特斯拉 vs Waymo，以及现代汽车的1万亿韩元梦想

在美国的几个城市，驾驶座空无一人的无人驾驶出租车已不再是罕见的风景。然而，我自己的车方向盘依然掌握在自己手中。差距不在于硬件，而在于数据。

2025年11月我初次撰写这篇文章时，分析了Waymo与特斯拉这两大巨头的较量以及紧随其后的现代汽车的现状。十个月间，格局发生了剧变。Waymo将周搭乘次数翻了一番，特斯拉FSD升级到了v14.3，而现代汽车旗下的42dot创始人则选择了离职。自动驾驶也是大型科技公司AI投资大战的缩影。以2026年9月为节点，我再次尝试回答同一个问题。

为什么Waymo不放弃激光雷达？

Waymo的原则是不完全相信任何单一传感器。第五代Waymo Driver配备了能观测到300米外的激光雷达、摄像头，以及能在恶劣天气下读取速度的成像雷达，进行多层冗余配置。即使暴雨导致摄像头模糊，激光雷达和雷达也能进行补充。

Waymo的利器在于用数据证明了这种坚持。他们发布了经由瑞士再保险（Swiss Re）等保险公司验证的结果：与人类驾驶员相比，其行人受伤事故减少了92%，重伤事故减少了85%。特斯拉虽然也给出了Autopilot使用时每669万英里发生1起事故的统计数据，但这是自测报告，与经过第三方验证的Waymo性质不同。这种差异在迈阿密判决后的特斯拉安全性论战中也表现得淋漓尽致。说服复杂的城市和监管机构的关键，不是行驶里程，而是“经过证明的安全性”。

说服的结果体现在搭乘次数上。2025年底每周25万次的付费运营，在2026年上半年突破了每周50万次，服务城市也超过了10个。Waymo设定了2026年底达到每周100万次的目标，并筹集了16万亿韩元规模的投资。夏季时，他们曾因软件召回暂时停止了高速公路行驶，这也说明他们正在极其谨慎地维护“经过证明的安全性”这一品牌。

特斯拉FSD，仅靠摄像头能走多远？

特斯拉走的则是截然相反的道路。他们将激光雷达称为“昂贵且无用的拐杖”并将其剔除，仅依靠8个摄像头和神经网络，让AI完全模仿人类驾驶。

过去，像“发现行人 → 预测3秒后位置 → 踩刹车”这样的判断，是由开发者编写30万行C++代码实现的。而现在，则是向神经网络展示数百万个实际驾驶视频，让其自主学习。这就是**端到端（End-to-End）**方式，其燃料正是全球特斯拉车辆实时上传的驾驶数据。

2025年10月发布的FSD v14是模型规模扩大了10倍的新架构。问题在于它针对最新的HW4进行了优化，导致旧款HW3车主的性能实际上停滞不前。截至2026年9月，FSD已更新至v14.3.9，通过重构视觉编码器和AI编译器，将反应速度提升了约20%。虽然针对HW3的低性能版“FSD v14 Lite”正在陆续推送，但顶级性能仅限HW4的构图依然存在。

功能的导向也发生了变化。抵达目的地后，用户可以选择停车场、家门口或停车楼作为下车点；路径规划已集成进神经网络，遇到拥堵会自动寻找绕行路线。当发现救护车或警车时，减速避让也成为了正式功能。它正在从简单的车道保持辅助系统，向完成任务的“驾驶秘书”转变。

在用户视频中，可以看到车辆自主绕行停车楼5层并寻找出口，以及为了给行人让路而自动倒车的场景。这些动作无法通过硬编码实现。这是从数百万个视频中学习到人类在那种情况下会选择倒车这一模式的结果。

Waymo vs 特斯拉，2026年自动驾驶哲学对比

项目	Waymo	特斯拉
核心哲学	经过证明的安全性（机器必须比人更完美）	可扩展的AI（像人一样学习并进化）
传感器构成	激光雷达+摄像头+雷达冗余配置	8个摄像头，纯视觉（Vision Only）
AI方案	模块化 + 传感器融合	端到端（FSD v14）
主力市场	L4无人出租车（周50万次，10余个城市）	L2+驾驶辅助（FSD订阅制，数百万辆）
安全性证明	保险公司验证/论文发表	以自测报告为中心

为什么中国自动驾驶进展如此迅速？

在美国两家公司为技术可靠性和AI设计苦恼时，中国通过“放松监管”走了一条捷径。百度Apollo Go在2025年第二季度实现了220万次完全无人驾驶运营，同比增长148%。减轻事故责任负担的政策支撑了这一增长，业界将其称为监管套利。

智能手机厂商小米是最具威胁的新晋者。他们发布了名为ORION的端到端框架，迅速追随了类似特斯拉的路径。但阴影也随之而来。2025年3月，车辆在开启驾驶辅助功能时发生追尾导致3人死亡；8月，又因软件缺陷召回了约11万辆车。这是速度战的代价。

不造车却掌握数据的公司们

英伟达已不再仅仅是一家GPU公司。它已成为集自动驾驶芯片、软件和成品AI模型于一体的平台，并连续3年夺得CVPR自动驾驶挑战赛冠军。半导体行业中对英伟达生态系统的依赖性加深的趋势在自动驾驶领域同样上演。自身软件能力越弱的整车厂，越容易被绑定在这个生态中。

Mobileye采取了相反的策略。他们从全球超过2亿辆汽车的摄像头中，仅提取车道和标志等核心信息（每公里10kb），实时更新超高精度地图。这是一种不收集完整视频、只收集必要数据的轻量化方式。

通用汽车（GM）付出了最昂贵的代价。投入超过10万亿韩元的Cruise在2023年10月发生撞倒行人并拖行6米的事故后，于2024年12月解散。这是L4无人出租车扩展成本难以承受的信号。

GM转向了个人车辆用的L3“脱眼（Eyes-off）”技术，并于2026年3月开始在加州和密歇根州的高速公路上进行实地测试。Super Cruise的累计行驶里程已超过10亿英里，计划在2028款凯迪拉克Escalade IQ上搭载激光雷达、雷达与摄像头叠加的系统。然而，消费者认为Super Cruise远不如FSD，其症结在于AI判断力而非传感器。即便配备了昂贵的硬件，却要等到2028年才推出高速公路专用功能，这凸显了GM的性价比问题。

也有一些公司在静待时机。亚马逊子公司Zoox从一开始就采用了没有方向盘和踏板的专用车型，并在拉斯维加斯开启了商业化服务。有评价认为，如果与亚马逊的物流网络相结合，它可能成为黑马。

现代汽车42dot，1万亿韩元的梦想为何动摇？

在第一篇文章中，我指出现代汽车集团以1万亿韩元收购的42dot，正向着没有高清地图的特斯拉式自动驾驶，即所谓的“Atria AI”迈进。问题在于燃料。特斯拉几分钟就能收集到的数据，42dot截至2024年6月仅凭借17万公里的班车累计行驶里程来承担。虽然可以作为样本，但还达不到训练AI所需的数据集规模。

最痛苦的证据是用户评价。一位现代汽车车主抱怨称，在I-95公路的特定路段，车辆“每次”都会丢失车道并冲向防护栏。“每次”这个词是关键。如果没有收集失败数据、进行分析、再学习并重新部署的流程，同样的错误就会不断重复。

研究能力是有的。42dot在2023年CVPR挑战赛中获得第二名，但那一年的第一名是英伟达。也就是说，它只是优秀的参与者，而非制定规则的一方。此外，负责L4无人出租车的子公司Motional累计亏损2.3万亿韩元，正重蹈Cruise的覆辙，同时还要兼顾L4和L2+两条战线，导致了混乱。

这种差距引发了组织裂痕。42dot创始人在业绩不佳和技术方向冲突后，于2025年12月辞职。一个月后，现代汽车集团聘请了曾在特斯拉和英伟达负责自动驾驶认知技术的朴民宇博士担任新代表。在诊断出数据不足后，选择了最懂数据的人作为回应。

变化正在显现。2026年9月11日，现代汽车集团在板桥42dot总部举行自动驾驶媒体日，首次公开了仅依靠8个摄像头和鱼眼镜头，在无人干预的情况下穿行首尔市中心的IONIQ 6视频。朴民宇代表将“数据飞轮”作为竞争力的核心，表示“将在5年内扭转数据劣势”。

路线图也已出炉。采取双轨制：基于英伟达方案的L2+于2028年上半年量产，L2++于同年下半年量产，基于自主Atria AI的L2++则于2029年下半年量产。

客观来看，到2028年的第一阶段目标是购买英伟达的成品解决方案。软件依赖风险反而被官方化了。但将自主技术时间点锁定在2029年，并将期间的实地数据收集作为组织的中心任务，这一点与一年前不同。

2026年以后的自动驾驶战争将如何演变？

随着Cruise的退出，L4无人出租车市场缩小为Waymo和百度两强争霸。这是证明了安全性的公司与拥有规模的公司之间的对决。L3消费市场随着GM的加入，成为最激烈的战场。其底层的原则是一样的：特斯拉将实时驾驶数据、Waymo将L4安全数据、Mobileye将轻量化地图数据变成了护城河。关于传感器选择的争论，我在Waymo与特斯拉的传感器战争中另行讨论过。

现代汽车集团现在有了明确的截止日期。到2028年依靠英伟达方案支撑，期间积累的数据用于2029年下半年建立自主技术。关键在于，在板桥运营的几辆IONIQ 6所做的实验，能否在3年内以追赶[数百万辆规模特斯拉数据]的速度扩张。诺基亚和柯达错失的并非技术，而是时机。现代汽车的时间表能否避开这一教训，将在2028年的首款量产车中得到验证。