Waymo周付费单破百万：对比Tesla与中国车企AI路线

Waymo把自动驾驶从“炫技”变成了“生意”。据媒体报道，Waymo联席CEO Tekedra Mawakana在当地时间2026-02-11表示：到2026年年底，Waymo在美国每周付费无人驾驶出租车订单量将超过100万次。同时，Waymo计划在东京、伦敦等20多座城市推进网约车服务。

我一直认为，自动驾驶行业真正的分水岭不是“能不能跑”，而是“能不能规模化卖”。当一家Robotaxi公司开始用“每周付费订单量”这种运营指标来对外沟通，它传递的信号非常清晰：技术成熟度正在被商业化效率验证。

而这件事对我们这条系列《自动驾驶 AI：Tesla 与中国车企的发展路径对比》尤其关键，因为Waymo的成功路径，刚好能当作一面镜子——照出Tesla的软件优先与端到端思路、以及中国车企多传感器、多供应商协同路线在AI战略上的核心差异：谁把AI当“产品引擎”，谁把AI当“功能模块”。

Waymo的“百万单”意味着什么：商业化不是宣传口号

**答案先说：每周100万次付费订单量的意义，是“自动驾驶进入可复购、可预测的服务生意”。**这比任何演示视频都更硬。

Robotaxi是一门同时受三种约束的生意：

1. 安全约束：事故率、接管率、边缘场景处理能力决定监管与公众信任。
2. 成本约束：车辆硬件成本、算力与传感器维护、远程协助团队规模都会吞噬毛利。
3. 运营约束：调度效率、等候时间、可用车队规模与覆盖区域，直接影响复购。

Waymo对外喊“百万单”，本质上是在说：

• 订单密度足以摊薄固定成本（远程协助、运营中心、地图维护等）；
• 车辆可用率与调度足够稳定；
• 在现有城市里用户的“付费习惯”已建立。

这是一种典型的数据驱动决策：用“订单”而不是“路测里程”当北极星指标。里程能证明能力上限，订单能证明商业闭环。

资金与估值背后的隐含逻辑：市场在押注“可复制”

报道同时提到Waymo完成160亿美元融资、投后估值约1260亿美元。估值高不高可以争论，但融资能说明一件事：资本更愿意为可复制的增长机制买单。

Robotaxi的增长机制通常由三件事构成：

• 城市复制速度：进入新城市的合规、运营、地图与车队部署周期是否可压缩；
• 规模经济曲线：车队越大，单均成本是否明显下降；
• 事故/舆情韧性：出现事故时，系统能否快速迭代并稳住监管与用户。

Waymo在叙事上已经从“自动驾驶能不能实现”切换到“能不能在更多城市稳定运营”。这跟多数玩家仍停留在“展示能力”的阶段不一样。

Waymo vs Tesla：一个是Robotaxi运营商，一个是端到端软件平台

答案先说：Waymo押注“运营闭环”，Tesla押注“软件平台化”。两者的AI战略出发点就不同。

Waymo：把AI当“服务交付能力”，围绕城市运营优化

Waymo更像航空公司或网约车平台：核心目标是在限定区域内把安全与体验做到可运营。它的AI体系往往会更强调：

• 对ODD（运行设计域）的严格边界管理：哪些路、哪些天气、哪些工况可以开；
• 高精地图、规则与多传感器融合的工程体系（在业内普遍被认为更“重”）；
• 远程协助与运营调度系统：把异常场景变成可处理的工单。

这种路线在商业化上很现实：先把“确定性”卖出去，再逐步扩ODD。

Tesla：把AI当“整车操作系统”，围绕模型规模与数据闭环优化

Tesla的思路更激进：用大规模量产车队做数据引擎，推动端到端模型能力提升，最终让自动驾驶像软件一样在全球扩展。

你会发现Tesla对外更常谈的是：

• 端到端（E2E）学习与数据闭环；
• 车端算力与训练算力投入；
• 功能迭代速度与用户可感知的版本升级。

这就是典型的软件优先：把AI能力当作可迭代的“平台能力”，而不是一个城市一个城市去“交付工程”。

一句话概括：Waymo卖的是“可运营的无人车服务”，Tesla卖的是“可扩展的自动驾驶软件能力”。

Waymo vs 中国车企：多传感器+多供应商，强在落地，弱在统一智能

答案先说：多数中国车企更擅长把智能驾驶做成“配置表上的功能包”，但在“统一AI大脑”的长期路线一致性上更难。

中国市场的优势是：

• 城市道路复杂、用户需求多样，倒逼功能落地；
• 供应链成熟，激光雷达、摄像头、域控、算法供应商选择丰富；
• L2+/NOA等产品化节奏快，适合卷体验、卷性价比。

但痛点也很典型：

1）“多传感器、多算法栈”容易变成系统集成难题

当你把感知、定位、规划、控制分成多个供应商与模块，短期能快速上车；长期会遇到：

• 数据标准不统一，训练与回放效率低；
• 责任边界不清，出问题难以快速定位；
• 难形成类似操作系统的“统一抽象层”。

Waymo与Tesla都在走“更强的系统一致性”，只不过一个靠运营ODD，一个靠端到端模型。

2）缺少“服务化指标”的牵引，AI很难从功能走向生意

Waymo用“每周付费订单量”牵引组织；中国车企更多用“渗透率、装车量、交付量、激活率”牵引。

这些指标当然重要，但它们更像卖车指标，而不是自动驾驶服务指标。结果是：

• AI团队很容易围绕“交付节点”优化，而不是围绕“长期在线运营质量”优化；
• 能力增长常常被车型迭代打断，难形成持续运营闭环。

如果中国品牌想在“自动驾驶服务化”上走得更远，需要把部分指标从“功能是否有”转成“服务是否稳”，例如：

• 城市NOA的有效里程占比、接管密度（按每千公里/每百公里）；
• 关键场景（匝道汇入、无保护左转、施工绕行）的成功率；
• 版本更新后回归问题数量与修复周期。

“百万单”带来的三个行业判断：2026年的自动驾驶竞争焦点

答案先说：接下来比拼的不是“感知多强”，而是“系统能否低成本扩张”。

判断1：商业化的主战场会从“单点城市”转向“多城市复制”

Waymo提到东京、伦敦等20多座城市计划，释放的信号是：复制能力要进入KPI。复制能力取决于：

• 合规与安全证明体系（如何向监管解释系统能力边界）；
• 数据回传与训练的流水线效率；
• 车队部署、运维与远程协助的组织能力。

这套能力，Tesla更偏“软件流水线”，Waymo更偏“运营流水线”。中国车企多数还在“车型项目制”的节奏里，需要更强的平台化。

判断2：端到端并不自动等于规模化，ODD管理也不等于保守

行业里常见误区是：

• 觉得端到端天然更快扩张；
• 觉得高精地图/ODD管理天然更慢。

现实更复杂：

• 端到端扩张快的前提是：数据闭环、算力、版本质量控制三者都强，否则容易“迭代越快，回归越多”；
• ODD管理不一定慢，如果城市复制流程被工程化、工具化，反而可以稳定扩张。

Waymo的“百万单”说明：在可控ODD里做深做透，依然能跑出规模。

判断3：中国车企的机会在“整车系统AI整合”，不是堆料

我更看好中国车企在两条路线上发力：

• 整车系统AI整合：把座舱、底盘、能耗、热管理与智驾纳入统一的车端智能系统，让数据与控制链路更一致；
• 以量带服：用保有量优势做“准服务化”的运营指标，比如高频路线的自动驾驶体验、保险定价联动、车队级安全报告。

单纯堆传感器或拼供应商清单，很难形成护城河。真正的差异会落在：系统是否能持续学习、持续交付、持续降低成本。

读者最关心的两个问题：Waymo模式会成为主流吗？Tesla会怎么接招？

问题1：Waymo的Robotaxi模式会成为未来AI出行的主流方向吗？

更准确的说法是：Waymo证明了Robotaxi在美国的部分城市已经进入“可规模化运营”的阶段，但它是否成为主流，取决于两件事：

• 单均成本能否继续下降到足够有竞争力；
• 进入更多城市时，合规与运营复杂度是否线性增长。

如果复制成本被压住，Robotaxi会成为城市出行的重要补充；如果复制成本居高不下，它会更像“高端、限定区域”的公共服务。

问题2：Tesla会怎么接招？

我倾向于认为Tesla会继续押注端到端与车队数据闭环，并把“软件订阅+功能升级”作为商业化主要抓手。它不一定要先做Waymo式的运营网络，反而可能用更低的边际成本把能力推向更广的地理范围。

这也解释了本系列的核心主题：同样是自动驾驶AI，Waymo/Tesla/中国车企的胜负手并不在同一层面。

下一步怎么做：给车企与从业者的三条可执行建议

答案先说：要对齐“AI战略”，先统一指标，再统一数据，最后统一系统。

1. 把KPI从“功能交付”迁移到“运营质量”
   • 例如接管密度、关键场景成功率、回归缺陷修复周期。
2. 建立可复用的数据与训练管线
   • 统一数据标准、回放工具、场景库与标注规范，减少车型项目间重复劳动。
3. 做“整车系统级AI整合”而不是“模块堆叠”
   • 智驾、底盘、座舱、能耗管理协同优化，会带来真实体验差异与成本下降。

Waymo的“每周100万次付费单”不是在宣布谁赢了，而是在提醒所有人：自动驾驶进入比拼经营能力的阶段。下一篇我会继续沿着这条线，把“软件优先”如何影响安全闭环与规模化成本讲透。

你更看好哪条路线在2026-2027年率先跑出稳定利润：Waymo式Robotaxi运营，还是Tesla式端到端软件平台，或是中国车企的整车系统AI整合？