Waymo自駕車跑完 2 億英里後的 AI 十大心得：只靠鏡頭不夠、Gemini 負責「慢思考」
Waymo 近日公布累積超過 2 億英里（約 3.2 億公里）的完全無人駕駛里程後，整理出十項 AI 開發經驗。
值得注意的是，其中不少結論與當前生成式 AI 的發展高度重疊，包括 Foundation Model、Scaling Law、Vision-Language Model（VLM）、強化學習（RL）、AI Critic，以及資料飛輪。
Waymo 在攸關生命安全的 L4 自駕場景中，它選擇的是大型模型＋多模態感測器＋獨立驗證系統＋模擬＋治理的混合架構。
廣告 - 內文未完請往下捲動
第一個結論：只靠鏡頭不夠
Waymo 首先直接回應自駕產業最長期的爭論之一：Camera-only 是否足以實現完全自駕？
在超過 2 億英里的實際無人駕駛經驗後，Waymo 認為，要安全、大規模部署完全自駕，必須同時結合攝影機、LiDAR 光達與 Radar 雷達。
三者各有不同角色：光達負責精確建立 3D 幾何資訊；攝影機辨識交通號誌、標誌與顏色等語意資訊；雷達則能測量速度，並在大雨、濃霧或灰塵等攝影機受限的環境提供資訊。
Waymo 並不認為單一感測器最終能「學會一切」，而是刻意保留不同感測器之間的資訊冗餘。
這也與以純視覺路線聞名的 Tesla 形成鮮明的技術哲學差異。
HD Map 也沒有被 AI 淘汰，而是成為模型的「Prior」
另一個長期爭論是：自駕車到底需不需要高精地圖？
Waymo 同樣選擇保留。
但它將 HD Map 定義為一種 Prior（先驗資訊），類似人類開車時對道路環境已有的記憶。
車輛不必把所有運算能力花在重新理解固定環境，而可以集中處理突然出現的施工、臨時停止標誌或其他動態事件；地圖本身則透過 AI 系統持續更新。
Waymo 也走向 Foundation Model：模型更少，但更大
更值得關注的，是 Waymo 的 AI 架構本身也正在經歷類似大型語言模型的演進。
早期自駕系統通常由大量專門模型組成：一個辨識行人、一個追蹤車輛、一個判斷紅綠燈。
Waymo 將這種架構形容成難以維護的「Modular Spaghetti」。
因此，公司逐漸將大量小型模組整合成數量更少、容量更大的專用 Foundation Models，讓模型從大規模資料中自行學習重要特徵，而不是高度依賴工程師事先制定的規則。
Waymo甚至明確提到，這讓自駕模型能享受到推動 LLM 進步的 Scaling Laws，同時透過 Teacher-Student 架構降低車載推論所需的運算成本。
但「模型更大」並不代表 Waymo 要把整台車變成一個神經網路黑盒子。
Waymo：不能把生命安全交給一個黑盒子
Waymo 認為，純粹的 End-to-End 架構——直接把原始影像輸入神經網路，再直接輸出方向盤控制，其中存在難以解釋決策過程的問題。
因此，即使 Waymo Driver 已經透過 AI 即時產生駕駛決策，公司仍額外建立了一層獨立車載驗證系統。
它會檢查 AI 提出的每一條行駛軌跡，確認是否符合物理限制、交通規則以及碰撞安全要求；其中也使用 Reinforcement Learning，以及受到生成式 AI 推理方法啟發的技術。
不能只看錄影，要讓世界「回應」AI
Waymo 另一項重要經驗來自 Simulation。
傳統 Open-loop Simulation 類似播放錄好的交通影片：AI 可以做出不同決策，但影片中的其他車輛並不會因此改變行為。
Waymo 認為這遠遠不夠。因此公司大量使用 Closed-loop Simulation：當 Waymo Driver 煞車、轉向或閃避時，虛擬世界中的其他交通參與者也會跟著產生合理反應。
Waymo 表示，實際道路不可能蒐集完所有極端案例，而 Closed-loop Simulation 可以提前生成與測試極罕見的 Long-tail scenarios。
更有意思的是，Waymo 不只訓練一個會開車的 AI，也建立一個專門評估它的 Waymo Critic。
Critic 會自動分析模擬與真實道路中的駕駛行為，從交通法規、安全性一路檢查到轉彎是否順暢、煞車是否舒適。
Waymo 每週處理數百萬英里的真實道路資料，以及數百億英里的模擬資料，因此不可能全部依靠人工工程師逐一檢查。
Critic 的角色，就是建立自動化評估與回饋迴圈，避免 Driver 自己「改自己的考卷」。
這套思路其實與目前 Frontier AI Labs 訓練大型模型的方向非常相似：不只需要更強的 Generator，也需要更強的 Verifier / Critic。
Gemini 上車：負責自駕系統的「慢思考」
Waymo 也揭露，Vision-Language Model 已經進入其自駕技術架構，而且使用的是 Gemini 訓練的 VLM。
例如車輛遇到事故現場，一名警察正在以手勢指揮交通。系統不能只辨識「這裡有一個人、他的手正在移動」，而必須理解警察的身分、手勢的意義，以及整個交通場景的上下文。
VLM 正適合處理這類高階語意推理問題。
但 Waymo 同時指出 VLM 有兩個致命限制：速度太慢，而且單獨使用時空間理解能力不足。
所以 Waymo 採取類似「Thinking Fast and Slow」的雙系統架構：感測器融合與快速模型負責毫秒級的即時駕駛控制；Gemini VLM 則負責較慢但更深入的語意理解與複雜情境推理。
最重要的護城河可能還是「真實世界資料飛輪」
Waymo 的第九與第十項經驗，則點出了自駕產業可能最難複製的競爭壁壘。
車隊每週累積數百萬英里的道路資料後，Waymo 透過 Critic 與使用者回饋找到需要改善的情境，再由 Auto-labeler 整理資料、重新訓練模型，接著進入 Simulation 與安全驗證，最後重新部署。
這形成一套持續循環的 Data Flywheel，而 Waymo 表示，整個系統已經需要處理 Exabyte 等級的資料。
但公司最後強調，即使跑了數十億英里的 Simulation，也無法完全取代真正的 Fully Autonomous Miles。
Waymo甚至將「把 L2 駕駛輔助一路升級成 L4」稱為一座 False Summit（假高峰）：真正的 L4 系統必須從一開始就以完全自駕為目標設計，並實際承擔沒有真人駕駛員介入時的全部決策責任。
這也是 Waymo 認為自身超過 2 億英里完全無人駕駛里程真正有價值的地方。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
