Waymo 机器人出租车暴增：AI 如何改写车载软件与用户体验

六个月前，Waymo 对外披露的规模还是25 万次机器人出租车（robotaxi）乘坐。而一封“投资者信”式的泄露信息显示：这个数字在短时间内继续上冲，增长速度快得让人很难再把自动驾驶当成“远期概念”。

我更愿意把这类数据当作一个信号：**自动驾驶的竞争已经从“谁的传感器更豪华”转向“谁能把软件迭代、运营闭环和用户体验做成服务”。**当乘坐次数开始以百万级累积，AI 的价值不再停留在实验车队，而是每天都在被真实乘客用脚投票。

这篇文章放在《自动驾驶 AI：Tesla 与中国车企的发展路径对比》系列里看，Waymo 的增长最值得中国读者关注的并不是“它又涨了多少”，而是：增长背后是怎样的产品化与软件体系能力，以及这对中国车企（多传感器、多供应商协同路线）与 Tesla（端到端模型路线）的用户体验设计意味着什么。

乘坐次数暴增，说明自动驾驶进入“运营能力”阶段

直接结论：**当 robotaxi 乘坐次数快速增长时，证明两件事——系统在真实城市路况里更稳定，且服务体验足够可复用、可扩张。**没有规模，就谈不上“体验”；没有体验，就很难留住复购。

Waymo 这类公司和传统“卖车”逻辑不同，它面对的是一个更像出行平台的公式：

• 安全与合规决定你能不能开
• 稳定性与可用性决定你能不能多开
• 体验与成本决定你能不能赚钱

乘坐次数是一个很硬的指标。它比“测试里程”更接近商业真相，因为它意味着：车辆确实在接单、接人、完成行程、处理异常、结算与评价。这些环节任何一个掉链子，规模就上不去。

为什么“六个月的变化”特别关键

自动驾驶最难的不是某一次跑通，而是：

1. 持续迭代不退化：版本更新后，不能让乘客感到“这周比上周更怂/更猛/更晕”。
2. 边界场景收敛：夜间施工、临停、急救车、无保护左转、雨雾反光……要靠数据闭环逐步压缩风险。
3. 运营体系跟得上：调度、充电/加油、清洁、远程协助、救援、客服与保险理赔流程都得成体系。

一句话：乘坐次数增长，是“软件+运营”协同能力成熟的外显。

AI 不只负责“开车”，更负责“把乘客带到目的地”

明确观点：**用户体验（UX）是 robotaxi 的主战场之一，AI 只是底座。**很多团队把自动驾驶当成感知/规划/控制的技术问题，但真正把服务做起来，会发现大量关键体验发生在“车不动的时候”。

车载体验的三段式：上车前—行程中—下车后

上车前：乘客最在意的是确定性。

• 车会不会来？多久来？
• 上车点是否清晰？是否需要绕路走到“可停车点”？
• 车辆身份是否好识别？夜间如何确认？

行程中：乘客最在意的是可解释性与舒适性。

• 为什么停？为什么变道？为什么绕路？
• 是否频繁急刹、点刹？是否容易晕车？
• 遇到异常（封路、警车指挥）时，是否让人紧张？

下车后：乘客最在意的是闭环。

• 是否自动开票/报销友好？
• 是否能快速反馈问题并获得响应？
• 体验差时，是否会被“客服踢皮球”？

这些体验点背后几乎都离不开 AI：ETA 预测、上车点推荐、行为解释、风险提示、异常处理与远程协助。所以当 Waymo 的乘坐次数“上去”，往往意味着它在这些环节已经形成了可复制的产品流程，而不仅仅是“车能跑”。

机器人出租车的体验不是“自动驾驶做得多像人”，而是“每个环节都让人省心”。

从 Waymo 回看两条路线：Tesla 端到端 vs 中国车企多传感器协同

结论先说：**Waymo 的增长更像是在证明“运营型自动驾驶”成立；Tesla 更像在证明“规模车队数据驱动的端到端模型”成立。**中国车企的挑战是：既想要体验闭环，又要在供应链与法规环境下快速落地。

Waymo：服务优先，ODD 内做到极致

Waymo 典型策略是把运营区域（ODD）做深做透：

• 选择城市与区域，优先保证道路要素、地图维护与法规可控
• 通过高频运营回收真实数据，持续修补边界
• 用车队运营把“罕见场景”变成“可学习样本”

这种打法带来的 UX 特点是：更像“可预期的商业服务”。乘客不需要理解技术细节，只在意稳定与安全。

Tesla：端到端模型强调一致性与扩展速度

端到端的吸引力在于：

• 能把感知到决策的链路压缩成统一学习目标
• 有机会降低规则工程成本，在更多道路形态上泛化

但它面临的 UX 挑战也很直接：

• 行为风格一致性：不同版本驾驶风格变化会被车主放大感知
• 可解释性：车主/乘客更难理解“为什么这样开”
• 责任边界：在不同国家地区的法规与责任划分更复杂

中国车企：多传感器、多供应商协同，强在“配置”，难在“统一体验”

中国市场普遍采用多传感器（摄像头+毫米波雷达+激光雷达等）与多供应商方案，优势是：

• 在复杂交通与弱光雨雾中更稳健
• 工程可控、可快速交付不同价位车型

但我见过不少项目真正卡在：体验不统一、迭代节奏被供应链切碎。

• 同一品牌不同车型，HMI、提示音、接管逻辑不一致
• OTA 依赖多方排期，问题定位与回归验证成本高
• 数据闭环碎片化：采集口径不同、标注标准不同、版本追踪困难

如果要从 Waymo 的增长里学一件事，我会选这个：把“体验指标”当成和“安全指标”一样硬的工程目标，并把它们串进数据闭环里。

规模化的关键：持续软件迭代 + 可量化的体验指标

答案很明确：robotaxi 能增长，靠的不是一次大版本，而是每周、每月稳定的小步快跑，并且用指标约束体验不漂移。

建议的 6 个体验 KPI（适用于 robotaxi 与高阶智驾）

这些指标不需要对外宣传，但必须内部强制执行：

1. 接管/求助率：每百公里触发远程协助或人工接管次数
2. 舒适性评分：急刹次数、纵向加速度峰值、横向摆动频率（晕车相关）
3. 不确定性停顿率：路口犹豫、无效停顿的次数与时长
4. 路径可解释性满意度：绕路/变道是否给到足够解释与提示
5. 上车点成功率：乘客一次性找到车并成功上车的比例
6. 异常闭环时长：用户反馈到问题定位、修复上线的平均周期

这些指标一旦建立，就能把“AI 做得更聪明”翻译成“乘客感觉更好、运营成本更低”。

2025 年末的现实：用户对“智驾体验”的耐心更低了

到了 2025-12-31 这个时间点，国内用户已经被高频 OTA 教育得很成熟：

• 功能可以晚点来，但别忽悠
• 体验可以逐步优化，但别反复横跳
• 宣传可以宏大，但交付要落地

Waymo 乘坐次数的快速增长，本质上提醒所有厂商：别只做功能列表，做“可持续交付的服务体验”。

常见追问：robotaxi 的增长会如何影响中国车企？

先给结论：它会把“智能座舱+高阶智驾”从卖点拉回到商业模型，逼着大家回答怎么赚钱、怎么运营、怎么负责。

Q1：增长是不是意味着 L4 很快全国铺开？

不。增长更多说明在特定 ODD 内的运营能力提升。真正的扩张会受到法规、保险、城市基础设施、运营成本等多因素影响。

Q2：对主机厂最直接的启发是什么？

两点：

• 把高阶智驾当成持续运营的软件产品，不是一次性交付
• 用“乘客体验指标”反推技术路线与供应链协同方式

Q3：对座舱 UX 团队意味着什么？

座舱不只是大屏。robotaxi/智驾时代的座舱 UX 重点会变成：

• 状态透明：系统在做什么、为什么这样做
• 风险沟通：何时需要关注、何时可以放松
• 情绪安抚：异常发生时降低紧张感

你可以立刻落地的 3 个动作（面向车企/出行平台）

如果你负责产品、研发或运营，我建议从这三件小但硬的事做起：

1. 把“体验漂移”当线上事故管：任何版本导致舒适性或犹豫停顿显著上升，都必须回滚或热修。
2. 建立跨团队的单一事实源（SSOT）：数据口径、版本号、场景标签、标注规范统一，否则闭环速度永远上不来。
3. 用“解释层”拉齐体验：同样的决策行为，通过更好的提示与语音解释，可以显著降低用户不安与投诉。

Waymo 的增长不是在讲一个“美国公司多厉害”的故事，而是在告诉我们：自动驾驶的胜负手，越来越像互联网产品——拼迭代、拼体验、拼运营闭环。

如果你正在评估端到端路线与多传感器协同路线的取舍，或者想把智驾能力真正转化为可规模化的用户体验，我建议先问团队一个更现实的问题：当乘坐次数从 25 万冲到更高时，你的系统、流程与体验，哪些会先崩？