Dmitri Dolgov: How Does Waymo Train for One-in-a-Million Events?

Waymo 无人车每周自动驾驶 400 万英里，安全事故率比人类司机低 17 倍，靠的是结构增强和三位一体 AI 架构。

Waymo 已在美国 15 个城市实现每周 400 万英里的全自动驾驶，安全表现远超人类司机。很多人以为自动驾驶的难点是做出能跑的 demo，但 CEO 直言这只占 1%，真正的挑战是让 AI 每天都能安全运行。Waymo 如何用结构增强的模型、仿真器和严格的安全评估，把无人车从实验室带到现实街头？本卡片带你看懂自动驾驶 AI 的核心工程方法和关键经验。

Waymo 2009 年就做出能跑的无人车 demo，但真正变成大规模产品用了 15 年。

• Demo 跑通只占 1%：Waymo 18 个月内实现 10 条路线全自动驾驶，但要做到无人值守、每天服务用户，后续花了 15 年。
• 每多一个“9”难度翻倍：从 90% 到 99% 靠常规工程，但再往上每提升一个“9”都要 10 倍努力，比如要应对百万英里才遇一次的极端场景。
• 安全标准决定技术选型：如果只想做到“像人一样”，用摄像头就行；但要超越人类，Waymo 必须用摄像头、激光雷达、毫米波雷达三套传感器，每种都能补别人的盲点。

Waymo 用“结构增强的端到端模型”+“三位一体 AI flywheel”把无人车安全推到极致。

• 结构增强模型：Waymo 的基础模型能同时处理摄像头、激光雷达、雷达的数据，既懂物理和交通规则，也能用语言模型理解稀有场景。
• 快慢两条决策链：模型分“快路径”（毫秒级反应，像本能一样避险）和“慢路径”（复杂语义推理，比如识别路边着火的车，决定绕行）。
• 三位一体 AI flywheel：Waymo 同步训练驾驶员 AI、仿真器和评审员，三者共享同一套世界模型，数据互相喂养，形成正反馈飞轮。

Waymo 把安全评估体系当作核心资产，所有技术都围绕“可量化的安全指标”展开。

• 安全评估先于产品开发：Waymo 在做产品前先定义“安全够好”的量化标准，否则只是做 demo。
• 全链路验证和数据透明：不仅评估模型本身，还要验证传感器、行为决策、运营流程，并定期公开 2.2 亿英里真实运营数据，数据显示其无人车造成严重伤害事故率比人类司机低 17 倍。

“你以为最难的是做出一个能跑的 demo，实际上真正的难点是把它变成每天都能安全运行的产品。”

• 先定义“安全够好”的标准，再决定技术路线，是所有物理世界 AI 产品的底线。
• 结构增强模型+仿真器+评审员三位一体的工程范式，值得所有做 AI 落地的人参考。