Waymo真无人驾驶上路：对比Tesla与中国车企的三条商业化路径

Waymo把“无人驾驶”这件事又往前推了一步：第六代Waymo Driver已经开始在公共道路上进行“无安全员”的完全自动驾驶运营。这不是实验室演示，也不是封闭园区试点，而是面向真实乘客、真实交通环境的运营化动作。

更值得行业里的人琢磨的点是：Waymo公开强调第六代硬件栈“更具成本效益”，并且声称这套系统背后有7年服务经验、累计近2亿英里（约3.2亿公里）的完全自动驾驶里程，覆盖美国10+个主要城市的验证与迭代。把这组数字放到“自动驾驶AI：Tesla 与中国车企的发展路径对比”的语境里，你会发现它像一面镜子：照见三种路线在安全、扩展与商业化上的取舍。

我个人的判断很明确：自动驾驶不是单一技术竞赛，而是“工程体系 + 数据闭环 + 运营能力”的综合战。Waymo这次的节点，恰好提供了一个可以对照Tesla端到端路线、以及中国车企多传感器/多供应商协同路线的“标尺”。

Waymo第六代真无人：关键不在“能开”，而在“能运营”

最核心的信息只有一句：Waymo开始用第六代Driver在公共道路上“无安全员”运行。这意味着系统的安全论证、冗余设计、远程支持、故障处置流程，已经达到可在限定ODD（运行设计域）内规模化运营的门槛。

Waymo在公告里提到第六代系统在2024-08首次发布，如今完成多城验证后进入无人化运营。对外行来说这像是“又一代硬件升级”，但对做量产与合规的人来说，这是另一种含义：

• 从研发阶段转到运营阶段：研发追求能力上限，运营追求稳定、可控、可复制。
• 从单车智能转向系统工程：包括传感器冗余、计算平台稳定性、车队监控、远程协助、事故与故障SOP。
• 从“跑得起来”转到“算得过账”：硬件栈的成本下降，直接影响无人车队的单位经济模型（如每英里成本、车辆利用率、维护成本）。

近2亿英里与10+城市：Waymo擅长的是“规模验证”，不是讲故事

Waymo提到“近2亿英里完全自动驾驶里程”和“10+城市验证”，这类指标的价值在于：

1. 场景多样性：不同城市的道路结构、驾驶风格、法规、气候差异，会逼着系统把边界条件暴露出来。
2. 迭代节奏：城市越多，越考验发布与回滚机制、模型/规则版本管理、地图更新与仿真体系。
3. 安全证据链：规模数据能沉淀为更完整的安全case（安全论证材料），便于监管沟通与扩城。

这点跟“只在单城跑得很好”完全是两种难度。

传感器重装 vs 端到端：Waymo与Tesla的分歧其实是“风险分配”

把Waymo和Tesla放在一起，最常见的对比是：Waymo偏多传感器（激光雷达/雷达/摄像头等）+高冗余，Tesla偏视觉为主 + 端到端学习 + 规模化车端数据。但我更愿意把它理解为：两家公司在做风险分配。

Waymo：用硬件冗余和工程约束“买安全边际”

Waymo强调更“成本效益”的硬件栈，暗示第六代在传感器选型、算力平台、BOM结构上做了系统性优化。但它的底层逻辑仍然是：

• 用多模态传感器降低单点失效概率
• 用清晰ODD边界控制运营风险（比如限定区域、路况、天气阈值）
• 用车队运营与远程支持兜底

这套模式的优势是：更容易形成可审计、可解释的安全冗余体系。短板也明显：硬件成本与维护复杂度更高，扩城往往伴随地图、标定、路测与运营团队投入。

Tesla：用规模数据与端到端“买泛化能力”

Tesla的路线本质是：尽量把驾驶理解交给模型，依靠海量量产车队的数据闭环去逼近人类驾驶。它的优势在于：

• 可扩展性潜力更大：如果模型泛化成功，地域复制的边际成本可能更低。
• 成本结构更像消费电子：传感器相对克制，更多成本压在算力与训练上。

但难点是：当你把更多决策压到端到端模型里，**如何建立“足够可信的安全证据链”**会更棘手——尤其在“无安全员运营”这种强监管、强责任的场景。

一个更直白的说法：Waymo倾向把不确定性压到ODD里，Tesla倾向把不确定性交给模型去学。

中国车企的现实最像谁？答案是：更像Waymo的“协同工程”，但更追求成本曲线

站在2026-02的时间点看中国市场，主流车企与供应链的组合拳通常是：

• 多传感器融合（含激光雷达的车型不少）
• 多供应商协作：芯片、激光雷达、摄像头、域控、算法往往来自不同合作伙伴
• “城区NOA/端到端”并行推进：既要短期可交付，也要押注下一代架构

这跟Waymo的“系统工程思维”更接近：强调冗余、强调工程可控、强调分层验证。但中国车企又必须面对一个更现实的约束：价格带竞争。

供应链优势：把“传感器重装”做成可量产的成本结构

Waymo能做高冗余，是因为它做的是Robotaxi运营，单车成本可以用车队利用率摊薄；中国车企做的是面向个人消费者的量产车，单车BOM每增加几千元都会影响销量。

中国的优势在于：

• 供应链密度高、迭代快：传感器与域控的成本下降速度往往快于海外。
• 多方案并存：同一车型不同配置、不同传感器组合，便于用市场反馈做A/B选择。

如果说Waymo是在“把无人驾驶做成航空业那样的安全工程”，那不少中国车企更像是在“把它做成手机行业那样的快速迭代”。两者都能走通，但组织能力要求完全不同。

难题：多供应商协同的“系统责任”容易变成灰区

多供应商的代价是：出现问题时，责任链条更长、定位更难。要把“能用”变成“可规模运营”，需要更硬的工程治理：

1. 统一的安全指标与测试口径（比如接管率、碰撞前事件、ODD覆盖率）
2. 版本管理与回滚机制（软件定义汽车不是口号，而是发布体系）
3. 数据闭环归一（不同供应商的数据格式、标注体系、训练流程能否打通）

这也是为什么Waymo的“多城验证”值得中国团队学习：规模不是喊出来的，是靠流程和工具链堆出来的。

“1M周订单”目标背后：自动驾驶商业化真正的胜负手是单位经济模型

RSS标题里提到Waymo目标是每周100万次乘坐（1M weekly rides）。即便这个目标分阶段达成，它也提示了一个事实：

自动驾驶要进入第二阶段竞争：从技术可行性转向商业可行性。

影响Robotaxi单位经济的三项硬指标

我更关注三项“算得过账”的指标，它们决定Robotaxi是否能在更多城市复制：

• 单车可用时间（uptime）：传感器越多、系统越复杂，维护与校准成本越高。
• 每英里运营成本：包括电耗/油耗、清洁、维修、远程支持、人力与保险。
• 扩城成本：地图、仿真、验证、合规与运营团队投入。

Waymo强调第六代硬件更“成本效益”，就是在回应这三项指标：硬件更便宜、维护更可控，才有可能把订单规模拉到百万级。

对Tesla与中国车企的启示：别只盯“能不能开”，要盯“能不能规模赚钱”

• 对Tesla来说，端到端路线如果要走向Robotaxi或更强的无人化服务，安全论证与运营体系会是硬仗。
• 对中国车企来说，若要从“城区NOA卖车”升级到“无人化运营赚钱”，需要在ODD管理、车队运营、远程协助、法规沟通上补课，而不仅是堆算力与传感器。

实操建议：企业评估自动驾驶路线时，我会先问这5个问题

如果你在车企、供应商、出行平台或投资侧，想快速判断一条路线是否能走到“可运营、可扩展”，这5个问题比“用了什么模型”更关键：

1. ODD边界写得清不清楚？（地理范围、天气、夜间、施工、无保护左转等）
2. 故障与降级策略是否闭环？（传感器异常、定位漂移、计算过载、通信中断）
3. 发布体系是否支持快速回滚？（版本灰度、监控指标、事故复盘机制）
4. 规模化数据闭环是否可持续？（采集-清洗-标注-训练-验证-上线的周期多长）
5. 单位经济模型是否跑通？（单车成本、利用率、维护频次、远程人力配比）

把这五个问题答扎实，才算是在做“自动驾驶商业化”，否则很容易停留在演示与营销层。

结尾：Waymo是一个坐标系，真正的较量在“体系化扩展”

Waymo第六代Driver开启无安全员运营，最大的意义不是“它又领先了谁”，而是它把行业拉回到一个更硬的标准：敢不敢把系统放到公共道路上，长期、稳定地为乘客服务。近2亿英里与10+城市的验证说明，自动驾驶的护城河往往来自枯燥的工程体系，而不是某一次漂亮的demo。

放到“Tesla端到端 vs 中国车企多传感器协同”的对比里，我的观点是：中国车企在工程协同上天然更接近Waymo，但在商业化路径上更像“既要卖车又要攒数据”的混合模式。接下来两三年，谁能把“规模验证 + 成本曲线 + 合规运营”三件事同时做到位，谁就更接近真正的无人驾驶商业化。

你更看好哪条路线先跑通“跨城复制 + 可持续盈利”？如果把目标定为“每周100万单”，你认为最大的瓶颈会出现在技术、法规，还是运营成本？