠参考。
在模型架构上，Waymo 主张“少而大”的模型策略。早期自动驾驶依赖多个专用模块（如行人检测、车辆跟踪、信号灯识别），这种模块化方式在规模化时难以维护。Waymo 整合为更少、高容量、专门的基座模型，利用大数据和算力，让数据而非脆弱的先验规则决定相关性，从而发展复杂推理能力，并受益于与大语言模型相同的扩展定律。不过，Waymo 强调，这并不意味着将处理整合进单一“黑盒”。
针对端到端（E2E）神经网络的“黑盒”风险，Waymo 表示，其系统虽实时将传感器数据转化为驾驶决策，但增加了一个独立的车载验证层，这是安全扩展 L4 级自动驾驶的“非谈判项”。该验证层是独立的 AI 安全系统，监控 Waymo Driver 提出的每个轨迹，基于物理约束和交通法规，结合强化学习和生成式 AI 启发的推理进行校验，若违反限制或存在碰撞风险，则作为硬性后盾阻止。
在测试方面，Waymo 强调大规模闭环仿真的重要性。他们认为，仅回放录制数据的开环仿真不足，因为周围交通对车辆动作无反应。闭环仿真模拟真实世界的因果效应，若 Waymo Driver 为避让激进变道而转向或刹车，周围交通会自然反应，形成反馈回路，这对理解复杂交互和强化学习至关重要。通过闭环仿真，他们能在真实道路遇到罕见事件前发现并测试这些边缘案例。
文章还提到，Waymo 构建了一个 AI“评论家”来分析驾驶行为，但未展开细节。整体来看，这 10 条经验反映了 Waymo 在自动驾驶技术路线上的核心选择：多传感器融合、高精地图、少而大的模型、非黑盒架构、闭环仿真等，这些原则与行业其他玩家的路线形成对比，也为自动驾驶的规模化部署提供了参考。