# 1亿英里跑了16年，第2个1亿只用了6个月：Waymo多尔戈夫的20年自动驾驶复盘

> Training Data No. 89 中文精读

- 原标题：Waymo's Dmitri Dolgov: 20 Million Rides and the Road to Full Autonomy
- 发布日期：2026-05-04
- 主持：Sonya Huang · Pat Grady · Konstantine Buhler 等
- 网页版：https://trainingdata.qiaomu.ai/ep/089-waymo-s-dmitri-dolgov-20-million-rides-and-the-road-to-full-608c1d.html
- 精读字数：约 4630 字（阅读约 10 分钟）

> 本文为 trainingdata.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。

先看一组数字。Waymo的全无人驾驶里程，第一个1亿英里，跑了大约16年；第二个1亿英里，只用了6个月。

订单曲线同样陡峭。到这期节目播出时，Waymo累计完成超过2000万次全无人驾驶订单，其中1000万次发生在最近7个月。眼下每周全无人里程超过400万英里，服务11个城市，伦敦和东京的开通计划也已经官宣。

坐在红杉资本播客Training Data对面的，是Waymo联合CEO德米特里·多尔戈夫（Dmitri Dolgov）。主持人开场先做了个现场调查：坐过Waymo的举手，一大片；觉得体验好的举手，还是一大片，有人喊“我现在是日活用户”。主持人补了句“厨师得吃自己做的菜”，多尔戈夫答：“我吃了很多。”

介绍嘉宾时主持人给了个参照系：不少创始人的AI资历要从2022年算起，这位在自动驾驶这行干了快20年，从DARPA挑战赛年代一路穿越到今天，牛市熊市都赶上了。他评价多尔戈夫造出了地球上独一份的东西，听着像客套，看完数据会觉得是陈述。多尔戈夫自己就是重度用户，当天坐Waymo从帕洛阿尔托走高速到的旧金山。

多尔戈夫的人生路线也够曲折：苏联出生，在日本住过一年，美国读高中，然后回莫斯科念大学，选了父母读过的同一所学校，莫斯科物理技术学院，学数学和物理。他从小听父母讲那所学校的故事长大，回去读书算是还愿。他后来说，那段经历给了他两样东西：扎实的技术底子，以及独立学习、自己探索的能力。

真正让他下定决心的，是读博快结束时撞上的DARPA自动驾驶挑战赛，先是大奖赛，然后是城市挑战赛，他参加的是后者。他的原话是“开关被按下的时刻”：技术足够有趣，使命足够大，而且是个真产品，能亲手做、亲身体验。从那以后，他再没换过赛道。

这场25分钟的对话信息密度很高：怎么定早期目标，怎么穿越寒冬，端到端架构怎么设计，安全文化怎么养成。下面按话题拆开讲。

## 十几个人，18个月，10条100英里

2009年项目启动，当时还叫Google自动驾驶汽车项目，根子在斯坦福的实验室。主持人插了个自嘲的细节：当年那栋楼里，一边做自动驾驶，一边做太阳能车，他选了太阳能车，赌错了。多尔戈夫赌的是自动驾驶。

头两年的核心任务就一件事：搞清楚把无人车放上公共道路，到底意味着什么。为了逼自己把问题摸透，团队定了两个硬指标。第一，全自动驾驶累计跑满10万英里，这个数字在当时闻所未闻。第二，在湾区选10条路线，散布各地，全是奔着难度去的，每条100英里，从头到尾全自动驾驶跑完，方向盘后坐着安全员，但全程零接管。

团队多大？十几个人。干了多久？18个月。

主持人感慨，这组数字当年听着像天方夜谭，如今Waymo跑的是几亿英里的量级。

主持人事先还做了功课：团队里流传着多尔戈夫玩命干活、睡办公室的名声。他自己倒不觉得苦，说那是职业生涯里最好玩的日子。白天装硬件、标定传感器、调位姿估计系统、写驱动车辆的算法，顺手把工具、界面、车内体验全包了，晚上出去跑测试。他管那段时间叫Project Chauffeur时期，学习速度和进展速度都快得离谱。正是这两年让他们确信这事值得押上全部，开始朝全无人产品发力。

这段历史里有个细节值得创业者记下来：**目标要定成可判定的形式。10条路线、零接管，跑完没跑完一眼可见，没有解释空间。**模糊的愿景，靠这种硬指标变成进度条。

## 寒冬生存指南：突破只改变前半段曲线

2016、2017年，自动驾驶站上炒作周期的顶点，入场公司一大把。然后是集体滑铁卢，多数公司死掉、放弃或者散伙。主持人问多尔戈夫，你们怎么熬过来的。

他先拆了周期的成因，这样的周期他见过好几轮了。自动驾驶这个问题有个特性：**起步极其容易，走到真正的产品、走到超越人类的安全水平，极其困难。**跟人学车一个道理，几节课就能把车开动，几十年不出事故是另一回事。所以每次技术出现大突破，卷积网络也好，Transformer也好，大语言模型也好，都会带火一波，因为突破重塑的是问题前半段的曲线。长尾部分，一点没变。

一波接一波的公司在前半段跑得飞快，然后在长尾上撞墙。Waymo的选择，是承认问题的难度，同时认准它的分量。分量有多重？他给了一个数字：今天，全世界每26秒就有一个人死于道路交通事故，一年加起来119万人。

> 知道使命足够重要，同时清楚自己面对的是什么，不去找轻松的赢法、速效方案和银弹，团队才有跑完全程的耐力。

主持人总结得很到位：很多人在低谷里放弃、失败、散伙，Waymo不仅熬过去了，还熬到了另一边，把体验做成全场举手的那种魔法。

这段话眼下就能用上：判断一个赛道值不值得长期投入，先估它的长尾有多长。容易的部分人人会做，难的部分才决定谁留在牌桌上。

## 端到端，然后呢

聊到技术，多尔戈夫搬出了Waymo的底牌：Waymo Foundation Model，基座模型。它驱动三大支柱：司机（driver）、模拟器（simulator）、评判器（critic），三个任务高度相关又彼此独立。司机负责开车，模拟器造出可控的虚拟世界来训练和评估，评判器给表现打分。

这两年大家张口闭口世界模型、世界动作模型、全模态模型、视觉语言动作模型，多尔戈夫的看法很务实：每个词的核心，都有一种成分对Waymo真正重要。他们的基座模型，他称之为多模态的世界动作语言模型。

多模态，指除了图像和视频，还要吃进激光雷达和毫米波雷达的数据；世界动作模型，指它得真正理解三维空间的物理和动力学，理解车辆、行人、骑行者的行为；对齐语言，是为了把视觉语言模型里的通用世界知识接进来，帮系统读懂驾驶里的语义和社交规则。

还有一层容易被忽略：Waymo建模这个世界，同时自己就是其中的主动参与者。这个世界模型必须可控，系统还得理解什么才算一个好司机，自己的动作会在世界里引发什么连锁反应，也得算清楚。

有意思的地方来了。外界常把Waymo当成模块化架构的代表，把“端到端”留给新玩家。多尔戈夫直接纠正：Waymo的基座模型本身就是端到端的，从传感器一路到决策。端到端的好处很实在，系统各组件之间的表征是学出来的，比人工设计的接口丰富得多，驾驶这种任务靠手工设计接口根本不够用。

但他认为“端到端还是模块化”是个伪二分法，真正的问题是他这句话：

> 端到端，然后呢？

想做一个全无人、安全性超越人类、要跑几亿英里的产品，光靠一个“原味”端到端系统不够。Waymo的做法，是在学到的表征之外，再叠加一层结构化的、显式的中间表示。

这层东西带来几样关键能力：对跑在车上的模型做运行时额外校验；更丰富的训练和评估配方，包括闭环评估、闭环训练、强化学习用的丰富奖励函数；还有承接乘客和客服反馈的通道。闭环的价值好理解：极端场景可以在模拟里反复练，模型不用等真实世界用事故来教它。主持人补了一句，没有这种架构，这些人类反馈根本接不住，多尔戈夫点头。

他补了个清醒的限定：如果你做的是辅助驾驶、原型demo或者小规模部署，这些可能真不需要。**规模和安全等级，决定架构答案。**

他还提到，这套基座模型已经做了好几年，真正难的是产品化：上面说的每一个维度，性能、精度、真实度，都得拉到极高的水准。

## 一天开4城：第六代“司机”和指数曲线

扩张数据是全场最陡的一段。从开始全无人运营，到第4个城市对公众开放，Waymo用了8年。今年早些时候，他们一天之内开了4个城市。多尔戈夫管这个变化叫“相变”：扩张方式整个换了一套。

城市名单后面还排着一长串，国际化也提上日程，伦敦和东京今年宣布了开通计划。

开新城的流程，他拆得很细：采集数据、刻画当地环境、验证司机模型，再花大力气跟当地社区建立对话，因为这是新产品，赢得当地人的信任是Waymo自己的责任。好消息是，司机模型泛化得越来越好，很多新城的工作量已经收缩到高保真的评估和验证上。

硬件也换代了。第六代Waymo Driver是目前最强的传感器套件，关键词是性能、大幅降本和规模化量产。它装在最新的整车平台极氪RT上，今年早些时候开始全无人运营，目前只对员工开放，年内向所有乘客开放。

多尔戈夫坐上去的第一感受：车外尺寸跟捷豹I-PACE差不多，坐进去像客厅，后排空间巨大，配了新屏幕，车门会在乘客走近时自动滑开。他说自己这辈子跟各代测试车打交道，这种“新的第一次”时刻不多，那次算一个。

生活里的渗透更直观。多尔戈夫的三个孩子已经把Waymo当默认出行方式，偶尔坐一次人开的车，孩子们会纳闷：这是怎么回事？他说现在家里能让孩子喊出声的只有两样东西：小狗，和Waymo。主持人接了句：我现在的感觉也一样。

## 安全13倍：公交车底下的脚步声

安全数据是这场对话的分量所在。基于超过1.7亿英里全无人驾驶里程的数据，在运营城市里，**遇到造成重伤的碰撞事故，Waymo的安全水平达到人类司机的13倍以上**。按现在的运营规模折算，等于每8天避免一起严重受伤事故。规模再往上走，这个数字还会变大。多尔戈夫说，每周400多万英里跑下来，这种超越人类的安全表现，每天都能在路上看到。

主持人提到，硅谷信奉快速行动、打破常规，Waymo偏偏在安全上出了名地有耐心。多尔戈夫说，现状不可接受，挑战现状是全公司的共识。

两个案例比数字更有画面。

第一个，一个骑电动滑板车的年轻女孩失控摔倒，正好摔在Waymo前面。系统做出超越人类精度和反应速度的避险动作，转向加刹车，所有人安然无恙。

第二个更神。旧金山，一个路口，公交车横穿后停在那里，挡住了半条路。Waymo的灯变绿，车辆起步，然后开始防御性反应。

它的激光雷达、雷达、摄像头都看不见公交车后面的人，车窗还在反射干扰。但激光雷达从公交车底下扫到了一点稀疏回波，来自行人脚步的移动。就凭这一点信号，系统判断对面有个行人，还预测了他接下来会走出来。果然，行人从车后绕出来，Waymo轻轻绕开，各走各路。多尔戈夫说，这是系统涌现能力给他的惊喜之一：没有靠任何新传感器，现有组合就做到了。他看到回放时的反应是：脑子炸了。

他反复强调一件事：**怎么走完前90%，和怎么拿到后面的N个9，是两个完全不同的问题。**能力可以很快冲到90%，安全不行，它没有谈判余地，必须从第一天起就长在模型架构、训练评估流程和团队心态里。

## 明天就能用的几条

有观众问未来五到十年什么样。多尔戈夫的回答没有宏大叙事：团队已经切到执行模式，从对司机和业务做刻意的串行去风险，转向快速的并行全球化商用，接下来就是把司机铺进更多美国城市，然后伦敦，然后东京。一个干了20年的人，答案朴素到只有一串地名。

把这场对话压成行动清单，明天就能用：

- **把愿景翻译成可判定的里程碑。**学2009年那10条100英里路线：数字、边界、通过标准一次定死，团队每天都知道自己走到哪了。
- **评估赛道先量长尾。**技术突破只改善问题前半段，长尾才是成本和护城河所在。入场前问自己：最难的那部分，打算用几年熬？
- **做AI产品别停在“原味端到端”。**demo阶段可以纯端到端，要规模化商用，就得补上运行时校验、闭环评估、结构化中间表示这些“不性感”的工程。
- **把用户反馈接进架构。**Waymo把乘客和客服的反馈当成架构级输入，产品团队可以直接照抄这个思路。
- **底线从第一天写进架构。**安全、隐私、可靠性这类不可妥协项，事后补的代价是指数级的。
- **扩张节奏分两段。**新业务先串行去风险，验证跑通后再切并行复制。Waymo用8年跑通4城，然后一天开4城。

最后留一个数字当收尾：第一个1亿英里用了16年，第2个1亿只用了6个月。曲线拐点到来之前，撑住Waymo的，就是上面这些看起来笨笨的纪律。