Waymo 的受伤率低了五倍，却仍输给一辆 Lyft

Nathan Labenz 请来《Understanding AI》的作者 Timothy B. Lee，在《The Cognitive Revolution》节目里用两个小时带听众梳理自动驾驶行业。Lee 从 2016 年起就在跟踪这个领域，从硬件技术栈、商业模式，到真正改变局面的监管争斗，都很熟悉。Labenz 自己的关切很简单：开车是他经常做的最危险的事，他想知道什么时候能在去外婆家的路上，安心在车里睡一觉。

Lee 并不觉得官方的 SAE 等级有多大用处。等级 1 是普通的定速巡航；等级 2 是驾驶辅助；等级 4 是在限定区域内完全无人驾驶；等级 5 则是能去任何地方的神话式汽车。他最不喜欢的是等级 3，也就是人和车分担责任的中间状态：车大多数时候自己开，等它搞不清楚时再把控制权交还给人。这对用户体验是噩梦，要是你正转身给孩子系安全座椅，它还会变成安全噩梦。

他更简单的划分是两类车。驾驶辅助，包括特斯拉的 Full Self-Driving，能承担大部分工作，但人在法律上仍然负责：手要放在方向盘上，眼睛要盯着路。完全无人驾驶的车，比如 Waymo 的车，驾驶位上没有人，责任由公司承担。到目前为止，第二类车总是伴随着地理围栏（geofence）。Lee 认为等级 5 没有实际意义。服务总有范围，就像手机即使在阿拉斯加的偏远地区没有信号，它依然是真正的手机。

限制并不在于网络连接，而在于地图、出租车牌照，还有一个不起眼的事实：无人驾驶的车一旦卡住，总得有人去维护。任何提供服务的公司，都有开展业务的地方和不开展业务的地方。Lee 说，真正遍布各处的服务，还远得很。

Labenz 上一次用特斯拉 FSD，大约是一年前：一趟八小时的往返，送外婆回家，那也是他们两人第一次用。系统拴得很紧。后视镜上的摄像头盯着驾驶人是否清醒，方向盘会要求施加一点扭矩。只要一走神，车子就会靠边停下，并关闭这项功能。他对此印象极深，尤其是在高速上。

错误集中在含糊的场景里：一个停车标志可能被理解成面向两个方向中的任何一个，还有一次在高速出口匝道上，车子停下来，其实根本不该停。他还继承了邻居的习惯：超速 20%。后来他才发现，自己曾在夜里下雨时，在限速 70 英里的路上开到 84 英里。Lee 自己最近的一次测试，是 3 月在旧金山开了 45 分钟，用的是 12.5 版本，那是特斯拉大幅转向神经网络之后、最新版本之前的版本。他接管了两次：一次是车子快要撞上自行车道上的塑料隔离桩，另一次是它开进了错误的车道，想切入满是车的车流，后面的车一路按喇叭。

Lee 一直把注意力放在责任归属上，而不是 SAE 的标签。即便特斯拉放松对驾驶人的监控，撞车后被追责的，依然是本应注意路况的那个人。Waymo 则是另一种产品。Labenz 在旧金山用了一款类似优步（Uber）的应用，过不了大桥去奥克兰机场，他发现对新手来说最难的一步，是在应用里解锁车门。然后驾驶座上空无一人，只有一块牌子提醒别碰控制器。几分钟之内，他就在红灯前低头看手机，还得提醒自己要看路。

大约一小时的行程下来，他说这趟车比普通的优步舒服，只是没有最好的人类司机那么拼，抢黄灯的劲头不足。Lee 今年已经坐过九次 Waymo，共约三个小时，一次小错误都没见过。前两次他会拍视频、盯着看；到第五六次，他已经在看书了。众包收集的特斯拉 FSD 数据显示，平均大约每 300 英里仍需要人工接管一次。而 Waymo 在 2016 年还是谷歌的自动驾驶项目时，就已经报告过每 5000 英里接管一次。

Lee 从 2016 年起就在报道这个行业，那时 Waymo 还是谷歌的自动驾驶项目，每年都要向加州监管机构提交接管报告（disengagement report）。2016 年，安全员（safety driver）平均每 5000 英里接管一次。2017 年 2 月，它公开了这一数字。Lee 说，这里面可能有挑选数据的成分，但公司是真心认为自己已经准备好了。2018 年，它向克莱斯勒和捷豹订购了 6 万辆车，并预计会在全国推出出租车服务。那次发布仍保留了两年的安全员。2020 年，真正的无人驾驶服务规模依然很小；真正的大规模，要等到最近一两年。

剩下的工作主要是边缘情况，尤其是紧急现场。在普通道路上，有车道、红绿灯和规则。在事故或火灾现场，交警会改用完全不同的方式指挥交通，附近每辆车的表现也都不一样。系统必须做反事实推理：这辆车想要驶离，所以我该停下；那个手势表示停车。这类场景可能每 1 万到 10 万英里才出现一次。有安全员在，这不过是耸耸肩的事；没有安全员，车就必须自己应付。

Lee 说，一辆能在 99.9% 的时间里正常工作的无人驾驶车，仍然会频繁卡住，有时还会撞到人。这远远不够。Waymo 过去五年的努力，就是从大约 99.5% 爬到一个看起来能作为可行服务的水平。在他看来，特斯拉还处在同样苦功的起点。Labenz 的邻居天天用 FSD，他说车子不会做非常规动作：比如后面有车即将追尾时，它不会向前挪一点给对方让出空间。Lee 设想，特斯拉如果遇到事故现场，要么会卡住，要么会提醒驾驶人接管。

问题在于罕见。学习型系统要见到足够多的真实事故，就需要海量里程；而测试场里的人没办法随机布置几十辆车的各种组合。特斯拉车主让情况更糟：遇到混乱场景时，他们的本能是在软件还没来得及尝试和失败之前，就先把 FSD 关掉。接管之后的人工驾驶仍会被记录，但它的价值，远不如一位会让系统去犯错的专业安全员。问题往往不在于那一秒你会不会撞到人，而在于某个选择，会不会在三秒后让整条路堵死。

Lee 把标准架构讲成三层。感知（perception）把传感器数据变成一个世界模型（world model）：物体、位置、速度、类型。预测（prediction）回答的是：未来一到三秒，世界会是什么样子。在路口，对向车辆还没出现在你面前时，这一步至关重要。规划（planning）则搜索一条不发生碰撞、能到达目的地的路径。他认为，简单地模仿人类转向的短视野方法行不通，因为人在开车时，脑子里本来就在运行一个预测器。

五到十年前，Waymo 和 Cruise 的技术栈里满是手写规则。现在其中越来越多的部分已经被神经网络（neural networks）取代，但 Lee 仍然认为，网络的数量只有个位数：几个感知网络，几个规划网络，论文讲的也都是各个部件，而不是从像素到油门刹车的一整块。他不确定走到那一步是否真有意义。驾驶对可靠性的要求，远高于语言模型，而工程师希望能检查隐含的世界模型：车子看到的是否就是真实存在的东西，它的预测是否合理？分层之后，每一层都可以用真值单独训练。

特斯拉谈到端到端（end-to-end）网络。Lee 怀疑它是不是真的从传感器一直到转向都只有一个网络，不过他看不到内部细节。两家公司都已经在仪表盘上显示带标注的世界模型，光是看它的运行，就足以让人吃惊。Labenz 提出了一个“有保证的安全 AI”框架：世界模型、明确的安全规范、验证器，这接近 Mobileye 的 Responsible Sensitive Safety 标准。Lee 喜欢这种直觉，并认为 Waymo 也有隐含的规则，比如不能超过某个加速度。难点在于，车子还必须准时到达，不能把所有人都惹恼。在城市街道上，纯粹保守是安全的，但它会造成堵塞，堵住消防车，作为产品也行不通。

传感器之争如今已经成了流行说法。特斯拉在一两年前放弃雷达，改用纯摄像头，大约八到十二个。Waymo 三种都用：车顶的远距激光雷达（lidar），车身周围四到六个近距广角激光雷达，用来发现保险杠前的孩子或宠物，外加摄像头和几个雷达（radar），总共 20 到 30 个传感器。雷达可以直接测量速度，在高速上很有用。激光雷达发出激光并计算回波的时间，所以距离是测出来的，而不是猜出来的，输出是三维点云。摄像头给出的是二维图像，三维结构是推断出来的。

Lee 不买网上那种“摄像头已经赢了”的共识。激光雷达买来要花钱，维护也要花钱；如果摄像头明显足够好，它当然更可取。目前还没人展示出一套“明显”非常安全的系统，所以各家公司都在安全与成本的曲线上各自选点。Waymo 选择了更高的成本，希望换来更高的安全。说纯摄像头才能解锁深度学习，在他看来是一种误解：网络同样能吸收激光雷达的数据。视觉可以通过视差估计点云，平均情况下几乎一样好。问题在于失败模式：算法读错一个陌生物体时，身份判断错误和距离判断错误是一起出现的。激光雷达哪怕再笨拙，也仍然会告诉你，前方多少米处有这么大的东西。

如果他是一家自动驾驶公司的 CEO，他说他会对摄像头“非常紧张”：摄像头可能 99% 的时候都能工作，而剩下的 1% 就会造成一笔 1000 万美元的损失。这是个经验问题。如果特斯拉在未来两三年里持续快速进步，摄像头也许就够了；但它还没有拿出这样的证据。更深层的限制在于商业模式。2016 年，特斯拉开始销售“具备完全自动驾驶能力”的汽车时，激光雷达的成本大约是 5 万美元，而只有 10% 到 30% 的买家会付费购买这项软件。你不可能给每辆零售车都装上 1 万美元的传感器。Waymo 是一家垂直整合的出租车公司，只有几百辆车，因此昂贵的激光雷达还负担得起，它押注的是规模化会把价格打下来。

这也改变了对特斯拉数据优势的看法。它的车队规模庞大，车辆甚至可以在本地搜索罕见的图像，比如车尾行李架上绑着一辆自行车。Lee 认为，Waymo 的数据少，但质量更高：精确的激光雷达，加上专业安全员会标记他们为什么接管，是车子出错，还是去洗手间，这是一个干净得多的学习信号。其他汽车厂商计划在激光雷达变便宜后加入。Lee 预计特斯拉最终也可能跟进，不过马斯克“很坚持”。像 Comma.ai 那样的后装套件，一个挡风玻璃摄像头，加上插到车载网络上的接口，在他看来只是业余爱好者的二级自动驾驶项目，而不是长期的形态。

特斯拉的支持者常说，Waymo 被昂贵的高精地图绑住了，而特斯拉只靠纯摄像头开车。Lee 认为，这个差距比修辞所说的小。传统上，Waymo 保留着消防栓、树木和其他物体的精细三维地图；特斯拉没有。他认为，成本批评最终会被证明是夸大的，因为采集过程会自动化。进入一座新城市的第一轮，仍然需要一次测绘行驶；之后车队本来就在这些街道上。Lee 三月去 Waymo 参观时，看到后备箱里有一块硬盘，夜里会把数据上传到总部。清洗和标注也应该会越来越自动化。

特斯拉已经收集车队数据，用来构建三维模型，供仿真和测试使用，它的可视化还能显示当前摄像头画面里根本看不到的车道。两套技术栈都要依照地图去往一个地址。Lee 预计两种方法会趋同。他不认为汽车必须一直在线才能导航。Waymo 并未在全国运营，旧金山的本地副本完全装得下；长远来看，他设想的是一个大约 100 英里的滚动范围，夜里下载。他相当确定，关乎安全的推理仍然要留在车上完成。

真正通过网络传输的，是帮助，而不是远程司机。Waymo 说过，没有人坐在有方向盘和踏板的地方。车子搞不清楚时，会请求确认：我计划做 X，这样安全吗？如果断网的时间够长，它可能会因为谨慎而慢慢停下，有些 Cruise 的车就是这样，打着双闪停在路上，堵住了交通。Labenz 问，实时参与的人会不会为了长时间的谜题（比如找到车道式取餐入口）去调用视觉语言模型。Lee 没有见过把这当作安全关键路径的做法。已经倒闭的初创公司 Ghost 曾在这个方向上做过尝试；如今的领先者会把危险的循环留在本地。

Cruise 当时在追求与 Waymo 相同的无人出租车模式，增长速度也差不多，但 2023 年业内人士都有些紧张。它的技术看起来落后，这对一家年轻的公司来说还能理解；通用汽车（GM）的资金充裕，但比不上谷歌那么雄厚。福特已经关掉了 Argo，那是它自己的 Cruise 式公司。Lee 认为，CEO Kyle Vogt 感受到了证明商业模式的压力，推得有点太猛了。这不算“一次安全事故就让整座纸牌屋倒塌”。2023 年 10 月的那起事故依然很惨：一辆人类驾驶的车撞了一位女性，她的身体弹到了 Cruise 车前，Cruise 没能及时停下；停下后，它又拖着她往前挪了好几英尺，才靠边停车。

Lee 讲的是，真正激怒监管机构的，是事故之后的处理。官员说，Cruise 只展示了撞击的片段，没有展示拖行的画面；Cruise 对此予以否认。此前，一辆卡住的 Cruise 还被指控堵住了一辆救护车。Lee 看到了一段内部“上帝视角”视频，条件是他不能截图，也不能拿到示意图。他形容这家公司处在“辩护律师模式”里，没有转向向公众解释。2023 年 10 月事故后，加州要求它停止运营；此前 8 月的一起消防车事件，已经让车队规模减少了一半。Cruise 随后主动暂停了奥斯汀和凤凰城的服务。现在它在休斯敦、达拉斯和凤凰城用安全员测试，比 2020 年就实现无人驾驶的 Waymo 落后三四年。Lee 仍然认为它是一个可能的第二名，只是落后得多。

其他公司还处在更早的阶段。在西方，拿掉安全员仍是衡量信心的里程碑，目前只有 Waymo 做到了。亚马逊旗下的 Zoox 和现代汽车支持的 Motional 仍在测试，还没有运行商业化的无人驾驶服务。英国公司 Wayve 融资约 10 亿美元，押注端到端的基础模型，并加入文本和图像，让人能和车对话，希望授权给丰田级别的整车厂。Aurora 已经从授权故事转向长途货运，并表示年底前将在休斯敦和达拉斯之间运行 18 轮货车。这是 Lee 如果当 CEO 会紧张的场景，因为失败的模式会非常惨烈。Nuro 由谷歌自动驾驶团队的前员工创办，正在造洗衣机大小的配送机器人，时速 20 到 30 英里；瓶颈不在车载安全，而在于找到既有超市又有住宅街道、且没有高速路的社区。中国（包括百度）可能已经以相当规模提供类似 Waymo 的空车载客服务，但 Lee 无法在语言障碍和有限的媒体报道之下核实其安全记录。

先看人类的基准线，因为没有它，任何公司的数字都没有意义。人类驾驶的车大约每 1 亿英里发生一起致命车祸。Waymo 已经完成了约 2000 万英里的无人驾驶里程，致命事故为零。这听起来很完美，但还不是它更安全的证据：在这个里程下，即使是一般的车，也只会出现一小部分死亡事故。受伤事故大约每 30 万到 200 万英里发生一次，而需要报警处理的事故（足够严重到要写报告，不一定有人受伤）也落在相近的范围内。

Waymo 12 月的报告涵盖了 700 万英里，出现了两到三起受伤事故，大约每 240 万英里一起。与同一都市圈中类似道路上的人类司机相比，大约每 35 万英里一起。也就是说，受伤方面大约安全五倍。按报警事故计算，它看起来安全约两倍半：Waymo 每 50 万英里一起，人类是每 20 万英里一起。Lee 认为这是还不错的证据，也很令人印象深刻。但他还不愿意给致命事故下结论。严重事故太罕见了，一个每 5000 万英里出现一次的随机漏洞，可能会致人死亡，却不会出现在轻微剐蹭的统计里。他的猜测是，Waymo 更安全，而且可能是明显的更安全。他想要 2 亿到 4 亿英里之后，致命事故的说法才能在统计上站得住。

更有说服力的版本，来自更早的一项研究，在 400 万英里时，由瑞士再保险参与完成。这家再保险公司持有多年美国汽车保险理赔数据库，因此可以把 Waymo 的实际区块对应起来，而不是拿全国平均值比较。它发现，在受伤和需报警事故上，Waymo 也有大约两到三倍的优势。Lee 喜欢一家以定价风险为业的公司，把自己的名字签在论文上。特斯拉的安全网站称，Autopilot 大约每 700 万到 750 万英里才发生一次事故，远好于人类。Lee 的异议在于里程结构的缺失：高速公路的事故少，但更严重；城市街道则更乱。驾驶人可能只在最容易的环境里开启 Autopilot。而且特斯拉没有像 Waymo 那样，把数据交给独立专家检验。

众包的 FSD 日志目前显示，平均大约每 300 英里需要一次接管。这会让任何在 100 英里路线上坐车的人惊叹，但离人类水平仍然很远，更不用说八年前 Waymo 的 5000 英里数字。Lee 不断遇到有人完成了 20 英里的试驾，没见到任何错误，就宣布问题已经解决。人类司机同样能把这类 20 英里的行程做对 99%。你需要几千英里。即便是 300 英里这个数字，也可能被那些只在自己已经信任的道路上开启 FSD 的人夸大了。

Labenz 原先的预设是，社会会要求自动驾驶车辆在放行前达到数量级的安全优势，而监管者会是束缚。Lee 的图景几乎正好相反。美国国家公路交通安全管理局（NHTSA）已经开始要求全国范围的事故报告，这比只有加州的数据好，但全国仍缺少分母：驾驶了多少英里，开启 FSD 的英里数是多少。加州最近批准 Waymo 一路开到旧金山半岛南部，进入硅谷。几个月过去，公司还没有开通。Lee 的判断是，Waymo 对高速公路没有信心，而不是缺一张许可证。

美国的车辆设计仍依赖自我认证。NHTSA 发布《联邦机动车辆安全标准》；汽车厂商按照清单测试，然后提交报告。Waymo 买的是已经认证的车，再在后备箱里加装传感器和计算机，所以它也继承了这些手续。各州管理驾驶人、驾照和交通法规。加州是最严格的之一，有报告和许可要求，但那些许可并没有那么难拿。德州则开放得多。Cruise 在德州测试，部分原因是觉得加州太紧，但 Lee 认为，诉讼风险依然比监管机构破门而入的分量更重。Cruise 的停摆既有压力，也有选择：加州要它停止，而它又自愿暂停了其他城市。

如果这些金标准数字大致属实，为什么没有全国性的庆祝？Lee 认为，瓶颈不在需求。技术还没有完全做好，而且垂直整合的车队（需要车场来充电、清洁和维修）扩张得很慢。Waymo 两年前还只在凤凰城运营，大约 18 个月前加入了旧金山，现在已在洛杉矶和奥斯汀。过去一年，它的规模扩大了三到五倍。如果保持这种速度，全国覆盖就是五到十年的事，类似优步和 Lyft 从旧金山慢慢爬出去的过程。特斯拉一次软件更新，理论上可以让每辆车都变成无人驾驶，速度可能更快；Lee 认为，主要障碍不会是法律。他认为特斯拉在技术上还没有准备好。

人们听到“自动驾驶汽车”，会想到一种你买下来、按下按钮、就能去任何地方的车。那不是这个产品，所以他们会把 Waymo 归为研究原型。更尖锐的产品问题是高速公路。Waymo 的城市安全策略是：拿不准，就停下。在城市街道上，这通常是安全的，剩下的工作是尽量少停，以免惹恼车流。可是在每小时 70 英里的速度下，这套做法行不通：你来不及停，会有被追尾的风险，还会造成堵塞。兜底方案必须是最小风险状态：停到路肩或下一个出口，这可能意味着车上带着问题再开半英里。

Waymo 今年早些时候在凤凰城开始了高速测试，尚未商业化。在此之前，Lee 不觉得这项服务作为日常交通很有吸引力。每次他在旧金山叫 Waymo，也会同时在 Lyft 上查同一段行程。Waymo 总是稍贵，也总是慢五到十分钟。如果 Lyft 会走高速，差距就会很大。一段凤凰城的视频比较了 Waymo 服务区内最长的一趟行程：特斯拉走高速约 20 分钟，Waymo 走地面道路要 40 分钟。有些乘客愿意为新鲜感付费，或者为了不与陌生人同乘一个车厢而付费。Lee 认为，在高速公路问题解决之前，这门生意是赚不到钱的。“我不认为它们在搞定高速公路之前会盈利。”

被问到机器人出租车的“战时产业政策”会是什么样子时，Lee 对大多数方案都不以为意。由上级统一管理地方许可的争端，也许能起些边际作用；加州已经推翻了那些想要自行审批的城市的做法。重修街道、增加自动驾驶车道，或者在基础设施中撒上传感器，都解决不了长尾事件（fat-tail），比如事故现场，或者 Cruise 曾经开进去的湿水泥。真正在旧金山起作用的，是与第一响应者的操作规程：911 和消防部门可以把一个火场划成地理围栏，Waymo 会自动绕开；消防员也可以跳进一辆卡住的车，亲自开走。为这些地方性接口制定一套联邦模板，会很有用。一个包含 GPS 坐标的停车标志和规则公共数据库，会很好，或许能快上百分之几。但它不是阻碍这个行业的主要因素。

Lee 过去以为自动驾驶会终结私家车。他的看法有所降温。人们喜欢儿童安全座椅、后备箱里的高尔夫球杆，还有车就停在车库里的那份踏实。出租车应该会更便宜，所以变化应当是拥有的车少了、乘车的人多了，而不是拥有率降到零。他的市场图景是分步走的。Waymo 先在全国扩大出租车的服务范围；等服务区覆盖全国的大约 50% 到 70%，它就可以把系统卖给汽车厂商，推出一种每月约 100 美元的内置订阅，让家用车在地图范围内自己开。他认为这大约是十年的故事。Wayve 也许会靠授权走到这一步。

他对特斯拉的无人出租车说法持怀疑态度。马斯克的版本是：你买车，出门度假，让它替你赚钱。可总得有人去修爆胎。特斯拉不在运营这门生意里，而且 Lee 认为，它还没有开始建设网络。这可能需要好几年，他也不确定公司文化是否合适。谷歌作为母公司，做这类脏活也有点别扭：它习惯了高利润的软件、顶级的人才，不去纠结单位成本。他能想象技术栈完美运行，但服务的成本仍比优步高出 50%。Lyft 本来就保留大约一半的车费来养一个庞大的工程团队。可能的答案包括特许经营、Avis 式的车场合作伙伴（Waymo 大约在 2018 年在凤凰城尝试过类似的做法）、授权软件，或者干脆把大部分 Waymo 交给优步和 Lyft 调度，它们已经花了十年和几十亿美元，建成了双边的网约车平台。亚马逊通过 Zoox 已经运营着约一百万辆车。Lee 不会把它排除在快速跟进者之外。

在这段叙述里，特斯拉 1.5 万美元的 FSD 价格从来不是主要瓶颈。它是三到五年前融资收紧时期的一次现金募集，公司现在正转向每月约 100 美元的订阅，Lee 认为这才是服务该有的形态。野蛮生长的融资潮是 2016 到 2018 年；如今这个行业进入了整合阶段，二线公司在有人证明市场可行之前不会再融资。他在大语言模型中看到了同样的模式，只是压缩得更快：很多公司都能做出 90% 的演示，而最后那 10%，正是自动驾驶教会他害怕的地方。区别在于语言模型不会撞死人，所以即使不完美也能用。驾驶必须接近完美，否则就不是产品。被问到 Labenz 的底特律和 Lee 的华盛顿，谁先迎来无人出租车时，Lee 立刻回答：华盛顿。高速公路少，测试已经在进行，而 Waymo 的推进路线是加州、亚利桑那、得州，大致由南向北。华盛顿为数不多的几个雪天，在他看来仍然算是够南方。