每个徒步旅行者（即使是像你这样真正的周末战士）都知道假登顶的令人作呕的感觉。你出汗好几个小时，双腿酸痛，肺部灼热，百分百确信最后的山峰就在下一个山脊上——只是爬过它，发现一个近乎垂直的岩石表面延伸到感觉就像云本身一样。
在这场耗资数十亿美元的将方向盘从现代电动汽车中剥离的竞赛中，Alphabet 旗下的 Waymo 发布了一份工程宣言，向自动驾驶世界提供了准确的冰冷诊断，但没有提及他们的名字 - 直视特斯拉的高风险赌博。
这篇文章由 Waymo 人工智能基金会负责人 Srikanth Thirumalai 撰写，列出了从超过 2 亿英里的完全无人驾驶里程中总结出来的十项基本教训（我想知道 Waymo 是否希望这被视为十诫？）。它读起来像是机器学习安全框架的学术分解，但事实上，根据埃隆·马斯克的说法，这是对福音的战术猛烈攻击。
Waymo 从来不会拼出字母 T-E-S-L-A，但也没有必要这样做。每一个见解都拆解了全自动驾驶（FSD）的核心工程支柱。最痛苦的打击落在著名的捷径上：相信先进的 2 级驾驶员辅助套件可以以某种方式演变成 4 级完全自动驾驶。
Waymo 将这种转变称为彻头彻尾的虚假顶峰。这个论点直击要害——你可以在服务器群中记录数十亿的模拟里程，也可以从日常客户汽车中收获数百万的高速公路里程，但在你将人类备份从驾驶座上拉出来之前，所有这些都无法为现实做好人工智能的准备。只要人类司机仍然承担法律责任，并准备好在事情变得危险时猛拉方向盘，人工智能就永远不会面对其选择的真正严重性。
接下来是围绕硬件的意识形态圣战。特斯拉多年前就从其汽车中剥离了雷达和超声波传感器，以削减成本并简化生产，将所有赌注都押在纯粹的相机视觉上。 Waymo 的开场教训以冷漠的实用主义驳斥了这种做法，声称多模态传感器融合不值得谈判。
相机在读取限速标志和识别交通灯的色调方面非常出色，但它们很容易受到令人眼花缭乱的低角度冬季阳光和浓雾的影响。 Waymo 将高分辨率光学摄像头与旋转屋顶激光雷达结合起来，可以绘制出毫米级精度的 3D 几何形状，而毫米波雷达则可以直接穿透暴雨、浓雾和扬尘。
特斯拉的战略押注于轻量级消费级硬件和智能软件能够实现笨重、昂贵的硬件堆栈的功能。与此同时，中国汽车制造商正在将硬件军备竞赛推向高潮。小鹏汽车的中型G6电动跨界车将双激光雷达阵列封装在海外市场售价约为5万欧元的架构中，证明先进的传感冗余不一定要花费六位数。
Waymo 的第四课是现代硅谷的正统观念：端到端神经网络。在过去的两年里，特斯拉把一切都押在了端到端模型上，这些模型从摄像头获取原始视频像素，并将它们直接输入转向、油门和制动输入。 Waymo 警告说，完全依赖纯粹的端到端黑匣子是一个危险的陷阱，因为你无法轻易审核模型如何做出生死攸关的决策。
相反，Waymo 使用所谓的“快慢思考”架构。快速传感器融合处理瞬间的物理反射，专用的大型视觉语言模型处理深度场景推理（例如解释交通警察在事故周围挥舞手电筒）。
独立的车载人工智能验证层充当后盾，自动覆盖任何违反交通法规或有影响风险的转向或制动命令。如果神经网络幻觉出一条通向建筑障碍物的清晰路径，安全逆止器就会猛踩刹车。
当你查看运营记分卡时，你会发现商业现实与软件承诺之间的差距变得非常大。 Waymo 每周在凤凰城、旧金山、洛杉矶、奥斯汀、达拉斯、休斯顿、圣安东尼奥和奥兰多运营超过 50 万次付费完全无人驾驶乘客出行，目标是在今年年底前实现每周 100 万次出行。
特斯拉在奥斯汀的有限机器人出租车飞行员在驾驶室内配备了人类安全监视器，全年仅在无人监管的情况下行驶了 38 万英里。 Waymo 的商业车队大约需要 24 小时才能行驶完这一距离。但特斯拉的情况显然即将发生变化。
当然，我们之前已经看到过这种叙事张力 - 硅谷的本能是快速行动，发布测试版代码，并让用户群在野外调试产品。但一辆载着一家人在高速公路上行驶的两吨重电动汽车不能被视为不稳定的智能手机操作系统。
2 级驾驶员辅助是一个出色的高速公路伴侣，可以消除日常通勤的痛苦，但假装一些无线更新将基于摄像头的通勤汽车变成商业机器人出租车开始看起来像是幻想。不过，中国汽车制造商似乎取得了很大进展。这里的关键词是“似乎”。
站在较低的山脊上，很容易抬头，感受稀薄的空气，并说服自己胜利就在眼前。但正如 2 亿英里的无人驾驶里程所证明的那样，车辆自动驾驶的真正巅峰需要强大的感官攀爬装备、严格的独立安全支撑，并诚实地承认仅靠摄像头无法看清每一次风暴。尽管 Waymo 和其他一些人（包括我自己）完全错误的可能性很小，但埃隆将在下个月证明我们是错的。
