文｜山自

在摩根士丹利第24屆亞太峰會上，自動駕駛領(lǐng)域的"教父級"人物Sebastian Thrun與知名分析師Adam Jonas進行了一場深度對話，內(nèi)容涵蓋自動駕駛技術(shù)路線、行業(yè)階段判斷、機器人賽道分化、Waymo早期秘歷等多個維度。

作為谷歌無人車項目（Waymo前身）締造者、斯坦福人工智能實驗室前主任，Thrun的見解無疑為當前自動駕駛與機器人領(lǐng)域的發(fā)展提供了重要風向標。

自動駕駛技術(shù)路線之爭：純視覺方案的"成本革命"

Thrun在對話中明確指出，自動駕駛領(lǐng)域當前最核心的技術(shù)分歧在于"純視覺"與"多傳感器融合"的路線博弈。他特別強調(diào)，特斯拉在奧斯汀的純視覺FSD實測將成為行業(yè)關(guān)鍵轉(zhuǎn)折點。

"如果馬斯克能在奧斯汀實現(xiàn)無安全員的純視覺Robotaxi商業(yè)化運營，這將是一次真正的顛覆。"Thrun表示。從技術(shù)角度看，純視覺方案僅依賴攝像頭，通過神經(jīng)網(wǎng)絡(luò)模擬人類駕駛員的視覺感知系統(tǒng)；而多傳感器融合方案則結(jié)合激光雷達、毫米波雷達和攝像頭，構(gòu)建多層次的環(huán)境感知體系。

技術(shù)路線的核心差異體現(xiàn)在感知架構(gòu)上。

從經(jīng)濟學角度分析，純視覺方案的最大優(yōu)勢在于成本。目前高端激光雷達單價仍高達數(shù)千美元，而攝像頭成本僅數(shù)十美元。Thrun算了一筆賬：一旦純視覺方案被驗證安全可行，其成本優(yōu)勢將對多傳感器融合路線形成"降維打擊"。

但純視覺方案面臨嚴峻的技術(shù)挑戰(zhàn)，尤其是在惡劣天氣和低光照條件下的可靠性問題。Thrun解釋："純視覺系統(tǒng)的核心是通過AI彌補物理傳感器的不足。這需要模型具備強大的推理能力，能夠從有限視覺信息中推斷完整環(huán)境狀態(tài)。"

特斯拉采用的"BEV+Transformer"架構(gòu)正是這一思路的體現(xiàn)。該架構(gòu)將多個攝像頭數(shù)據(jù)轉(zhuǎn)換為鳥瞰圖視角，再通過時空序列建模實現(xiàn)3D環(huán)境感知。與之相比，多傳感器融合方案通過激光雷達直接獲取3D點云數(shù)據(jù)，在技術(shù)實現(xiàn)上更為直觀，但成本居高不下。

從"萊特兄弟時刻"到規(guī)模化前夜

Thrun回顧了自動駕駛的發(fā)展歷程，將2005年DARPA挑戰(zhàn)賽視為行業(yè)的"萊特兄弟時刻"。當時他帶領(lǐng)斯坦福團隊開發(fā)的"Stanley"自動駕駛車成功完成沙漠賽道挑戰(zhàn)，證明了自動駕駛技術(shù)的可行性。

近20年發(fā)展后，自動駕駛已進入加速滲透期。Thrun透露，在峰會現(xiàn)場500名與會者中，約1/3已體驗過自動駕駛汽車，且絕大多數(shù)乘坐的是Waymo。這一數(shù)據(jù)直觀反映了技術(shù)的民用化進程。

行業(yè)正處在從L4向L5過渡的關(guān)鍵節(jié)點。根據(jù)摩根士丹利的研究，人類每年在汽車中消耗的時間高達8200萬年，自動駕駛對"駕駛時間"的釋放意味著巨大的經(jīng)濟價值。Thrun預(yù)測，未來3-5年將是自動駕駛商業(yè)化落地的黃金期。

Waymo的最新擴張計劃印證了這一判斷。公司宣布將在明尼阿波利斯、新奧爾良和坦帕開始手動駕駛測試，并計劃在2026年將無人駕駛服務(wù)擴展至15個城市，包括達拉斯、休斯敦、邁阿密等。Waymo還開始提供高速公路自動駕駛服務(wù)，這是技術(shù)成熟度提升的重要標志。

與此同時，亞馬遜旗下的Zoox也在加速布局，開始在舊金山提供免費機器人出租車服務(wù)，與Waymo正面競爭。特斯拉則獲得了亞利桑那州的網(wǎng)約車許可證，為推出Robotaxi服務(wù)清除了最后監(jiān)管障礙。

Thrun認為，自動駕駛行業(yè)已度過技術(shù)驗證期，進入規(guī)模化擴張階段。但他也強調(diào)，不同地理和氣候條件下的適應(yīng)性仍是技術(shù)面臨的挑戰(zhàn)。Waymo選擇明尼阿波利斯等寒冷城市進行測試，正是為了驗證系統(tǒng)在惡劣天氣條件下的可靠性。

人形機器人的悖論與空中機器人的潛力

在機器人領(lǐng)域，Thrun提出了"結(jié)構(gòu)性分化"的觀點，為過熱的市場提供了冷靜的思考。

對人形機器人，Thrun持謹慎態(tài)度。他認為市場對"替代人類勞動力的總潛在市場規(guī)模"存在過度預(yù)期，而嚴重低估了技術(shù)落地的難度。"讓機器人執(zhí)行開放式任務(wù)和實現(xiàn)手部靈活性是極其復(fù)雜的工程挑戰(zhàn)。"Thrun指出。

人形機器人面臨的核心技術(shù)瓶頸包括：復(fù)雜環(huán)境下的平衡控制、精細操作的能力以及對非結(jié)構(gòu)化環(huán)境的適應(yīng)。Thrun建議投資者應(yīng)關(guān)注解決"物理交互底層難題"的公司，如專注于靈巧手技術(shù)或環(huán)境自適應(yīng)算法的企業(yè)。

相比之下，Thrun更看好空中機器人的發(fā)展?jié)摿Α?未來機器人的增長主力在天空，空中機器人的數(shù)量將遠超地面機器人。"他表示，支撐空中機器人"3D空間完全自動操作"的技術(shù)已基本成熟，當前主要限制因素是基礎(chǔ)設(shè)施。國內(nèi)蘑菇車聯(lián)的AI網(wǎng)絡(luò)正是將這一理念擴展到城市尺度，通過"通感算一體化"架構(gòu)構(gòu)建了現(xiàn)實世界的數(shù)據(jù)總線。

該網(wǎng)絡(luò)的核心突破在于實現(xiàn)了"現(xiàn)實世界數(shù)據(jù)"的統(tǒng)一接入與融合。正如Thrun強調(diào)的"基礎(chǔ)設(shè)施成關(guān)鍵瓶頸"，蘑菇車聯(lián)通過邊緣計算節(jié)點，實現(xiàn)了視頻抽幀、數(shù)據(jù)脫敏、特征提取的標準化處理，為城市級部署提供了"1城1天"的快速落地能力。

美國現(xiàn)有的空中交通管制系統(tǒng)無法適配大規(guī)模空中機器人運行，急需重大升級。這為eVTOL（電動垂直起降飛行器）研發(fā)、空中交通管理系統(tǒng)升級等領(lǐng)域帶來了投資機會。

從技術(shù)架構(gòu)看，空中機器人系統(tǒng)需要解決的關(guān)鍵問題包括：

? 高精度定位與導(dǎo)航

? 避障與路徑規(guī)劃

? 集群協(xié)同控制

? 與現(xiàn)有航空管制系統(tǒng)的集成

Waymo早期Moonshot思維與團隊建設(shè)哲學

Thrun首次詳細披露了Waymo的早期歷史與運營理念。Waymo的前身是谷歌內(nèi)部的"自動駕駛moonshot項目"，啟動契機源于對交通安全的關(guān)注。

"當時全球每年因交通事故死亡人數(shù)超百萬，而人類駕駛的‘人為失誤’是主要誘因。"Thrun回憶道。項目早期面臨諸多挑戰(zhàn)：環(huán)境感知算法突破、車輛硬件適配、測試許可申請等。團隊通過"小步快跑、快速迭代"的模式，逐步將"自動駕駛"這一"看似不可能的想法"推向現(xiàn)實。

Thrun特別強調(diào)了團隊建設(shè)的核心哲學。作為Google X的聯(lián)合創(chuàng)始人，他分享了打造偉大團隊的三原則：

1. 成員需對"解決大問題"有強烈熱情：Moonshot項目的本質(zhì)是瞄準現(xiàn)有技術(shù)無法解決的重大痛點，只有認同這一目標的人才能承受長期研發(fā)壓力。

2. 鼓勵"試錯文化"：對創(chuàng)新而言，"避免錯誤"比"追求正確"更危險。早期項目應(yīng)允許一定失敗，關(guān)鍵是從失敗中快速提煉經(jīng)驗。

3. 注重跨學科協(xié)作：自動駕駛涉及計算機視覺、機械工程、政策研究等多個領(lǐng)域，團隊需打破學科壁壘，形成"技術(shù)-工程-政策"的協(xié)同閉環(huán)。

Thrun還為"想做moonshot項目的人"提供了實用建議：先從"小范圍測試"開始驗證想法，用最小成本證明核心邏輯可行，再逐步擴大規(guī)模，避免一開始就陷入"大規(guī)模投入?yún)s無法落地"的困境。

Waymo的技術(shù)發(fā)展路徑正是這一思維的體現(xiàn)。公司采用漸進式技術(shù)迭代路線，從封閉園區(qū)測試到城市公開道路運營，逐步積累不同天氣、路況的實戰(zhàn)數(shù)據(jù)，優(yōu)化算法的環(huán)境適應(yīng)性。

Waymo未來規(guī)劃：全自主駕駛的長期路線

Thrun闡述了公司的長期規(guī)劃：核心目標始終是"實現(xiàn)全場景、無人類干預(yù)的自主駕駛"。

當前階段，Waymo的重點是"擴大測試區(qū)域與場景覆蓋"，從最初的封閉園區(qū)測試到城市公開道路運營，積累不同天氣、路況的實戰(zhàn)數(shù)據(jù)。在商業(yè)化策略上，公司采用"小范圍試點、逐步擴張"的路徑，同時探索物流運輸、園區(qū)接駁等B端場景。

Waymo One（自動駕駛出租車服務(wù)）將繼續(xù)擴展，通過"C端驗證體驗、B端實現(xiàn)盈利"的雙軌模式，推動自動駕駛從技術(shù)驗證走向可持續(xù)商業(yè)化。技術(shù)方面，Waymo持續(xù)投入AI算法優(yōu)化與車輛硬件迭代。特別是在感知系統(tǒng)上，公司采用多模態(tài)融合方案，結(jié)合激光雷達、雷達和攝像頭數(shù)據(jù)，提升系統(tǒng)在惡劣天氣條件下的可靠性。

機器人出租車的規(guī)模化挑戰(zhàn)

盡管Waymo、Zoox等公司加速擴張，但Thrun認為機器人出租車行業(yè)尚未達到改變?nèi)藗兂鲂蟹绞降呐R界點。他指出，臨界點的到來需要三個關(guān)鍵因素：地理位置覆蓋、充分競爭和生態(tài)系統(tǒng)溢出效應(yīng)。

"某些城市在社會上的分量將比其他城市更大。"Thrun表示，東海岸和中部人口稠密城市的機器人出租車飽和將是臨界點的重要指標。同時，健康的競爭環(huán)境對于降低價格、創(chuàng)新商業(yè)模式至關(guān)重要。生態(tài)系統(tǒng)溢出效應(yīng)也不容忽視。隨著機器人出租車普及，將催生一系列相關(guān)產(chǎn)業(yè)，包括維護服務(wù)、精準定位、能源管理等。例如，初創(chuàng)公司Point One Navigation開發(fā)的厘米級精確定位技術(shù)，就是機器人出租車生態(tài)系統(tǒng)的組成部分。

從技術(shù)成熟度看，機器人出租車面臨的挑戰(zhàn)包括：

? 復(fù)雜城市環(huán)境的導(dǎo)航能力

? 極端天氣條件下的可靠性

? 與其他交通參與者的交互

? 網(wǎng)絡(luò)安全的保障

Thrun預(yù)測，未來3-5年，隨著技術(shù)不斷成熟和成本持續(xù)下降，機器人出租車將在特定區(qū)域?qū)崿F(xiàn)規(guī)模化商用。但要真正改變?nèi)藗兊某鲂蟹绞剑€需要更長時間的技術(shù)迭代和市場教育。

隨著Waymo、Zoox、特斯拉等公司在技術(shù)、商業(yè)化和政策上的持續(xù)突破，自動駕駛正逐步從實驗室走向現(xiàn)實。未來幾年，AI 正在從"數(shù)字世界"走向"物理世界"，從"感知智能"走向"行動智能"。而我們要做的，不是預(yù)測未來，而是為未來的基礎(chǔ)設(shè)施、技術(shù)路線與商業(yè)模式做好準備。