芯耀
与非AI
102
2026 年，全球 L4 级无人驾驶出租车（Robotaxi）行业正式步入规模化商业化的关键阶段，头部玩家运营车辆规模达到数千辆，全球开通运营城市达到数十个，多个玩家在个别城市已实现单车盈利，技术落地重心正在从 “验证可行性” 迈向 “打磨经济性与安全性”。
作为全球首个实现全无人商业化运营的自动驾驶企业，Waymo 一直是行业技术路线与商业落地的标杆，其运营扩张节奏、硬件代际迭代、算法架构演进，一直备受行业关注。
本文基于行业最新信息，总结Waymo Robotaxi最新的商业运营进展和自动驾驶系统实现方案。
01、商业化运营进展
1. 运营城市与服务范围
截至2026年5月，Waymo One全自动无人驾驶Robotaxi服务已覆盖美国11座城市，总服务面积超过1400平方英里，较2025年同期扩张27%。
已开通商业化运营的城市包括：凤凰城、旧金山湾区、洛杉矶、奥斯汀、亚特兰大、迈阿密、达拉斯、休斯顿、圣安东尼奥、奥兰多、纳什维尔。
其中，凤凰城为最成熟标杆市场，单城服务面积达315平方英里，覆盖高速路与机场接驳；旧金山、洛杉矶为高密度核心城区市场，奥斯汀、亚特兰大通过与Uber合作接入订单入口。
2. 车队规模与车型配置
截至2026年6月，Waymo运营车队总规模接近4000辆，当前主力车型为搭载第五代Waymo Driver系统的捷豹I-PACE纯电SUV，该车型为量产车改装方案，自2021年起逐步投入商业化运营。
2026年5月起，Waymo首款正向研发的专用Robotaxi车型Ojai（基于极氪平台打造）正式量产。目前，Ojai开始向旧金山、洛杉矶、凤凰城的部分用户开放试乘，首批投入约100辆，搭载第六代Waymo Driver系统。
此外，Waymo与现代汽车也达成深度合作，计划引入IONIQ 5车型扩充车队，推进供应链的多元化布局。
3. 运营里程与安全表现
截至2026年2月，Waymo累计完成近2亿英里的全自动无人驾驶道路行驶，每周新增约400万英里纯无人驾驶里程，是全球累计无人驾驶里程最高的Robotaxi运营商。
2026年4月，Waymo One累计付费无人驾驶订单突破1000万单。截至2026年5月，Waymo每周完成约50万次付费无人驾驶出行，订单量较2025年同期实现翻倍。
值得注意的，在定价层面，相对于Uber、Lyft等传统网约车平台已具备一定竞争力，非高峰时段价格普遍低20%-40%。
安全维度方面，官方数据显示，Waymo系统导致的重伤事故较人类驾驶员基准降低92%，触发安全气囊的碰撞减少83%，整体事故率显著低于人类驾驶水平（在相同运营区域，Waymo车辆的安全程度是人类驾驶员的5~8倍）。
图片来源：https://waymo.com/intl/zh-cn/safety/impact/
4. 未来运营规划
2026年内，Waymo计划将美国本土的商业化服务拓展至华盛顿特区、底特律、拉斯维加斯、圣地亚哥、丹佛等城市，同时持续扩大现有城市的服务覆盖范围。此外，Waymo已在芝加哥、夏洛特开启地图测绘与数据采集工作，为后续进入美国中西部、东南部市场做技术准备。
在国际化布局方面，Waymo已明确首个海外商业化市场为英国伦敦，随后将落地日本东京，目前已在两地开展道路测试与本地化适配工作。根据Waymo的规划，国际化扩张将优先选择监管政策清晰、网约车需求旺盛的发达城市，逐步推进交通规则、道路环境的本地化算法适配。
Waymo计划在2026年底实现每周100万次付费无人驾驶出行的目标。
预计2026年底，第六代Ojai车型的运营规模将达到数千辆，逐步成为车队主力车型。同时，Waymo位于凤凰城的自动驾驶车辆量产工厂正逐步提升产能，向年产能数万辆的中长期目标推进。
02、硬件方案
Waymo始终坚持激光雷达、摄像头、毫米波雷达的多模态冗余的技术路线，到目前，Waymo自动驾驶系统ADS已经演进到了第6代：
第五代Waymo Driver主要在捷豹I-PACE搭载，共配备29个摄像头、5个激光雷达、6个毫米波雷达，辅以麦克风阵列实现紧急车辆警笛探测。
相对于第五代系统，第六代系统在传感器配置、计算平台上存在显著代际差异，核心方向为"性能提升+成本下探"，更好地支撑规模化落地。据了解，目前Waymo第六代自动驾驶硬件系统的目标成本控制在2万美元以下。
第六代系统传感器总数较第五代减少42%，在Zeekr Ojai/现代IONIQ 5进行搭载。
具体配置为：13颗高分辨率摄像头、4颗新一代激光雷达、6颗成像毫米波雷达。
1. 视觉
Waymo的第六代感知系统主摄像头采用了新一代1700万像素的成像传感器（推测是Sony IMX735），与通常的5M或者8M的相机相比，这种传感器所需的摄像头数量更少，能够实现更高的分辨率、更宽的动态范围，同时在弱光环境下的表现也更为出色。
2. 激光雷达
Waymo的第六代激光雷达采用Waymo自研的定制芯片和光学元件，可实现更远的探测范围、更高的感知精度、以及更低的成本。
Waymo激光雷达优化了天气穿透能力，可在大雨、大雪天气下正常完成三维探测，同时大幅降低硬件体积，更贴合整车集成设计。其点云效果如下：
3. 毫米波雷达
Waymo的第六代毫米波雷达升级为成像雷达，点云密度与角度分辨率得到了进一步提升。该雷达采用自主研发的算法和机器学习模型，可在雾、暴雨等恶劣天气下更好补充光学传感器的感知短板，保障目标速度与位置的稳定探测。
同时，通过使用灵敏度更高且价格更低的雷达芯片，毫米波雷达在保持强大功能的同时，也实现了更低的系统成本。
4. 计算与线控执行硬件
第六代系统搭载Waymo自研的定制化AI SoC芯片，配合优化的算力架构与模型轻量化设计，在提升算法运行效率的同时大幅降低硬件成本。
Waymo与整车厂商深度合作，搭载满足L4级安全冗余要求的线控转向、线控制动、线控动力系统，核心执行部件均采用双冗余设计，确保单一故障下仍可完成安全靠边停车等操作。
专用车型Ojai进一步取消了驾驶位相关配置，优化乘客舱空间与无障碍设计，配备自动滑门、后排交互屏幕、盲文标识与扶手等适配功能。
03、算法方案
Waymo算法体系以"安全可验证+持续可迭代"为核心原则，采用基础模型底座与模块化功能层结合的混合架构，同时构建了完整的数据闭环与训练迭代体系。
1. 算法架构
Waymo采用 Waymo Foundation Model 作为算法底座，兼顾端到端大模型的泛化能力与模块化架构的安全可解释性。
整体采用"双系统+分层功能"的设计。
1）双系统认知架构
System 1（快速思考系统）：多模态传感器融合编码器，实时融合摄像头、激光雷达、毫米波雷达的时序数据，毫秒级输出目标检测、语义分割、场景表征等感知结果，负责实时性要求高的安全决策。
System 2（慢速思考系统）：基于视觉语言模型与世界知识的车辆逻辑模型（VLM），负责复杂场景推理、长尾场景决策、交通规则理解等高阶认知任务，提升系统在陌生场景下的泛化与常识推理能力。
快慢系统架构是目前自动驾驶系统的一种典型范式，包括理想、Waymo、英伟达、地平线、Mobileye等多个厂家都在使用。
2）分层功能架构
功能层沿用经典的自动驾驶分层架构：定位与高精地图、环境感知、运动预测、行为规划、车辆控制。各层之间通过统一的高维特征向量与结构化表示交互，既支持全链路端到端的联合训练优化，又可实现单模块的独立验证、安全审计与故障隔离。
2. 核心模块算法
1）感知模块
采用基于Transformer的多模态融合感知方案，生成鸟瞰图（BEV）统一空间表征，结合占用网络（Occupancy Networks）与神经辐射场技术，实现对100+类道路参与者与场景元素的精准检测与属性识别。
针对弱光、恶劣天气、遮挡等挑战场景，通过领域自适应技术与多模态互补机制保障感知稳定性，可有效识别阴影中、被遮挡的弱势道路使用者。
2）预测模块
核心采用Waymo自研的MotionLM模型，将多智能体轨迹预测转化为语言建模任务：将连续轨迹离散化为运动token序列，通过自回归生成实现场景级多智能体联合轨迹预测，天然保证智能体之间的行为交互一致性。
同时，结合扩散模型与时序图网络，支持最长11秒的多模态轨迹预测，在Waymo Open Motion Dataset官方榜单上保持领先水平。
图片来源：https://waymo.com/intl/zh-cn/research/motionlm/
3）规划与控制模块
规划采用"模仿学习+搜索优化"的混合方案：常规通勤场景由数据驱动的模仿学习生成类人化、高舒适度的驾驶行为；复杂交互场景结合启发式搜索算法，保证决策的安全性与交通规则合规性；极端长尾场景通过强化学习持续优化决策策略。
控制层采用经典PID与模型预测控制（MPC）结合的方案，神经网络辅助优化极端工况下的控制精度，兼顾行驶平稳性与乘坐舒适性。
3. 数据闭环与仿真体系
Waymo构建了"实车数据回流+大规模仿真"的双轮迭代体系：实车运营产生的海量道路数据，经自动标注、场景挖掘与难例筛选后回流训练集；同时通过高精度物理仿真系统生成数十亿英里的仿真里程，覆盖海量长尾、极端与危险场景，大幅降低实车测试成本与安全风险。两者共同形成数据闭环，持续迭代算法的场景覆盖能力。
4. 大模型蒸馏训练管线
Waymo采用"云端大模型训练+车载小模型蒸馏"的技术路线：在云端训练超大规模基础模型，再分别蒸馏出三个车载端轻量化模型：
Driver模型：车载实时推理的主模型；
Simulator模型：生成高真实感的仿真驾驶场景；
Critic模型：自动化评估驾驶行为的合理性与安全性；
三者相互配合，形成强化学习训练闭环，即：仿真器生成训练场景，Critic提供评估反馈信号，Driver模型持续迭代优化，在满足车载算力约束的同时，持续提升算法的能力上限。
04、结语
根据Waymo最新进展信息，可以看到：
1）硬件层面：车辆由后装改制迈向前装定制，坚持多传感器融合感知路线，实现性能升级与成本下探。
2）算法层面：没有走向纯端到端的黑盒路线，而是以模块化安全骨架为基础，叠加双系统认知架构，兼顾常规场景的运行效率与长尾场景的泛化能力。
3）商业层面：以成熟市场为标杆逐步复制扩张，通过专用正向车型的量产落地，持续摊薄自动驾驶系统的单车成本，向大规模商业化运营稳步推进。
个人观点，未必准确，欢迎讨论。
我是雪岭，研究感知、控制和人工智能的技术、产品和应用，欢迎交流。
联系雪岭和全集索引请参考：https://dcn7get8fskg.feishu.cn/wiki/CCMpwjC0EiBIw2kFr7uc84qHneb
