Waymo开通SFO自动驾驶接送：对比Tesla与中国车企路线

Waymo 把自动驾驶出租车开进机场了——从 2026-02-04 起，Waymo 开始向部分用户提供前往旧金山国际机场（SFO）的 Robotaxi 接送服务。别小看“机场”这两个字：机场路线意味着更复杂的道路连接、更严格的运营要求、更高的公众可见度，也往往意味着监管与安全体系已经跑通了最难的一段。

这条新闻之所以值得写进《自动驾驶 AI：Tesla 与中国车企的发展路径对比》系列，是因为它把一个关键问题摆到了台面上：自动驾驶的胜负不只在模型精度，还在部署能力。能不能把系统稳定地铺到高频场景、把风险“装进制度和运营里”，往往比实验室的 0.1% 提升更重要。

我一直认为，2026 年的自动驾驶竞争，已经从“谁更像人”转向“谁更像一家成熟的交通运营商”。Waymo 的 SFO 服务，就是一个很典型的分水岭样本。

机场场景为什么是自动驾驶规模化的试金石？

结论先说：机场接送能做起来，说明产品、合规、调度、远程协助、应急机制这五件事至少有一件不是“PPT”。

机场路线跟普通市区点到点不一样，它会放大自动驾驶系统最容易翻车的细节。

复杂路网与“最后一公里”

从市区到 SFO，通常会经历：城市道路 → 高速/快速路 → 机场专用匝道 → 航站楼环路 → 上下客区域。每一段都有不同的交通规则、不同的车流行为。

真正难的是机场“最后一公里”：

• 临停区车辆频繁切入切出，博弈更激烈
• 乘客拖行李、临时停车、并线更随机
• 指示牌/临时路障/施工改道更常见
• 交警或机场工作人员手势指挥更难标准化

对自动驾驶来说，这是长尾场景密度最高的区域之一。能稳定运营，往往意味着：系统对异常的处理更成熟，且运营侧已经建立了可复用的流程。

合规门槛与公众信任

机场属于“关键基础设施”附近的高关注场景。把车开到机场门口，等于主动把系统暴露在更苛刻的审视下：

• 监管部门更关心事故责任链条是否清晰
• 机场管理方更关心运营可控、可追溯
• 大众更关心“我敢不敢坐、家人敢不敢坐”

Waymo 选择从“部分用户”开始，体现的往往不是技术保守，而是运营策略：先在可控用户群里把流程磨平，再逐步扩大覆盖。

Waymo 这次扩张传递了什么信号？

一句话：自动驾驶正在从“可演示”进入“可复利”的阶段。

机场接送的商业价值很直接：高频、刚需、客单价相对更高、对时效敏感。更关键的是，它能训练出自动驾驶商业化最需要的“肌肉”。

“可规模化”不只是多投几辆车

外界常把规模化理解为“车更多、城市更多”。但运营方真正焦虑的是：

• 车辆清洁、充电/补能、维修的周转效率
• 高峰期调度与空驶率控制
• 远程协助介入的响应时间与介入边界
• 极端情况（封路、事故、恶劣天气）的应急 SOP

机场线一旦跑顺，很多能力可以复制到：火车站、会展中心、大型商圈、医疗园区等高密度场景。对企业来说，这是一种运营能力的复利。

公共信任的“强曝光”测试

我见过不少自动驾驶项目在封闭园区里表现很好，但一旦进入公众视野，就会被“感知放大”：一个小失误可能引发大讨论。

机场接送是强曝光场景。Waymo 选择在 SFO 这种标志性地点推进，等于在告诉市场：

自动驾驶不是“偶尔能跑”，而是“每天要跑、必须稳”。

这句话对行业很残酷，但也很真实。

以 Waymo 为镜：Tesla 端到端 vs 中国车企多传感器路线

先给一个明确判断：**Waymo 的路径更像“运营驱动的自动驾驶”，Tesla 更像“产品驱动的自动驾驶”；而中国车企普遍在走“供应链协同 + 多传感器冗余”的工程路线。**三者都可能成功，但成功的“形态”不一样。

Tesla：端到端 AI 的优势与代价

Tesla 的典型标签是：摄像头为主、端到端/大模型倾向、以量产车队做数据闭环，目标是把自动驾驶能力“下放”到更多车型与更多地区。

优势很清楚：

• 数据规模：海量车队带来覆盖面
• 迭代速度：软件版本快速演进
• 成本结构：硬件相对统一，利于扩张

代价同样清楚：

• 对“纯视觉/弱冗余”在极端场景下的解释与验证成本更高
• 在监管更谨慎的区域，落地节奏容易受影响
• 一旦进入 Robotaxi 运营，必须补齐调度、客服、应急等“交通公司能力”

Tesla 的路线像互联网：先把产品推到足够多人手里，再用数据把能力磨到可用。

Waymo：多传感器 + 高精地图 + 强运营

从行业公开信息与其商业形态看，Waymo 更像典型的 L4 Robotaxi：多传感器融合、运营区域相对可控、强调安全冗余与流程体系。

它的核心不是“让每个人买到自动驾驶”，而是“让每个人打到一辆自动驾驶车”。这会带来两点现实优势：

• 可控性更强：ODD（运行设计域）清晰，风险边界更明确
• 合规与信任更容易建立：责任主体、运营日志、事件复盘体系更完整

但它也有天然约束：

• 成本高，扩张慢，需要精细化运营
• 依赖城市基础设施与管理协同
• 从一个城市复制到另一个城市，会遇到地图、道路风格、执法规则差异

SFO 机场服务，就是这种路线“扩张到关键场景”的典型动作。

中国车企：多传感器、多供应商协同的工程最优解

很多中国车企的现实选择是：摄像头 + 毫米波雷达 + 激光雷达（部分车型）并存；算法、域控、传感器往往来自多家供应商协同；落地上常见“城市 NOA/高速 NOA”逐步开城。

我对这条路线的评价是：工程上更稳，商业上更考验组织能力。

• 稳在：多传感器冗余让系统更容易覆盖夜间、逆光、雨雾等场景
• 难在：多供应商协同会带来集成复杂度、版本管理难、责任边界模糊

如果说 Tesla 像“统一栈快速迭代”，中国车企更像“拼装出最可靠的体系，然后慢慢打磨”。两者都对，但资源投入方向完全不同。

从“能开”到“能运营”：规模化落地需要补齐的四张底牌

直接给答案：要把自动驾驶推到机场这类高价值场景，拼的不是单点能力，而是系统工程。以下四张底牌缺一张，都会卡在扩张上。

1）清晰的 ODD 边界与退出机制

成熟的自动驾驶服务会明确告诉你：在哪些道路、哪些天气、哪些时段可用；一旦超出边界，系统如何降级、如何接管、如何改派车辆。

可落地的做法包括：

• 以机场路线为“黄金线路”，先把边界定义到极致
• 设置黑名单路段与动态管控（施工、事故、拥堵）
• 设计可解释的“拒载/改派”策略，宁可少接单也不硬扛

2）远程协助不是外挂，是产品的一部分

真正的 L4 运营，远程协助（Remote Assistance）是“安全网”，不是“作弊”。关键指标通常包括：

• 单车每天需要协助的次数
• 单次协助的平均时长
• 协助能否在规定时间内响应

机场场景协助压力更大，因为路口、临停区的“非标准行为”密度高。能在 SFO 运营，说明 Waymo 的远程协助体系在强压环境下也能跑。

3）事件复盘体系决定你能走多远

规模化运营一定会遇到边界事件。区别不在于“有没有事件”，而在于：

• 记录是否完整（传感器、决策、轨迹、交互）
• 归因是否可复现
• 修复是否可验证、可灰度

自动驾驶最怕“修一次、坏两次”。复盘体系是避免这种螺旋的唯一办法。

4）成本结构决定商业模式能不能自洽

Robotaxi 的账最终要算到三件事上：

• 单车硬件与折旧
• 运营成本（充电、清洁、维护、远程协助、人力）
• 空驶率与利用率

Tesla 若做 Robotaxi，会更强调硬件成本与规模；Waymo 则更强调安全冗余与可控运营。中国车企如果要走向服务化（自营或与平台合作），必须尽早把“车端能力”与“运营能力”拆开核算，否则很容易做成“技术很强、账很难看”。

给企业与从业者的可执行建议：怎么判断路线是否走得通？

我建议用一套“机场测试”的思维来评估任何自动驾驶方案，不管你是投资人、供应商还是车企产品经理。

1. 问清楚 ODD：不是“全国都能开”，而是“哪些路、哪些天、哪些速度范围”。越具体越可信。
2. 看远程协助指标：协助频次、时长、介入边界是否公开透明（至少对合作方透明）。
3. 看扩张方式：是“开城靠人海标注/人工规则”，还是“靠数据闭环 + 工具链复制”。
4. 看责任链条：事故与险情由谁负责？车企、运营商、供应商如何分担？
5. 看成本与定价：有没有明确的单位经济模型（unit economics），能否在高峰场景实现正向现金流。

机场不是终点，但它能把“短板”照得一清二楚。

写在最后：Waymo 去了机场，下一站是谁？

Waymo 开通 SFO 自动驾驶接送服务，释放的信号很明确：自动驾驶的竞争开始围绕“可复制的运营系统”展开。这也让我们更容易对比不同路线的本质差异：Tesla 追求端到端与规模复制；Waymo 用多传感器与强运营，把 L4 变成可交付服务；中国车企则在多传感器冗余与供应链协同中寻找工程最优。

如果你关注的是“谁会先把自动驾驶变成大众日常”，我更愿意把赌注押在两类玩家身上：要么像 Waymo 一样把服务做成“城市基础设施”，要么像 Tesla 一样把能力做成“标准化产品”。而中国车企要赢，关键在于把供应链协同的工程优势转化为持续可复制的产品与运营闭环。

下一次，当你在机场看到一辆无人车稳稳停在上客点，真正值得问的不是“它用不用激光雷达”，而是：这套系统能不能在 100 个机场、1000 条线路上，每天都这么稳？