Waymo Robotaxi初体验：科技感与安全性的震撼

在特斯拉发布Robotaxi之前，我专程从加拿大飞往旧金山，亲身体验了其主要竞争对手Waymo（谷歌母公司Alphabet旗下的自动驾驶技术公司）的Robotaxi（机器人出租车: 一种无需人类驾驶员即可自动载客的车辆服务）。我们进行了两段短途测试和一段横跨旧金山近一小时的长途测试，旨在解答许多特斯拉投资者心中的疑问：Waymo是否已真正解决了自动驾驶难题？如果答案是肯定的，特斯拉又能否实现“弯道超车”？此外，在体验Waymo之后，我对特斯拉10月10日的发布会又会有怎样的期待。

带着这些疑问，我们到达了测试起点金门大桥。原计划从这里打一辆Waymo前往渔人码头，看看它的服务质量。起初，我注意到周围没有Waymo车辆，好奇它能否顺利在此接载乘客。我们选择前往渔人码头，并对比了Uber的价格，发现Waymo此次的价格甚至更便宜一些。Waymo应用有一个小细节，它会让你输入自己的名字，以便更快地找到车辆并显示在车辆仪表盘ID上。

也许是第一次使用，我们对Waymo的App并不熟悉，其接载地点不如Uber那样准确直观。在我们反复寻找上车点的过程中，我们的Waymo车辆抵达了。第一次乘坐Waymo难免有些慌张，除了不熟悉如何通过软件开门，上车后的操作也一无所知。车辆停在路中间，让我们感到有些压力，必须赶紧上车以避免交通堵塞。整辆车可乘坐四人，主驾驶位不允许坐人。进入车内后，有清晰的语音提示，点击屏幕上的“开始”按钮，我们便开始了人生中第一次自动驾驶出租车体验。

从金门大桥开到渔人码头大约20分钟，除了最开始的慌乱，一路上可以说风平浪静，没有发生任何危险情况。我自己驾驶的特斯拉也配备自动驾驶功能，最新的更新甚至允许双手脱离方向盘，因此我已习惯了这种模式，不觉得恐惧。然而，坐在方向盘后方时，脑中依然会随时想着接管，这更像是一种人机协作的感觉。但坐在Waymo的副驾驶位上，看着方向盘自行转动，你却什么也做不了，这种感受将自动驾驶的科技感提升到了“魔法”的高度。我们还观察到，Waymo的“老司机”总是系着安全带，这与我们前一天乘坐的Uber司机形成鲜明对比。

很快，我们到达了目的地。车辆开始寻找停靠点，屏幕上提示“Find a spot to pull over”。我当时在想，是需要我点击“pull over”吗？不过，车辆最终自行停稳并提示“You are here. Please make sure it's clear before exiting.”随后，车辆便自行离开了。这种“老司机”可以24小时不间断工作，不断地“赚钱”。我们今天上午的Uber司机跑了一万多单，而Waymo的车辆很快也能达到这个数字。

第一次体验结束后，我们三位乘客对Waymo给出了高度评价。整体感觉非常好，与真人驾驶几乎无异，就像一个人在开车。不过，我也深知仅仅一段测试不足以说明太多问题，而且第一段路程过于简单，我有信心我的特斯拉也能顺利跑完全程。因此，我们决定稍后多打几次Waymo，给它制造一些难题，看看它的表现如何。

Waymo的技术优势：高精度地图与多传感器融合

在游戏厅里“思考”下一站去哪时，我们回顾了第一段测试，并尝试回答Waymo究竟是如何实现自动驾驶的。Waymo的优势主要来源于两点：高精度地图（High-Definition Map: 一种精确到厘米级的数字地图，详细记录道路、建筑、交通标志等静态环境信息）和更多更高精度的传感器。

以眼前的场景为例：右前方停着一辆公交车，旁边是金门大桥游客中心，左前方是一个停车场，路中间有人行横道，有行人穿过。我们人类能够立即理解这些信息并做出相应反应，但对于计算机而言，这是一个巨大的挑战，因为这些信号对车辆来说，更像是没有意义的0101代码。这也是为什么在很长一段时间里，人工智能的一大难题是图像识别。

面对同样的场景，特斯拉和Waymo会如何处理呢？特斯拉采用的是纯视觉方案（Pure Vision Solution: 仅依靠摄像头图像进行环境感知和决策的自动驾驶技术路线），单纯依靠摄像头的图片让AI进行判断。这面临诸多挑战：首先，特斯拉需要实时模拟和理解周围环境；其次，摄像头存在先天劣势，例如缺乏距离信息，使得特斯拉很难判断公交车有多远、多大，行人在哪里。此外，摄像头还可能被遮挡，例如右侧的游客中心特斯拉可能就看不到，从而无法预判那里可能会有很多游客上下车。这还是在白天，如果在夜晚，摄像头的劣势将更加明显。

面对同样的场景，Waymo的思路则截然不同。Waymo首先提出，它不需要像特斯拉那样每次都“傻乎乎”地实时理解外部环境。因为环境包含两种信息：一种是静态信息，即那些不动的东西，如道路、建筑、交通指示牌等；另一种是动态信息，如车辆和行人。静态信息是不变的，如果提前将这些信息记录到一个数据库中，就可以将宝贵的算法和计算资源留给那些更复杂的动态信息。这个数据库就是高精度地图。在任何地方运行之前，Waymo都会先绘制一张高精度地图。例如，左边是现实世界，右边是高精度地图，这种地图更像是现实世界的1:1精确模拟。除了基本的道路信息，交通标志、道路边缘、人行横道、电线杆、树木、栏杆、红绿灯，甚至公交站和建筑物都被详细标注。这仅仅是表面，地图还包含了更多驾驶相关的细节，例如物体之间的距离、道路的宽度、马路牙子的高度、人行横道的宽度，这些信息甚至可以精确到厘米。此外，车辆还能从地图中获得诸如道路的坡度、弯度、限速、学区范围、残障人士上车点等信息。因此，有了这些，Waymo就不需要临时做出识别，自动驾驶的实现就相对容易得多。

多年前，特斯拉曾展示过一个重大突破，即他们如何通过AI来识别道路的弯曲和坡度，帮助其进行路径规划。但这对Waymo来说并非难事，因为高精度地图早已告诉它路的坡度、前面弯曲到什么地方，甚至连旁边的柱子在哪都已告知。它早在场景出现之前就规划好了路径，无需等到跟前才临时识别、反应、做计划。

当然，真实的驾驶环境里不止一辆车，路面上还有很多高精度地图无法涵盖的动态信息。这时就显示出Waymo的第二个优势了：在传感器上。Waymo不像特斯拉那样只有摄像头，它还配备了激光雷达（LiDAR: Light Detection and Ranging，通过发射激光脉冲测量距离和形状的传感器，可构建高精度三维环境模型）和毫米波雷达（Millimeter-Wave Radar: 利用毫米波段电磁波探测物体距离、速度和角度的传感器）。Waymo的方案很好理解：更多的传感器能提供更丰富、准确的信息，尤其是激光雷达，它通过发射无数激光脉冲扫描环境，精确测量物体的距离和形状，还可以在夜间工作，相当于一只“超级眼睛”。

所以，如果说特斯拉是在用2D照片实时理解世界，那么Waymo则是在一个已经提前定义好的世界里，用3D全息扫描来驾驶。换句话说，Waymo面临的未知信息较少，而特斯拉则需要实时判断更多的不确定性。这就导致在具体执行刹车、拐弯控制操作时，Waymo更加自信，而特斯拉则会显得更加犹豫。这就是为什么我们在第一次乘坐Waymo之后，一致感觉Waymo十分顺滑。

提到顺滑，在乘坐Waymo时，我们还发现它在视线受阻的路口转弯时，比特斯拉要更加自信。例如，它在左拐时没有像特斯拉那样先探头。因为Waymo的传感器位于车的最前方，视野要广阔得多，能看到路口左右两侧的情况。而特斯拉的摄像头位于车辆内部，就需要往前探一探才能看清十字路口两边的情况，就像人一样。传感器的位置和视角，也被很多人认为是特斯拉的一个劣势。因此，高精度地图和硬件的加持，给了Waymo很多优势。但公平地说，单纯依靠这些也不够，和特斯拉一样，Waymo也在大量使用AI，并且使用得越来越多。特斯拉的投资者不能假设天下只有特斯拉懂AI、用AI。不过，所有这些加起来，也不能保证自动驾驶100%的安全。Waymo还需要运营上的加持，这一点我们将在第二段测试中分享。

运营策略与规模化挑战：Waymo的谨慎与困境

在游戏厅里进行了一番“深度思考”，吃了碗越南粉，又看了海狮“表演”之后，我们终于决定如何为难一下Waymo了。我有一个主意，就是旧金山有一条非常有名的、绕来绕去的Lombard Street（伦巴底街: 旧金山一条以“九曲花街”闻名的旅游景点），我想看看Waymo是否能绕弯行驶。我专门找了这条街，无论从上还是从下，都必须经过这个地方。然而，还没出发，我的诡计就泡汤了。原来，即使我把目的地设在Lombard Street的中间，Waymo在设计路线时也不会开进那条路，它只会停在距离目的地最近的一个预设停车点。这其实反映了Waymo为了实现自动驾驶，在运营上做出的慎重考虑。这样一来，Waymo就能最大程度地避免在复杂的上下车地点发生安全事故。

我们向一位乘坐Waymo的乘客询问体验，他表示“非常好！比人类开得还好吗？非常棒的经验，美妙的体验！”当被问及会选择Waymo还是Uber时，他毫不犹豫地选择了Waymo，并说每次来旧金山都会选择它，因为它“真的很棒，我真的喜欢它”。他也没有遇到任何危险情况，觉得Waymo开得很顺滑。唯一让他不满意的就是速度很慢。他不知道这是不是故意这样设计的。这也反映了Waymo在运营上的考量：为了通过政策审批，Waymo不仅需要提交证明自己足够安全的数据，还必须严格遵守交通法规，包括限速规定。因此，Waymo的驾驶比人类驾驶员更规矩、更慢。这位乘客希望它能像正常驾驶者一样驾驶。

在第二次测试时，我们显然比第一次更加从容了。虽然Waymo故意避免进入Lombard Street，但我们行驶的路段也充满了挑战，沿途有很多上坡和急转弯，还有行人。这些路况对于人类驾驶者来说，尤其是视线被遮挡时，会更加犹豫，但Waymo都轻松应对，毫无压力。它还会提示后面有车，非常不错。第二次的感觉比第一次自然很多，不再像第一次那么着急，好像有人在等你。现在我们知道是可以控制它的，所以我觉得这种自动驾驶普及起来应该还是挺容易的，连刚才的大爷大妈都可以用。

测试结束后我依然不死心，我还是想看看它在突发情况下的表现。毕竟，不管路线规划有多好，路上总会遇到不可预见的情况。如果是现阶段的特斯拉，有车主坐在驾驶座随时可以接管；但Waymo没有驾驶员，所以它必须依赖一种远程的接管机制来处理这种无法自动驾驶的情况。我很好奇Waymo是如何实现的，难道它也像一些企业一样，驾驶员坐在模拟座舱里远程驾驶吗？于是，第三次测试我选择在高峰期，让Waymo横穿整个旧金山，完成一次长途挑战。这趟车资是36.75美元。

这次测试确实充满了挑战，路况复杂且车流量大。然而，行驶一段时间后，我们竟然开始感到无聊，因为Waymo面对各种复杂情况都处理得游刃有余，丝毫没有出现问题。原本期待的远程接管并没有出现。于是我就决定通过网络调查一下Waymo的远程接管机制。结果发现，Waymo的远程接管并不是让某个远程驾驶员来操控车辆，而是依赖车队响应团队（Fleet Response Team: 远程提供指导和协助，而非直接操控车辆的团队，用于处理自动驾驶车辆无法自行解决的复杂情况）提供远程指导。这是一个真实的Waymo接管场景：当车辆遇到复杂情况无法自行处理时，它会将问题反馈给车队响应团队。团队成员不会直接操作方向盘或刹车，而是给出指引，例如前方道路是否通畅、是否可以继续前行。Waymo会根据这些反馈自主做出判断，而响应团队的操作应该是在乘客不知道的情况下进行的。这种远程协助比我想象的更加高效和智能。

所以，通过自动驾驶的软硬件结合、车队响应团队的支持和运营上的优化，这三点加起来就是Waymo和类似公司当前可以运营Robotaxi的原因。但是，这里要加上一个大大的星号，因为Waymo的自动驾驶只能在很少的地区运行，而且它大规模推广的速度也很慢。而这也就成了很多特斯拉投资者认为“弯道超车”的机会。

前一阵子在一个播客里，Andrej Karpathy（特斯拉前自动驾驶负责人）说，特斯拉主要面对软件问题，Waymo主要面对硬件问题。他认为Waymo的硬件问题更难。他表示，Waymo现在看起来是领先的，但如果看十年以后，当它们大规模扩张之后，以及它们最多的收入来源，他认为特斯拉仍在前面。很多人认为他说的硬件问题就只是成本，但实际上Waymo的硬件挑战远不止于此。

不过，我们先来说一下成本。我乘坐的Waymo车辆价值约18万美元，包括车身8万、传感器和车载电脑10万。此外，高精度地图的制作每公里成本大概是5000美元左右，而且维护和更新的成本也很高。我知道有人会说，人们低估了硬件价格的下降速度，例如激光雷达的价格曾经在75000美元左右，但到了2019年，价格就降到了7500美元左右。我们有信心中国制造迟早会让激光雷达变成“白菜价”。同样，车身的价格也在迅速下降，Waymo下一代的Robotaxi会由中国的Zeeker（吉利旗下高端电动汽车品牌）代工，中国厂商的成本控制能力大家有目共睹。在高精度地图上，Waymo也在不断创新，通过AI来降低成本、提高效率。

但是，我不这么乐观。一方面是没人能够确定所有这些努力能否保证硬件价格的下降速度超过Waymo的烧钱速度。更重要的是，想要规模化扩张，Waymo要同时解决硬件和软件的问题。举一个很多人不曾考虑的例子，例如现在Waymo在旧金山运营得很好，但如果把它推广到纽约，你如何确定它在那里也可以工作呢？是否存在一种可能，你的AI熟悉了旧金山地区的驾驶情况，并对其进行了深度训练，当换到纽约面对不同的路况时就不稳定了？所以，你需要用车去不同的地方做大量的测试和验证。这就带来了两个难题：首先，你需要有大量的测试车。Waymo在2018年宣布与捷豹制造2万辆iPace（捷豹旗下的一款纯电动SUV车型），到现在总共有700多辆正式运行，其中将近300辆在旧金山。即使我们假设算上工程测试车，加起来已经超过2万辆，这跟特斯拉的车队比起来仍然是九牛一毛。其次，测试验证需要人类驾驶员随时接管，这又是一个天价的成本。

反观特斯拉，它有无数像我这样花了钱的车主，每天在免费做测试。当你没有足够的车和人做验证时，你需要用软件来解决问题。Waymo的办法就是模拟测试。这里又有一个问题：想要构建接近现实世界的模拟，你需要有足够多的真实世界数据；可是没有足够大的车队，你又无法获得大量的真实数据。你看，这又回到了硬件问题。而这还只是最后的验证阶段。在感知和规划层，Waymo想要实现规模扩张，它就需要使用AI对那些很少会发生的长尾情况（Long Tail Events: 在自动驾驶领域指极少发生但影响重大的特殊路况或事件，难以通过常规训练覆盖）做出识别和判断。AI的训练需要数据，没有巨大的车队，你就没有足够的数据。没有数据，你就只能模拟。想要模拟，你又需要大量的真实世界数据。可是没有车队，你就又没有这些数据。你看，又绕回来了。Waymo面对的是硬件和软件环环相扣的难题。

当然，有人会争辩说，这些所谓的难题都建立在自动驾驶需要大规模推广、在哪都能开的前提上。如果这个前提不成立呢？例如，一个国家大多数的出租车需求都发生在最大的几个城市里，那这是否意味着只解决了这几个城市就可以赚钱了，不非得做到在哪都可以开呢？当Waymo和其他的自动驾驶公司占领这些主要市场后，特斯拉还能弯道超车吗？关于这一点，我相信每个人都有不同的答案，毕竟自动驾驶是一个全新的事物，未来谁都无法准确预测。但我认为，如果只能在部分地区使用，那这跟早期只能在室内使用的互联网类似，虽然覆盖了大多数需求，也是一门赚钱的买卖，但无处不在的廉价无线互联网带来的却是另一个数量级的应用和价值。同样地，Robotaxi如果只能在少数地区运行，它也就只能是一个不错的出租车生意；而当自动驾驶可以在任何地方行驶的时候，它所解锁的应用和价值可能超出我们的想象。而能提供这种服务的公司，将会得到对应的回报。特斯拉可能就站在这个位置上。至于特斯拉如何弯道超车，实现这种可能，我们需要等到10月10日Robotaxi发布之后再聊。

对特斯拉Robotaxi发布会的期待

Waymo的体验非常棒。那么，体验完Waymo之后，我对10月10日特斯拉的发布会又有什么样的期待呢？

首先，我期待看到传感器硬件是否有所改变，无论是传感器的种类、数量还是位置。因为这直接反映了现有车型能否实现完全自动驾驶，以及是否需要收集更新的数据来训练模型，这些都直接关系到实现自动驾驶的时间线。

其次，说到时间线，我不期待特斯拉发布Robotaxi就能够立即投入运营，但是我期待特斯拉能够发布一个具体的时间表，例如他们什么时候在哪进行试运营，以及逐步推行的计划。如果没有这些，我会感到失望。这是因为这次Waymo的测试让我认识到，解决自动驾驶不只是技术问题，运营也是非常重要的环节。特斯拉需要尽早地进行尝试和学习。

另外，我还想看到更多关于具体运营的细节，例如它的App是如何设计的，车内的交互是如何进行的，如何降低运营成本，以及是否会把运营委托给Uber这样的第三方公司。因为Waymo已经在计划未来把很多地区的运营交给Uber，很大原因就是为了降低复杂度和成本。我想看看特斯拉将会如何解决这个问题。

最后，我想看到特斯拉关于Robotaxi和造车业务未来商业模式的展望，例如卖车和出租车之间的关系，车主和Robotaxi之间的关系等等。以上就是我所关心的内容了，任何多于这些的内容对我来说都是惊喜。

这就是本期视频的全部内容了，希望大家在评论区留言分享你的期待和预测。

下线后，我们打了一辆Uber，车资95美元，如果选择更舒适的车型是104美元。来的时候乘坐的车辆一路颠簸、摇晃又吵闹，让我有点想吐，所以体验完Waymo的舒适后，我们还是选择了一辆更舒适的Uber。