Transcription
你好，听众朋友们，欢迎来到 No Priors。今天我们请到了 Waymo 的联合首席执行官 Dimitri Dolgov。Waymo 最初是谷歌内部的 Chauffeur 项目，于 2009 年启动，后来独立成为一家公司。如今，它每周在旧金山、洛杉矶、奥斯汀和凤凰城提供超过 10 万次付费乘车服务。我喜欢乘坐 Waymo，并且我一直在积极争取更好的南湾覆盖范围。我们很兴奋能深入探讨自动驾驶汽车、无人驾驶技术，以及大规模部署这项技术需要付出什么，还有 Waymo 的未来。Dimitri，非常感谢你今天加入我们。
谢谢你邀请我。
是的，嗯，也许我们可以从谷歌的自动驾驶历史开始，你是如何参与进来的，以及事情是如何随着时间推移而发展的。
我已经做这个很多年了，大概有 18 年了。我大约在 2006 年开始接触这个领域。那是 DARPA Grand Challenges 的时期。当时 DARPA 组织了几场机器人领域的竞赛，称为 Grand Challenge，目的是推进自动驾驶汽车的研究。第一场竞赛是 Grand Challenge，挑战是制造一辆可以在沙漠中自主行驶的汽车，我当时在沃特（Wart）完成了整个堆栈，但它只能行驶大约 100 英里。没有人成功，但取得了很大的进展。然后他们又举办了一场挑战赛，你的团队成功了。在此之后，他们又举办了一场名为 DARPA Urban Challenge 的挑战赛，其设置是一个模拟城市，旨在模仿在公共道路上行驶的情况。我就是在那场比赛中参与的，当时我属于斯坦福大学的团队。这对我来说是一个关键时刻，我看到了未来和它的益处，从此我再也没有回头。我一直都在做这件事。然后，我们在 2009 年在谷歌启动了这个项目，我们只有一小群人，后来发展成了现在的 Waymo。我们于 2017 年初成立了公司。
好的，是的，看起来这个领域的很多传承和历史都可以追溯到少数几个实验室，你知道，比如斯坦福大学的 Sebastian Thrun 的实验室和其他一些地方。而且看起来很多最终在这个生态系统中存在的公司的创始人，都来自同一批人，我一直觉得这在追溯传承方面非常有趣。
是的，是的，绝对是这样，这是一个小圈子。CMU 的团队和斯坦福大学的团队，有几个人在 2009 年来到谷歌并启动了这个项目，他们都来自那些团队。
我猜当你开始研究这个的时候，这被认为是一件有点疯狂的事情，对吧？当时还很早，深度学习的很多浪潮还没有真正发生，在各种应用方面，比如 AlexNet 还没有出现，所有这些东西都还没有。你说得完全正确，人们，你知道，我们经常听到别人说我们很疯狂，说这永远不会成功。说实话，我们自己也不确定我们是有点疯狂还是完全疯狂，当我们试图解决这个问题的时候。
你是把它当作一个开放式的研究项目来处理，还是把它当作一个你心中有一个明确的截止日期，届时它将在公共道路上可行？更多的是前者，但它不是研究项目，对吧？所以，你知道，在大学的 Doer Challenge 数据集的那种情况下，它是一个研究项目。是的。然后，当我们开始在谷歌工作时，我们相信我们可以让它成功，如果我们可以，那么这项技术对世界的积极影响和使命就是值得的。但当时还很早，所以我们实际上，你知道，在数据方面非常有限，你知道，在思考需要多长时间以及问题有多难。
你认为需要多长时间？在你开始的时候，我不知道我们是否有具体的日期，但那实际上是我们提出的第一个问题。我们说，好吧，在最初的几年里，我们不打算构建一个产品。我们没有一个产品概念或目标日期。首要任务是探索这个领域。所以，为此，我们为自己设定了一些里程碑，目标是原型开发、学习和理解。所以，在那两年之后，我们说，啊，好吧，你知道，这里有一些东西，让我们开始讨论，你知道，产品可能是什么。实际上，我们认为第一个可行的产品是，你知道，现在你会称之为高级驾驶员辅助系统，对吧？我们曾预期需要几年时间才能实现。当我们花了些时间研究它，并在核心技术上取得更多进展后，我们决定那不是正确的道路，我们想要追求完全自主。那大约是在 2013 年的那个转折点。
你们现在每周的乘车次数大约是 10 万次，每年大约是 500 万次，这是令人难以置信的。是什么引爆点，或者是什么突然导致了如此大的销量发生，或者所有这些事情都汇集在一起？因为在某种意义上，这似乎是一个相当近期发生的现象。
是的，你说得对，但有一个明确的，你知道，一些明确的飞跃。所以，如果我把时间倒回一点，我想在我看来，从 2013 年我们决定全力以赴到今天，这个进展中有几个代际的飞跃。所以，完全正确，每周 10 万次行程，每周超过 100 万英里，而且还在指数级增长。所以，一些有趣的时刻是，在 2015 年，那是我们的“从零到一”的时刻。那时，我们第一次将一辆汽车投入道路，那是我们称之为第三代系统的汽车。这是我们自动驾驶硬件套件的第三代，包括传感器和计算机，我们将其安装在一辆我们称之为 Firefly 的定制设计车辆上。我们进行了几次试驾，但没有人坐在方向盘后面，这是“从零到一”的时刻。然后，下一次进化，代际飞跃是我们的第四代驾驶员。那是 Pacifica 小型货车，以及 Waymo 硬件套件的第四代。我们在亚利桑那州的钱德勒部署了它们，实现了完全自动驾驶。我们实际上在 2020 年向公众开放了。但当时，重点是反复进行，重点是，是的，成熟技术，构建驾驶员，评估驾驶员，并定期发布。让它交付给真正的客户，听取客户的反馈，理解反馈，然后进行迭代。所以，第四代的重点不是增长和规模化，也不是占领市场。然后，在那时，我们决定跳到我们现在称之为第五代 Waymo 驾驶员。它搭载在 Jaguar I-PACE 上，这就是你们今天在凤凰城、旧金山、洛杉矶和奥斯汀这四个城市看到的车队。
我认为在亚利桑那州而不是在加州开始非常明智。我想，例如，Cruise 在旧金山遇到了一些问题，比如活动人士把锥形筒放在汽车上试图阻止它们，以及做其他事情。所以，在亚利桑那州开始似乎很明智。我只是好奇，是什么标准让你选择亚利桑那州作为测试基地或起点？
所以，我想这取决于不同的时间范围。在第四代，我们选择了一个中等复杂度的部署区域，目标是端到端。我们选择了一个我们认为能够勾选足够多方框的环境，以帮助我们学到最重要的事情，并降低风险。那就是部署。然后是系统的开发。对于系统的开发，你希望去解决最难的问题。你希望去解决最密集的区域，你希望去应对最恶劣的天气。所以，我们一直在并行进行这些工作。我们决定在 2020 年在钱德勒部署，以从端到端系统中学习，同时推动系统的开发。然后，当我们学到了足够多的东西，并且我们实现了代际飞跃到第五代驾驶员时，我们就说，好吧，这是我们相信我们要规模化的平台。
那么，对于自动驾驶汽车来说，最困难的环境是什么？密度很重要，速度很重要，天气也很重要。你能找到这些因素结合在一起的地方吗？那就是最复杂的地方。纽约的冬天真的很糟糕。然后，是的，你知道，没错。但这就是我们选择旧金山的原因。它有利于学习和改进驾驶员，它是一个非常有趣的商业市场。同时，我们也去了凤凰城市中心。它有不同的组合，更多的是高速公路。这给了我们，你知道，我们看待驾驶员开发和评估的方式是关于操作域，而不是特定区域或邮政编码。然后，你就可以选择城市，然后将其映射到操作域，然后进行部署。然后，展望未来，在思考未来城市方面，有几个视角。有市场，你知道，从商业角度来看，是否有好的市场？技术复杂性如何？监管环境如何？这就是我们应用的视角。
是什么让你达到了第五代驾驶员的技术突破，这真的是你认为可以规模化的？
最大的突破可能并不令人意外。有代际的突破，你知道，随着每一代硬件的更新，都有新的硬件。它变得越来越强大，越来越简单，成本也越来越高。仍然有很多简化，但这确实是一个推动力。真的，正如你提到的，这都与人工智能有关。具体到人工智能，重要的是转变。是转向所有东西的端到端模型吗？是 Transformer 主干吗？我有点好奇，是不是有什么特别的事情？
对于最后的飞跃，模型，你知道，正如我提到的，Transformer 起到了巨大的作用。在此之前，我们之前的重大突破是 CompNet。你提到了 AlexNet，那大约是在 2013 年，所以它给了我们很大的提升，但仍然停留在某个地方，有点停滞不前。然后，有几个因素结合在一起。你知道，是 Transformer，你知道，更大的模型，计算能力，再加上整个评估过程。我们经常谈论架构，但更重要的是围绕架构的机器。你需要架构作为推动者，但要让它达到我们关心的水平，你需要周围的一切，数据引擎，整个飞轮，你知道，训练系统，评估它。你必须同时考虑评估驾驶员的问题和构建它的问题。你需要模拟器，你需要数据。所以，所有这些结合在一起，我认为这就是导致了我们今天看到的突破和飞跃。
你能解释一下你们内部是如何思考评估的，以及这可能与监管机构从安全案例的角度如何评估它有什么不同吗？
这是一个大问题，但我很高兴你问了，因为它是一个超级重要且极其困难的问题。我们再次谈论构建驾驶员，但有两个问题：构建驾驶员和评估它。它们是相辅相成的。所以，内部评估始于你确定你关心的指标，然后收集支持这些指标评估的数据，我们有数百个。然后，你需要所有的基础设施，包括模拟器。有些东西你可以进行开环评估，有些东西你需要进行闭环模拟。所以，你需要构建一个现实的、可扩展的模拟器来支持所有这些。所有这些指标都指导着我们系统的开发，帮助我们改进和训练 Waymo AI，Waymo 驾驶员。然后，它汇集到我们称之为验证和评估的环节。评估和验证方法的总和是我们称之为 Waymo 安全框架。你知道，如果你看看在城市环境中行驶的里程，或者与给定城市的驾驶员相比，Waymo 的表现与人类驾驶员相比的相对安全水平是多少？
目前我们对我们的记录感到非常自豪。我认为我们现在已经完全自主地行驶了数千万英里，我们称之为“仅限 Waymo”模式，并且每周行驶超过一百万英里。我认为我们可以相当自信地，并有经验数据地说，我们比人类基准做得更好。我们最近在安全中心发布了一些数据。我们分享的最新数据点基于 2200 万英里完全自主的仅限 Waymo 驾驶里程。我们将我们的表现与人类基准进行了比较，根据不同严重程度的碰撞情景。我们看到，根据严重程度的不同，对于低严重程度的事故，我们比人类驾驶员好大约两倍。当你看到更严重的事故时，差距就更大了。对于安全气囊部署的碰撞，我们比人类驾驶员好大约六倍。而且，这还没有考虑因果关系或责任。
所以，如果你把这些因素考虑进去，大多数这些事故都是不可避免的，你几乎无能为力。我们与 Swiss Re 合作进行了研究，他们是世界上最大的再保险公司之一。我们合作了，分享了数据，他们进行了分析，他们发现，在损坏索赔方面，我们比人类基准减少了大约 4 倍，在人身伤害索赔方面，我们减少了 100%。这是一个较小的数据集，这是早期的数据，但基于不到 400 万英里的里程，但从他们的角度来看，它具有统计学意义。而且，我们对此感到非常自豪。
这太棒了。考虑到这一点，你认为监管机构应该采取什么立场？
我们希望确保我们能够实现这项技术和服务，其使命是让道路更安全。我们多年来一直与监管机构保持沟通，并进行了对话。到目前为止，我们在获得所有必要的许可等方面都取得了成功，所有这些都允许我们进行规模化。我们内部的思考方式，以及我们与监管机构、社区和乘客的对话方式，需要基于透明度，需要是一个负责任的、迭代的、渐进的过程。因为这是一件非常新颖的事情，技术非常新颖，产品也非常不同。
如果你现在每周行驶一百万英里，是什么阻止了更快的推广？换句话说，你似乎已经证明了这是一个安全的解决方案，它在大规模上运行得非常好，你有第五代驾驶员，它似乎性能非常高。为什么不更大、更快地发展呢？
我们正在指数级地扩展。我们花了大约三个月时间才从 5 万英里增加到 10 万英里。所以，你知道，我们正在以良好的速度前进。但主要的事情是，你知道，美国每年有多少英里是由车辆行驶的？我认为这是不同的模式，大型车辆，小型车辆，我认为略高于 3 万亿英里。好的，很多。我们有，我们有，我们有。但再次，我们看待它的方式是，让这个过程成为一个渐进的过程，让我们赢得信任，这很重要。这不是一个你可以，你知道，构建它，然后你，你知道，打开开关就完成了的事情。这是新的，这是不同的，需要对话。我们需要像我们谈到的那样建立安全记录。我们需要逐步积累。我们现在已经收集了数千万英里，我们对此感觉很好。所以，这给了我们信心，赢得了我们的信任。所以，要对我们所处的位置保持透明。
你认为从技术基础来看，未来最大的转变是什么？几周前我们请来了 Andrey 来我们的播客，他对比了他认为的特斯拉的方法，在他看来，更偏向软件驱动，而 Waymo 的方法则更偏向硬件。你认为这是一个正确的描述吗？而且，在未来一两年内，在你的研发方面，你认为事情会如何变化？
嗯，我认为，是的，我的意思是，所以，人工智能，句号。我们谈到了几个重大的突破，让我们达到了今天的水平。持续的 Transformer，巨大的模型。现在，最近，你知道，将 Waymo AI 与大型语言模型的通用世界知识结合起来，这是核心。而且，硬件也很重要。我们必须在物理世界中运行。所以，我们汽车上的硬件给了我一个优势。你知道，你必须看得清楚。所以，就像人类驾驶员一样，如果你看不清楚，如果你闭上一只眼睛，你就不会失去深度。如果你，你知道，你的视力不是 20/20，你没有戴眼镜，你仍然可以开车，对吧？你会开得还可以，但我不会让你成为一名赛车手。但我的观点是，一切都与人工智能有关，都与构建系统，构建人工智能，构建软件，以及能够评估它有关。而这正是我们今天所拥有的。到目前为止，我们已经实现了良好的驾驶员质量，我们已经构建了所有的评估机制，知道何时需要。所以，现在对我们来说，这是一个优化。这是一个优化、简化。如果你拥有那个起作用的东西，并且有一个好的评估机制，那么，你知道，它在移动速度方面确实有很大的不同。
我猜我一直在另一种模式下工作了很多年，我们没有解决，我们没有攻克难关，你正在猜测需要什么，以及这个技术突破的产物是什么，你正在爬坡。这就像一个古老的比喻，你爬到山顶，看到山峰，然后你到了那里，你以为那是顶峰，但没有，现在你看到了风景。这就像我们多年来的感觉。这通常是行业遵循的趋势，而我发现，当你攻克了难关，有了评估能力，现在你可以优化和规模化时，这是一个质的飞跃。
在你的优化过程中，你是否认为降低或简化传感器套件是一个重要的优先事项？
每一代硬件都会增加功能，但也会大大简化，然后成本也会随之下降。这在之前的几代产品中都是如此。从上一代到今天，再从第四代到第五代，然后现在到第六代，这是一个巨大的飞跃。主要重点是简化和降低成本，以及在车辆方面，使其更注重用户体验。所以，绝对是。然后，当然，规模经济。没有什么比从根本上看看我们硬件中使用的组件更重要的了。它们都相当商品化，并且规模化。你只是搭乘了典型的硬件曲线。过去雷达很贵，但现在把它装到所有的汽车上，成本就降低了。同样的计算机。
我猜我们从定性上知道，人们可以用非常简单的视觉系统开车。显然，在自动驾驶领域，我们拥有更多、更多种类的传感器。你们是否使用任何分析框架来确定收集多少数据/什么类型的数据才能拥有一个性能良好的系统，相对于人工智能方面的曲线？换句话说，你能遵循某种人工智能的规模化曲线，来预测传感器集，你可以做到，而不需要我们现在拥有的吗？
现在，我们已经攻克了驾驶员和评估的难关，我们可以用数据来回答这个问题。所以，我们谈到了不同的，你从人类开始。我们只有两种摄像头，但它们是旋转的。我们可以开得还可以。然后，如果你的视力不是很好，如果你，你知道，就像你可能开得不如电脑好。所以，这就是为什么我们有视觉，我们有摄像头，我们有激光雷达，我们有雷达。它们都给我们带来了一些好处。我们可以谈谈它们各自的优点，以及它们如何贡献，以及它们如何很好地互补。以及你从不同的传感模式中获得什么，这仅仅是基于物理学的。但再次，就我们如何回答这个问题而言，多年来它更多的是理论上的，你假设了你需要多少某种东西。现在，我们有了能起作用的东西，并且我们可以评估它，我们可以提供数据，我们可以更实证地回答这个问题，并说，如果去掉一些东西，Waymo 驾驶员会发生什么？也许你会增加噪音，也许你会降低性能，也许你会去掉一个完整的传感器模式，也许你会去掉激光雷达，完全去掉雷达，只用摄像头驾驶。
你知道，我可以用一个人类驾驶员，一只眼睛，或者视力模糊。性能如何？你会获得许可吗？不，对我们来说也是一样。我们可以去掉一些东西，我们可以回答这个问题。性能如何？当然可以驾驶。性能足够好吗？对于完全自主来说，足够好吗？对于我们的准备和安全标准来说，足够好吗？答案是，不。但再次，这是在完全自主的背景下，是在规模化的背景下，是在负责任的部署和高安全标准的背景下。我们为自己设定了高标准。如果你改变了其中一些输入，比如说你谈论小规模，或者你谈论非完全自主，你谈论驾驶员辅助系统，那么答案就会改变。它可能有不同的配置，如果人类仍然在循环中，并且他们对安全负责，那么配置可能会有所不同。无论是你完全去掉传感器模式，还是使用所有三种模式，但选择不同的操作点，因为你知道，摄像头的分辨率、动态范围、清洁度，激光雷达也是如此。但答案，你的操作点会根据你设定的标准和你实际的产品而改变。
展望一两年后，现在我们已经攻克了难关，Waymo 正在关注规模化，可能更多的是关于业务。你是否认为大规模的自动驾驶出租车是近期业务计划，还是有其他模式或部署方式？如果我想到这一点，这就像一个资本支出问题。还有其他对你们来说重要的探索途径吗？
这是主要的，你知道，打车服务是主要的，我们正在关注。所以，我们专注于技术，我们专注于产品，我们从用户那里学习，我们每天都在赢得信任。我们正在建立这个领域的合作伙伴生态系统。所以，这是我们的主要关注点。我们对商业机会感到非常兴奋。这不是唯一的。我只是认为 Waymo 是一家技术公司。我们正在构建一个可泛化的 Waymo 驾驶员，其使命是构建世界上最值得信赖的驾驶员。我们希望部署这个驾驶员，不仅仅是在打车服务中。你知道，美国有超过三万亿英里的行驶里程，全球有超过一万亿英里的行驶里程。所以，愿景和使命是在不同的商业产品中，在不同的应用中，在不同的模式下部署 Waymo 驾驶员，涵盖所有这些领域。这包括，你知道，像送货这样的事情，像长途货运这样的事情，包括，你知道，像个人拥有的车辆这样的事情。但现在，我们非常专注于打车服务。
你认为你们会授权出去，还是会为这些不同的用例建造车辆？
我们从来没有，我们从来没有与合作伙伴一起制造汽车。我想这是使命如此重要，机会如此巨大，以至于我们不想单打独斗。所以，我们考虑合作，共同构建生态系统，以追求所有这些不同的商业应用和所有这些产品。你看到我们在打车业务中这样做。我们不自己制造汽车。我们与一级供应商合作，与原始设备制造商合作，与其他帮助我们运营的公司合作，与帮助我们进行网络运营的公司合作，等等。
你认为未来一二十年汽车所有权会如何改变？所以，如果，你知道，看到自动驾驶乘车服务的增长非常令人兴奋。有人可能会说，在某个时候，一部分人口就像人们转向 Uber 来，你知道，在主要城市里让他们四处走动，而不是自己开车或乘坐出租车一样，可能会出现一个转向自动驾驶系统的趋势，而不是拥有汽车。你应该能够按需订购东西，它会在正确的时间出现，你只需要上车，它就会带你去任何你想去的地方。你认为这是一个 10% 的用例，还是 30%？我只是好奇，你认为随着时间的推移，有多少里程会转化？
我认为随着时间的推移，随着技术的成熟，随着它被部署到更多不同的产品和模式中，我们会看到越来越多。你甚至今天就可以在打车服务中看到一些迹象。而且，它并不均匀。但即使在最密集的城市，如果你看看住在旧金山的人，或者住在纽约的人，即使在自动驾驶出现之前，也有一个转变，尤其是在年轻一代中，更少的人想拥有汽车。这不是他们兴奋的事情。而且，我认为随着，你知道，在这些地区和最密集的城市中的自动驾驶，你将看到更多这种演变和持续的趋势。然后，随着时间的推移，它将扩展等等。但你知道，我最兴奋的是，所有这些模式都将为生态系统带来这项技术的安全效益。
我问这个问题的原因之一是，我记得大约八九年前，我和一些自动驾驶领域的人谈过。当时每个人都认为这即将到来。我认为很多人在时间框架上都错了。在当时，出现了一系列初创公司，并且很多讨论都围绕着城市环境将如何随着时间的推移而改变，你实际上会把停车场放在哪里，或者你会在哪里停车，而不是在城市外面有一个停车场，然后汽车会来接你，而不是一切都需要集中化。所以，我问这个问题的原因之一是想了解你对这些转变可能发生的数量级和时间框架的看法。
我不想猜测具体的时间框架。我认为愿景绝对是正确的。你知道，我们谈到了它的安全效益，这是主要的。然后是可及性。一旦你获得了这些好处，一旦你能够大规模部署，一旦你大规模部署，你就可以做一些事情，比如更好地利用土地。而不是占用大量的空间用于停车场，拥有个人拥有的车辆，它们大部分时间都在闲置。你可以做得更好。我认为我们可以做得更好。所有这些，但你知道，这些好处来自于规模。而且，安全是主要的，我们非常关注。我们多年来一直将其作为北极星、使命和愿景。但你知道，这总是伴随着“一旦我们达到规模”。所以我认为今天我们开始真正赢得谈论并开始实现这一使命的权利。有数千万英里的行驶里程，每周超过一百万英里，以及具有统计学意义的安全基准，看起来在经验上毫不含糊。我们可以谈论实际的、有形的、安全的好处，以及减少今天道路上发生的伤害和伤亡。所以，这是我们的主要关注点。而且，我认为这是我们将看到的，主要的，然后在此之上，我认为会有辅助的好处，就像我们提到的那些。
你认为传统原始设备制造商在这个世界中扮演什么角色？嗯，我可以说，从功能上讲，汽车将你从一个点带到另一个点。打车服务将你从一个点带到另一个点，具有不同级别的舒适度。但是，你知道，围绕人们购买乘用车建立了一个庞大的产业，因为工业设计、品牌等等。你知道，你真的需要一辆福特猛禽才能在湾区四处走动。嗯，你认为当，你知道，也许价值的主要驱动力之一现在是人工智能和自主能力时，这会如何发展？
我猜，我认为我们所做的是构建驾驶员。而驾驶员仍然可以驾驶不同的汽车。驾驶员，你仍然在车里，不同的外形尺寸。你知道，无论是适合某些城市环境打车服务的汽车，还是你需要用于货物运输、卡车或你想带家人进行长途旅行的车辆。我们需要不同的汽车，我们需要不同的外形尺寸。而且，我认为我们所做的与汽车行业正在构建的非常互补。
也许回到你关于城市将如何改变的观点，答案已经很清楚了，考虑到改变驾驶员和汽车以及环境的努力，就是改变驾驶员，这就是你们所做的。你认为仍然有改变基础设施的论点吗？比如，在公共交通领域，有其他需要公共部门参与才能部署的外形尺寸吗？
绝对是。可持续性对我们来说非常重要，安全是首要的。但我认为所有这些模式都可以共存。事实上，就在过去几天，我们宣布了一项我们正在做的事情，我们正在激励人们乘坐 Waymo 前往公共交通枢纽。然后，每个人都受益。
你如何看待汽车本身的外形尺寸？我知道有像 Zukes 这样的公司，亚马逊收购了它们，它们基本上掏空了汽车内部，因为你不再需要转向柱和其他东西了，它们把座位面对面地放着，几乎就像一辆伦敦出租车。你对未来随着越来越多的事物转向自动驾驶、自动驾驶打车系统，这种体验会是什么样子有什么想法吗？
所以，围绕乘客设计汽车是完全有意义的。而且，你知道，过去我们主要围绕驾驶员设计汽车。如果是 Waymo 驾驶员，一切都围绕着乘客体验。所以，我们在第六代 Waymo 驾驶员和汽车上做了很多工作，汽车的设计是以乘客为中心的。所以，它更宽敞，一切都围绕着用户体验。你知道，你有平坦的地板，你有较低的入口地板，你有侧滑门。所以，一切都是为了方便乘坐。所以，绝对是。有一些不同的方面，比如，我们没有让汽车面对面。我认为这是一个悬而未决的问题，有些人会感到恶心，当你这样做的时候。你可能想要，你知道，向前看有一些好处。但你知道，我认为所有这些都将是我们作为一个行业在未来需要弄清楚的。但我认为关键点是，它变得更像设计是围绕着乘客，而不是围绕着。
我喜欢你说的，你也可以做一些非常有趣的事情，比如，我一直想要一辆后面有 Peloton 的车，这样你在通勤时就可以，我可以在骑自行车，但我的自行车在车里。也许会有，让我们看看。
为什么你想在外面？在一个受控的环境里。尤其是在加州，天哪，你真的要骑自行车。
我的窗户很好。我想要一个不那么奇特的造型，伙计。我只是想能够参加一个有稳定互联网的 Zoom 会议，而且看起来不会很奇怪。
在自行车上？但你想在自行车上。
在自行车上。
是的。
我们确实越来越多地有团队成员从 Waymo 乘车进入会议。所以，是的。你知道，我们开玩笑说，但它涉及到隐私。你知道，如果你没有其他人，你可以在车里工作，你可以打电话，你可以，你知道，以最大音量听你最喜欢的音乐，而不必担心与另一个人共享空间。所以，我们正在看到，这是我们产品的好处之一的假设。而且，我们今天从我们的用户那里看到了非常积极的反馈。你知道，沿着这个特定的维度。
我只是对这项技术扩展的覆盖范围感到兴奋。范围是限制因素，比如说，每周十亿英里？是资本问题，需要更多的汽车上路吗？是运营上的，这只能这么快发生吗？是你对安全和信任的看法，消费者信任的视角？
主要是激光雷达。
我们一直，我们的策略是负责任地、循序渐进地进行，并在每一步赢得信任，并进行透明的对话。这又是一件非常新颖的事情，新技术，新产品，与人们习惯的截然不同。我认为这必须是一个渐进的过程。而且，你知道，信任是很难赢得的，但很容易失去。所以，这是主要的事情。而且，我们看到，你在我们运营的地方可以看到。我们与社区进行了互动，有乘坐 Waymo 的乘客。那里有很多信任。人们经常用“魔法”这个词来形容这种体验。然后，你去了另一个人们没有体验过的地方，那里有更多的焦虑，信任的丧失。所以，你不能一步到位，你必须负责任地、循序渐进地去做。所以，这是主要的事情。
当他们有电梯操作员的时候，去掉操作员是一件大事，因为以前电梯里有人帮你关门，按按钮，控制整个体验。看到不同类型技术的这种演变很有趣，或者人们对它的解读。你如何看待通用性？你提到你正在构建一个通用的驾驶员，它可以潜在地移植到其他类型的车辆中。你认为你正在构建的东西还可以扩展到其他形式的机器人技术吗？还是那些都是更专业的模型？或者你如何看待它的发展方向？
关于驾驶部分，我们已经将其设计为可泛化的。而且，我们对第五代驾驶员所看到的情况非常满意。而且，人工智能的泛化性非常好。而且，基于我们一直在使用来自非常广泛的操作域的数据来构建它。即使我们正在负责任地、循序渐进地部署，一旦我们认为我们已经达到了某个操作域所需的性能水平，它就映射到特定的区域和邮政编码。至于问题的另一部分，关于超越自动驾驶汽车，我认为问题的性质和复杂性，我认为我们做的一些研究是相当基础的。当我们谈论感知时，你知道，你可以在汽车上，你可以在不同的模式下，在物理世界中运行。我们发表的很多研究，我们做的很多工作，我认为都可以使那些社区受益。当我们谈论在实时系统、安全关键系统中部署人工智能时，我认为我们所做的很多工作都可以转化为其他领域。所以，当我们谈论系统评估时，许多机器人应用，除了自动驾驶汽车之外，都需要一个良好、现实、可扩展的模拟器。所以，这些基础工作是可以转化的。所以，等等。我们非常专注于我们能够产生积极效益的数万亿英里。所以，对我们来说，重点，我认为重点非常非常重要。所以，我们正在非常专注于驾驶。
我能问一个更技术性的问题吗？很久以前，你说你想专注于完全自主的问题。有许多其他团队，实际上，他们与 Waymo Chauffeur 和谷歌项目有渊源，他们选择了一个看起来更容易的用例，比如长途货运、送货。现在还不清楚这是否更容易。你认为这里有什么教训吗？或者至少，现在 Waymo 在道路上行驶的自动驾驶里程比其他应用多吗？
这是一个很好的问题。我认为我将要指出的一个主要区别是，完全自主与大规模部署，与驾驶员辅助系统之间存在数量级的差异。这就是你问题的关键。不同的车辆平台，不同的操作域。你可以有较慢的速度应用，比如本地配送，或者你可以在高速公路上进行卡车运输。它们有点不同，但如果我们谈论完全自主，也许存在二阶差异，但一阶复杂性仍然存在。你知道，如果你考虑构建一个可泛化且安全的驾驶员，并能够以极高的安全标准进行评估，那么复杂性。
嘈杂混乱的物理环境，以及你所知道的，人们做各种各样，你所知道的，奇怪事情的长尾，呃，以及，呃，做出实时决策的必要性，其中第二点，你所知道的，很重要，以及，呃，人工智能问题有多难，呃，你知道，分布，轮廓会稍微改变，如果你，你知道，谈论，你知道，高速公路或所有速度，但基本原理是，你，你得不到，没有灵丹妙药，你不能跳过，你知道，核心复杂性，现在，例如，高速公路在名义情况下，它们更有条理，对吧，就像你，但是，呃，你仍然会遇到，频率较低，但速度更快，在那里，你遇到的严重性，你遇到各种各样的事情，你遇到，你知道，建筑区，你遇到，你知道，烤架和床垫，以及各种从前面的汽车上掉下来的东西，你遇到汽车，呃，你知道，发生事故并开始在你面前打转，你遇到，呃，你知道，人们鲁莽驾驶，你知道，在汽车上，在摩托车上，你遇到，你知道，行人闯红灯，你遇到，你知道，呃，各种各样的事情，对吧，而且这种情况发生的频率要低得多，所以这就是，你知道，这可能是不直观的，如果它发生，你知道，每百万英里一次，我们没有人见过，你知道，我们世界中的那种例子，所以它可能会导致这种，你知道，早期阶段的乐观情绪，关于，好的，那里有简化，但是如果你想完全自主地做到这一点，并且你想以一定的规模去做，那么复杂性仍然存在，只是你，变化，以及为什么它与，你知道，呃，比如说，高级驾驶员辅助系统，它似乎在越来越多的场景中工作，与，比如说，完全自主系统相比，有什么区别，是的，这是数字的多少，这是这个问题的性质，如果你想想，你知道，我们从2009年开始，我们最早的里程碑之一，我们为自己设定的目标之一是驾驶，你知道，10条路线，每条路线长100英里，遍布湾区，你知道，高速公路，旧金山市中心，塔霍湖周围，你知道，一切，而且你必须在没有任何干预的情况下行驶100英里，所以汽车必须，你知道，从头到尾自主驾驶，这就是我们为自己设定的目标，我们大约有十几个人，花了大约18个月，我们实现了它，2009年，没有ImageNet，没有卷积网络，没有Transformer，没有大模型，微型计算机，你知道，对吧，很容易开始，这始终是属性，随着每一波技术，它一直非常容易开始，但是那个难题，而且它有点像，曲线的早期部分，变得越来越陡峭，但是复杂性不在那里，复杂性在于长尾的许多许多许多个九，而且如果你去，你知道，原型，如果你去，你知道，驾驶员系统，而且这就是，你知道，我们一直在投入所有精力的地方，那是问题的唯一难点，而且我想，如今，随着每一次技术周期的进步，它一直变得越来越容易，所以如今，你可以利用人工智能的所有进步，尤其是在生成式人工智能领域，以及大型语言模型和基础模型，你可以利用一个几乎现成的，你知道，Transformer，惊人的视觉模型是惊人的，你可以利用一个视觉模型，它可以接受图像或视频，并且，你知道，有一个解码器，你可以给它，你知道，文本提示，它会输出文本，而且你可以用一点点数据进行微调，从，比如说，汽车上的摄像头数据，变成轨迹或，你知道，任何决策，你只是，你知道，把它当作一个黑盒子，你知道，你拿来训练好的东西，你稍微微调一下，而且，你知道，如果问任何一位优秀的计算机科学毕业生今天构建一个导航系统，他们都会这样做，而且开箱即用，你会得到一些令人惊叹的东西，对吧，Transformer的力量，视觉模型的力量是令人难以置信的，对吧，所以只需一点努力，你就能在路上得到一些东西，而且它能工作，你可以，我不知道，驾驶几十英里，几百英里，它会让你大吃一惊，但是，这足够吗，这足够移除驾驶员并驾驶数百万英里，并拥有比人类更好的安全记录吗，不，对吧，我想，你知道，随着每一次技术演进和人工智能的突破，他们都看到了这种重塑，这是思考我们迭代周期的方式吗，现在，就像许多其他人工智能公司一样，我们仍然在评估一些情况，你处理得不如你想要的那么好，然后你收集更多数据，并将其放入管道，重新训练并部署，还是说，即使在这个阶段之后，仍然存在架构变化，是的，你提到的第一件事，数据收集，以及，你知道，了解性能不佳的地方，建立整个数据飞轮和评估飞轮，这是核心，但是，是的，我认为这是，而且这就是它变得有点微妙的地方，你知道，你做什么，架构是什么，训练方法是什么，尤其，你可以做的最简单的事情是，一个端到端的模型，它只是在模仿中进行训练，你只是在模仿人类驾驶员，所以，你知道，非常简单的传感器，你知道，像素输入，驾驶行为，你有例子，你只是训练它模仿人类驾驶员，而且你可以运行这个飞轮，并运行你所描述的循环，同时运行，你知道，在这个范例下，是的，你会取得进步，一个非常容易理解的方法，对吧，你平衡你的数据，你找到一些，你知道，你表现不如你期望的地方，如果你弄清楚如何评估它，你模拟更多看起来像这种情况的例子，现在你得到了模拟，但是，这是，这是，这是 exactly 变得有趣的地方，你知道，对于你所描述的，你不需要模拟器，你可以运行，你知道，你可以转动曲柄，即使没有模拟器，只需进行开环模仿，所以你找到更多你想模仿的例子，你减少数量，你找到人类做了你不喜欢的事情的例子，所以，你知道，你有点，这是你的数据集平衡，而且你会，你知道，继续改进，你可能会在错误的地方停滞不前，你可能会在正确的地方停滞不前，对于驾驶员辅助系统，你会在错误的地方停滞不前，对于完全自主系统，所以你需要，你知道，构建那个机器，总的来说，新的数据和增强的原则仍然适用，但是要真正走完全自主的道路，你需要做其他事情，你需要做合成数据，你需要做闭环模拟，也许传感器模拟是不够的，因为当你大规模运行时，这只是非常低效的，它不实用，只是模仿传感器并通过整个系统进行管道化，所以然后你进入即时表示，你能，你知道，在该空间中模拟吗，而且你仍然在做，总的来说，飞轮，循环，循环仍然适用，但是循环中的内容是什么，我认为这取决于，完全正确，所以我想，我们现在在哪里，你认为我们将走向何方，我认为，你知道，反思这段旅程，已经有好几年了，我发现自己比以往任何时候都更兴奋，关于我们现在的位置，势头和未来，我知道，我做这个已经快二十年了，愿景一直都在，但是我们有这些重大的生存问题，我们能造出东西吗，我们能弄清楚什么足够好，以及如何评估它吗，人们会想用它吗，我们能以一种商业上可行的，你知道，等等等等的方式做到吗，而且，你知道，我们能走多远，就像现在，我们在这里，你知道，以我们现在的规模运营和扩展，我们已经证明了我们可以制造出东西，我们为我们的安全记录感到自豪，弄清楚了如何评估它，我们看到人们想用它，我们得到了非常积极的反馈，人们对此感到兴奋，我们看到我们可以以一种经济高效，经济上，你知道，可行的方式做到这一点，所以我对未来充满期待，我们开始谈论实现使命，实际上，你知道，实现那些安全效益，所以现在一切都关于优化，扩展，并将这项技术带给更多的人，更多的地方，太棒了，非常令人兴奋，再次感谢你今天加入我们，谢谢你邀请我，祝贺你在过去很短的时间内取得了突破性的进展，谢谢，谢谢，在Twitter上关注我们@no prior pod，订阅我们的YouTube频道，如果你想看到我们的脸，在Apple Podcasts, Spotify或任何你收听的地方关注我们的节目，这样你每周都能收到新剧集，并注册电子邮件或在no o- pri.com上查找每集节目的文字记录。