Waymo Reveals Its Robotaxi Compute Brain

🔑 增強重點摘要

•Waymo 自 2009 年以來一直與 Intel 合作，將其技術整合到自駕車的感測器處理、通用運算和連接平台中，並為 Waymo 的感測器融合技術開發客製化晶片。
•Waymo 的第六代 Waymo Driver 於 2026 年 2 月推出，將更多的處理複雜性轉移到 Waymo 的客製化晶片上，並將攝影機數量從 29 個減少到 13 個，以提高效率並降低成本。
•Waymo 的車載電腦被稱為「Waymo Driver 的大腦」，結合了最新的伺服器級 CPU 和 GPU，能夠即時處理來自數十個感測器的資訊，識別物體並規劃安全路線。
•Waymo 的第五代硬體套件於 2020 年 3 月發布，顯著提高了光達解析度，並引入了用於自動駕駛的成像雷達系統，將整體成本比上一代降低了 50%。
•Waymo 的自動駕駛系統採用「教師-學生」模型架構，其中一個大型的、基於 Gemini 的「教師」模型在 Alphabet 的運算叢集上訓練，然後將其能力蒸餾到更小、更快的車載「學生」模型中，這些模型是實際在車輛上即時運行的視覺語言模型 (VLM)。

📊 競品分析▸ Show

公司	感測器策略	車輛設計	晶片/運算平台	商業模式/特點
Waymo	多感測器融合 (光達、攝影機、雷達)，自研感測器，客製化硬體/軟體	改裝現有車輛 (Jaguar I-PACE, Zeekr Ojai)，無方向盤/踏板的專用車輛 (Ojai)	Intel CPU/FPGA，客製化晶片，可能使用 Google TPU	叫車服務 (Waymo One)，貨運服務 (Waymo Via)，注重安全，逐城部署
Zoox	多感測器融合 (光達、攝影機、雷達)，360° 重疊視野	專用打造的未來感車輛 (無方向盤/踏板)，對稱設計可雙向行駛	未明確說明，但為亞馬遜旗下子公司，垂直整合	叫車服務，垂直整合的移動服務，設計用於純機器人計程車服務
Tesla	純視覺 (僅攝影機)，不使用光達/雷達/超音波感測器	改裝現有車輛 (Model Y)	Nvidia GPU 和自研 Dojo 晶片	叫車服務 (有限區域)，注重可擴展性，依賴 AI 模型訓練
Cruise	自研平台，自研感測器 (趨勢)	未明確說明，但為通用汽車旗下子公司	未明確說明	叫車服務，有安全操作員在場 (過去)
Baidu Apollo Go	多感測器融合	未明確說明	未明確說明	叫車服務 (中國市場)，Waymo 在叫車量上的主要競爭對手

🛠️ 技術深入

運算能力: 機器人計程車電腦每秒最多可執行一千兆次運算 (原始文章)。
處理器與晶片: Waymo 的運算平台自 2009 年起便採用 Intel 技術，包括 Xeon 處理器、Arria FPGA、Intel Gigabit Ethernet 和 Intel XMM LTE 調變解調器。 Waymo 也開發了客製化晶片，並在第六代 Waymo Driver 中將更多處理複雜性推向這些客製化晶片。
感測器套件 (第五代): 包含高解析度 360 度光達 (範圍超過 300 公尺)、具有高動態範圍和熱穩定性的攝影機 (可視距離超過 500 公尺)、以及具有更高解析度和更寬視野的成像雷達系統。
感測器套件 (第六代): 透過客製化晶片和光學設計，將攝影機數量從 29 個減少到 13 個，光達從 5 個減少到 4 個，雷達數量維持 6 個，同時提升了在更遠距離、更高保真度和更強韌性下的感知能力。
系統架構: Waymo Driver 是一個結合硬體、軟體和運算的綜合系統，其軟體架構涵蓋了地圖繪製、感測、感知、定位、規劃、預測、控制、執行和模擬等模組。
冗餘系統: 關鍵駕駛系統具備冗餘設計，包括帶有獨立控制器和獨立電源的備用轉向馬達系統、完整的備用煞車系統，以及獨立的備用電源。
AI 模型: Waymo 世界模型 (Waymo World Model) 基於 Google DeepMind 的 Genie 3，能夠生成高擬真、多感測器輸出 (包括攝影機和光達數據)，用於模擬訓練罕見的邊緣案例。 Waymo Foundation Model 則用於無縫結合具體化的世界狀態表示和感測器模擬，以創建大規模、超現實且物理正確的虛擬環境。

🔮 前景展望AI analysis grounded in cited sources

Waymo 將加速其在更多元環境中的部署。

第六代 Waymo Driver 的設計擴展了在極端冬季天氣等環境中的能力，並透過客製化晶片降低成本，優化了擴展性。

自駕車產業將更傾向於垂直整合的硬體與軟體開發。

Waymo 持續投入自主研發關鍵感測器和客製化晶片，以實現硬體與軟體系統的深度整合，提升整體性能並控制成本，這與其競爭對手 Zoox 的策略相似。

模擬訓練將成為自動駕駛技術規模化部署的關鍵。

Waymo 世界模型（基於 DeepMind 的 Genie 3）能夠生成高擬真、多感測器輸出，並模擬極端罕見事件，大幅提升了 Waymo 在現實中難以大規模捕捉的場景下的訓練能力。

⏳ 時間線

2009-01

Google 啟動自駕車專案 (Waymo 的前身)。

2016-12

Google 自駕車專案更名為 Waymo，並從 Alphabet 分拆出來。

2017-09

Waymo 宣布其自駕車隊使用 Intel 晶片技術，包括 Xeon 處理器和 FPGA。

2020-03

Waymo 推出第五代自駕系統，大幅迭代感測器，包括新的自研光達、毫米波雷達和攝影機，並將整體成本降低 50%。

2026-02

Waymo 推出第六代 Waymo Driver，將更多處理複雜性推向客製化晶片，並減少攝影機數量以降低成本。

2026-06

Waymo 推出基於吉利 Zeekr 平台的新型機器人計程車「Ojai」，進一步優化感測器數量和成本。

Waymo 揭開機器人計程車的運算大腦

⚡ 30-Second TL;DR

關鍵要點

🧠 深度解析

🔑 增強重點摘要

🛠️ 技術深入

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線

📎 來源 (27)

👉相關動態

Tesla 奧斯汀機器人計程車全面無人駕駛

Waymo 打造自研晶片，提升 Robotaxi 效能

Greg Brockman 悄然掌握 OpenAI

HiLight Studio 讓 Pixel 通知 LED 真正派上用場