AI模型的每一次重要更新，都会在开发者与产业界引发连锁反应。01. 自动驾驶已经能够完成任务，为什么还不能直接成为产品。Waymo 的 Demo 只用了 18 个月所展现出的能力与定位，既关乎技术路线的选择，也影响着应用落地的节奏。鱼传观闻将核心信息整理如下，供读者参考。
本文来自PRO会员通讯内容，文末关注「机器之心PRO会员」，查看更多专题解读。
自动驾驶一度被认为会快速普及，如今全无人出租车仍只在少数城市运营。Waymo 联席 CEO Dmitri Dolgov 回顾了团队从早期 Demo 到无人驾驶服务规模化运营的研发历程。其团队仅用约 18 个月验证车辆完成自动驾驶任务的能力，却又花费约 15 年建立并扩大无人驾驶服务。以构建长期可靠的自动驾驶系统为前提，产品研发需要让 Demo 的能力在在开放环境和车队规模下长期成立，并持续处理硬件老化、传感器故障、道路变化和罕见事件，决定了 Waymo 如何组合不同传感器、设计可检查的模型结构，并通过交互式仿真和系统级评测验证完整产品。
01. 自动驾驶已经能够完成任务，为什么还不能直接成为产品？
Waymo 的早期 Demo 验证了哪些能力？物理 AI 为何需要更快决策和更严格的安全验证？
02. 可靠性要求怎样改变 Waymo 的技术路线？
结构增强端到端路线如何兼顾模型扩展能力与内部状态的可检查性？
03. Waymo 怎样判断系统是否达到部署要求？
非交互评测和交互式仿真分别验证什么？
2.2 亿英里的全无人驾驶数据提供了怎样的验证结果
自动驾驶已经能够完成任务，为什么还不能直接成为产品？
1、Waymo 联席 CEO Dmitri Dolgov 近期在 Y Combinator Startup School 发表演讲，回顾 Waymo 从早期能力验证、无人驾驶服务上线到车队规模扩大的研发历程。他将约 15 年的产品化过程概括为对长期可靠性的持续提升，即让系统在开放环境、不同城市和扩大后的车队规模下反复完成任务，并能够应对组件故障与低频异常情况。
① Dmitri Dolgov 是 Google 自动驾驶汽车项目创始成员之一，曾任 Waymo CTO，现负责公司战略及 Waymo Driver 的研发与部署；加入项目前，他曾参与丰田和斯坦福大学 DARPA 城市挑战赛团队的自动驾驶研究。
② 2010 年，车辆已经达到 Dolgov 所说的 Capability Complete，具备完成演示任务所需的主要能力；此后约 10 年，Waymo 才开始提供无人驾驶服务，又用约 5 年将服务扩大到当前规模。
2、Dolgov 首先区分了 Demo 与产品的评价标准。早期 Demo 验证系统能否在多种道路条件下完成无人干预行程，产品则要求这一能力在开放环境中长期稳定运行。评价标准由单次成功转向持续无人驾驶后，车辆老化、传感器遮挡、道路变化和异常事件都要纳入设计与验证。
① 约 12 人组成的团队用 18 个月完成了两项目标，一是累计行驶 10 万英里，二是在 10 条长度约为 100 英里的路线上实现全程无人干预。测试覆盖昼夜、普通道路、高速公路和施工路段，验证了车辆完成自动驾驶任务的基本能力。
3、Dolgov 谈到，自动驾驶系统直接作用于物理世界，这一特性天然放大了演示与产品之间的差距。他认为，物理 AI 与数字 AI 之间需要应对四个主要差距，即错误成本更高且车辆的错误无法撤回，响应时间更短且决策须在毫秒级完成，训练数据更难获取，验证要求更严且产品必须在无人运行前完成充分验证。
① 数字助手给出错误回答后可以重新生成，车辆的错误决定却可能造成人身伤害。Dolgov 举例称，汽车高速行驶时一秒内可以前进约 100 英尺，车载系统需要在毫秒尺度内完成感知、推理和决策。
② 数字 AI 可以使用互联网积累的文本、图像和产品上线后的用户反馈，物理世界缺少规模相当且包含行动结果的数据。自动驾驶系统还要在首次无人运行前达到相应的安全要求，并明确适用的道路、天气和交通条件。
4、错误成本、响应速度等约束，使一次无人干预行程只能证明系统具备基本任务能力。Waymo 要将这项能力转化为可部署的产品，还需把可靠性从 90% 提高到 99%、99.9%，并通过冗余设计、故障降级和更严格的验证持续减少系统失效。