Waymo周付费订单将破100万：对照Tesla与中国车企AI路线

Waymo把“自动驾驶”从演示拉到了生意台面上。根据公开报道，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突破100万次，并计划在东京、伦敦等20多座城市推进网约车服务；同时，公司在本月初宣布完成160亿美元融资、投后估值1260亿美元。

这组数字之所以值得反复咀嚼，不是因为它“热闹”，而是因为它把一个长期争论直接量化了：自动驾驶到底靠什么赢——技术指标、还是商业化效率？而当我们把Waymo的“运营型自动驾驶”放到同一张图里对照Tesla，以及中国车企常见的“多传感器+多供应商”组合拳，就会发现：竞争的核心不在传感器数量，而在AI战略的组织方式。

这篇文章属于系列专题《自动驾驶 AI：Tesla 与中国车企的发展路径对比》。我想用Waymo的订单增长当“参照物”，把问题讲清楚：谁更像一家AI公司，谁更像一家车企；谁在堆功能，谁在堆可复制的系统。

订单量破百万意味着什么：自动驾驶进入“运营规模战”

先给结论：每周100万付费订单的意义，是自动驾驶从“能跑”进入“能规模化跑”，并且开始形成可复利的数据与成本曲线。

把它换算成运营语言会更直观：100万单/周，意味着高频、重复、可预测的路况组合被持续覆盖，调度、客服、保险、车队维护、远程协助等“非模型部分”的流程会被不断压缩成本。这些环节才是Robotaxi从技术走向利润的关键。

规模化的真正门槛：不是识别红绿灯，是系统运营

很多人对自动驾驶的想象停留在“车会不会开”。但当订单到百万级，真正的门槛变成：

• 安全责任闭环：事故如何归因、如何处置、如何向监管与公众解释
• 运营效率闭环：车辆周转率、充电/保养节奏、夜间与恶劣天气策略
• 服务体验闭环：接驾准确率、取消率、等待时间、乘客信任建立

Waymo的强项在于：它从一开始就把自动驾驶当“出行服务”来做，因此数据不仅来自道路，也来自订单、调度与运营的每个环节。

Waymo vs Tesla：一个是“ODD优先”，一个是“规模数据优先”

直接给观点：**Waymo的路线更像“先把一个城市吃透”，Tesla更像“先让尽可能多的车上路”。**两者都在用AI，但AI的组织方式完全不同。

Waymo：ODD（运行设计域）优先，像“城市级产品经理”

Waymo的典型打法是：

1. 选定城市与ODD（地理范围、天气、道路类型、限速、交通规则）
2. 用高精地图、冗余传感器（激光雷达/雷达/摄像头）建立安全边界
3. 在限定范围内做到足够低的接管与足够稳定的服务体验
4. 通过订单规模，把“长尾场景”变成可运营、可迭代的产品问题

好处是：安全冗余强、可控性高、商业化路径清晰（订单就是收入）。代价也明显：扩城速度受制于本地化工程与合规成本。

Tesla：软件优先与数据优先，像“端到端模型工厂”

Tesla的核心叙事是：把自动驾驶当成一个可以持续训练的通用模型问题。它更强调：

• 规模车队数据（真实道路、真实驾驶习惯）
• 端到端自动驾驶（从感知到决策尽量减少手工规则）
• 软件迭代速度（更频繁的模型更新与功能发布）

这种方式的优势是理论上的可扩展性：数据越多、模型越统一、部署越快。劣势是：在复杂场景与监管敏感区域，如何用“可解释的安全指标”换取放开运营，往往更难。

把话说透：Waymo证明的是Robotaxi生意能做大；Tesla押注的是自动驾驶能力能被“软件复制”。

放到中国语境：为什么多数车企选择“多传感器+多供应商”

结论先行：中国车企的主流路线是“工程集成型AI”，短期更容易交付功能，长期更考验系统统一性与数据闭环。

在中国市场，智能驾驶更常见的现实是：

• 车型多、平台多、版本多
• 城市道路差异大，施工与临时交通组织更频繁
• 供应链成熟：激光雷达、毫米波雷达、域控、算法公司生态丰富

于是，很多车企会采用“多传感器冗余 + 多供应商分工”的组合：感知一套、定位一套、规划一套、地图/众包再一套。短期看，这条路很务实：能快速做出城市NOA、泊车、记忆行车等功能，并在发布会上讲清楚。

但这里的隐患是：系统碎片化会让数据难以统一回流，模型难以端到端迭代。当你想把“某城市表现好”复制到“另一城市”时，会发现需要重新标定、重新适配、重新打补丁。

一句能被引用的话：自动驾驶不是“功能合集”，而是“数据—模型—运营—安全”的闭环系统。

订单增长背后的AI指标：别只看算力，更要看四个KPI

如果你的目标是评估一家公司在自动驾驶AI上的真实进展（无论是Waymo、Tesla还是中国车企），我更建议盯住这四个可落地指标，而不是只看“算力多少P、参数多少B”。

1）付费订单与复购率：商业化硬指标

Waymo把“每周付费订单量”放到台前，本质是在告诉市场：自动驾驶不是补贴拉新，而是有人愿意持续付钱。

对照到车企端：如果智能驾驶功能不能拉动订阅、选装、保值或口碑传播，那么它更像成本中心，而不是增长引擎。

2）安全KPI：事故率、责任界面与处置速度

安全不只是一句口号，至少要能回答：

• 与人类驾驶相比，事故率/严重事故率的相对水平如何？
• 发生事件时，远程协助/人工介入机制是否成熟？
• 是否能在监管要求下持续提供审计材料？

Waymo偏“运营可审计”，Tesla偏“规模迭代”。中国车企则常卡在“供应商口径不一、指标口径不一”。

3）扩展成本：每新增一城/一省要付出多少工程量

Waymo扩城慢但稳；Tesla扩展快但争议大；中国车企常见问题是“车型与城市双重适配”，成本不透明。

一个实用判断法：看企业能否把扩展过程产品化，比如把采集、仿真、回放、标注、回归测试做成流水线。

4）数据闭环速度：从问题发现到模型上线需要多久

自动驾驶的竞争越来越像互联网：反馈周期越短，越可能滚出差距。

• Waymo：订单—路况—服务问题—安全评审—策略更新
• Tesla：海量车队—自动回传—训练—OTA
• 多供应商路线：数据分散—对齐困难—迭代链条长

2026年的一个判断：Waymo验证“Robotaxi可行”，Tesla押注“软件规模化”，中国车企要补“系统统一”

我对2026年的判断很明确：Waymo的百万周订单如果兑现，它对行业的最大价值不是“打脸谁”，而是给所有玩家一个共同参照——自动驾驶最终要走向规模运营与稳定收入。

而Tesla与中国车企的差异，会越来越集中到一点：

• Tesla更接近“AI平台公司”：用统一的软件栈与数据规模，追求模型泛化与快速部署。
• 中国车企更接近“工程集成公司”：用更强的硬件冗余与供应商生态，追求功能交付与体验可见。

真正决定胜负的，是谁能更快把路线变成闭环：数据能否回流、模型能否迭代、指标能否审计、成本能否下降。

接下来如果你正在做采购、投资、产品规划，建议把讨论从“装不装激光雷达”升级为三件事：

1. 你的数据闭环是否统一？
2. 你的安全指标是否可审计、可复现？
3. 你的商业化路径是卖车功能，还是做出行服务，或两者兼得？

当Waymo把订单量拉到百万级，行业就会被迫回答一个更尖锐的问题：你做的是一套能规模化运行的系统，还是一套永远在演示的功能？