拿下蘋果廢棄測試場，Waymo的野心不只無人出租車

6月9日，據科技媒體TechCrunch報道，Waymo收購了位于亞利桑那州的一處大型測試設施。值得注意的是，這塊場地此前曾被蘋果用于自動駕駛汽車項目測試。隨著蘋果放棄“泰坦計劃”，這座曾承載蘋果自動駕駛夢想的測試基地，如今轉到了Waymo手中。

這筆交易之所以引發關注，不僅因為它代表著兩家科技巨頭在自動駕駛賽道上的不同命運，也因為它折射出Waymo正在進入一個新的階段。過去幾年，自動駕駛行業經歷了多輪洗牌。蘋果退出、Cruise停運、眾多創業公司被收購或轉型，而Waymo卻在持續擴大測試范圍、增加運營城市，并不斷推進商業化運營。

無論從運營里程、測試車隊規模還是訂單量來說，Waymo目前依然是全球商業化進展最快的Robotaxi（無人駕駛出租車）運營商。據Waymo此前披露，其Robotaxi服務目前在美國多個城市實現每周超過25萬次付費訂單。在經歷十余年的持續投入之后，Waymo已經率先證明，無人駕駛出行服務并非停留在實驗室中的技術概念，而是具備真實市場需求的商業產品。

Waymo為什么開始走出美國

而最近，Waymo的全球化步伐明顯加快。過去一年，Waymo持續推進東京測試項目，今年以來圍繞歐洲、中東，以及其他國際市場的討論也開始增多。

表面上看，這似乎是一次傳統意義上的市場擴張。但如果從自動駕駛產業發展的角度來看，事情可能沒有那么簡單。對于互聯網平臺來說，規模意味著更多用戶；而對于自動駕駛企業來說，規模意味著更多場景。東京狹窄復雜的街道、倫敦歷史城區的交通組織、中東地區特殊的道路環境，以及不同國家截然不同的駕駛文化和法規體系，都能夠為自動駕駛系統提供美國市場無法獲得的數據樣本。

以東京為例，這座擁有超過3700萬人口的大都市不僅采用左側通行規則，還擁有大量狹窄街道、復雜路口，以及極高的人車混行密度。對于長期在美國道路環境中訓練的自動駕駛系統而言，這幾乎相當于一次全新的考試。從某種意義上說，每一座城市都是一個獨特的數據訓練場。美國路況能夠幫助Waymo理解美國交通，但如果它希望構建更加普適的自動駕駛能力，就必須進入更多國家的道路。

類似的邏輯其實也正在中國市場上演。過去幾年，隨著Robotaxi商業化提速，蘿卜快跑、小馬智行、文遠知行等企業都在持續擴大運營范圍。尤其是在武漢，蘿卜快跑已經建立了大規模Robotaxi運營網絡。對于這些企業而言，擴大運營區域的意義不僅是增加訂單量，更重要的是接觸更多道路場景、積累更多真實數據。

不過，與中國企業主要在國內不同城市之間擴張相比，Waymo正在嘗試跨越不同國家的交通體系。某種程度上，這意味著它面臨的挑戰不僅是道路環境的變化，還有法規、駕駛文化，以及社會規則的差異。

這也是為什么Waymo近年來不斷提升測試能力建設。無論是推進東京項目，還是收購新的測試場地，本質上都在做同一件事情：獲取更多現實世界的數據。因為自動駕駛能力不是在實驗室里長出來的，而是在真實道路環境中不斷訓練出來的。

比出租車更大的生意

更值得關注的是，Waymo正在發生一種身份變化。

過去的Waymo更像一家自動駕駛運營商，擁有自己的技術、車隊和運營體系；而今天的Waymo則越來越像一家平臺公司。一方面，它開始與Uber合作，用戶可以通過Waymo應用叫車，也可以通過Uber獲得無人駕駛服務；另一方面，Waymo合作的車型也越來越多。從早期的克萊斯勒Pacifica，到后來的捷豹I-PACE（參數丨圖片），再到如今與現代、極氪等更多車企開展合作，Waymo正在逐漸擺脫對單一車型的依賴。與此同時，第六代Waymo Driver系統也開始強調標準化和規模化部署能力。

這些變化其實透露出一個重要信號：Waymo正在從單純運營Robotaxi車隊，轉向讓更多車輛具備自動駕駛能力。

事實上，過去幾年自動駕駛行業已經出現過類似趨勢。由于Robotaxi商業化進展低于預期，不少曾經以L4自動駕駛為目標的企業開始將重心轉向輔助駕駛市場。以Momenta為代表的企業提出“飛輪模式”，通過量產輔助駕駛業務獲取收入和數據，再反哺更高級別自動駕駛研發；元戎啟行、輕舟智航等企業也相繼加強與主機廠合作，將技術能力融入量產車型。

從商業角度看，這是一條更現實的路徑。相比昂貴且復雜的L4級自動駕駛，向車企輸出L2+技術方案所需資金更少、規模擴張更快，也更容易形成穩定收入來源。因此，過去幾年行業里不少自動駕駛公司都從L4轉向L2+。

但Waymo的特殊之處在于，它并不是在Robotaxi受挫后轉向平臺化。恰恰相反，它是少數真正將Robotaxi做出規模的企業之一。也正因為如此，Waymo積累了大量真實運營數據、車隊管理經驗，以及復雜場景處理能力。如果未來它選擇進一步開放Waymo Driver，那么其平臺價值很可能建立在真實運營體系之上，而不僅僅是一套軟件方案。

這或許也是Waymo與許多自動駕駛供應商最大的區別。過去幾年，不少企業的方案是通過L2++級別的量產輔助駕駛積累數據，再逐步向更高級別自動駕駛邁進；而Waymo則是在真實L4運營環境中積累能力，再考慮如何將這些能力擴展到更廣泛的產業場景。如果未來兩條路線匯合，那么Waymo最大的競爭優勢未必來自某項技術參數，而是過去十余年Robotaxi運營過程中積累的真實數據和長尾場景經驗。

這種演變路徑與亞馬遜的成長過程有某種相似之處。亞馬遜最初并不是一家云計算公司，而是在長期運營全球電商業務過程中積累了數據中心、軟件系統和基礎設施能力，而后將這些能力開放給整個行業。對于Waymo而言，Robotaxi或許也扮演著類似角色——它既是商業模式，也是訓練場，而未來真正有價值的，可能是從這個訓練場中沉淀出來的能力體系。

前路仍然漫長

當然，Waymo距離這一目標仍然有很長的路要走。原因在于，自動駕駛至今仍然是一項充滿不確定性的技術。

最近幾個月，Waymo先后因為車輛誤入警方封鎖區域、積水環境識別問題、事故現場通行決策等事件受到關注。這些案例并不意味著自動駕駛失敗，恰恰相反，它們暴露出的往往是復雜而且難解決的問題。因為自動駕駛最大的挑戰從來不是識別紅綠燈，而是理解現實世界。

警察臨時指揮交通怎么辦？施工區域突然改道怎么辦？事故現場救援車輛擁有優先權怎么辦？不同國家的駕駛文化不同又該怎么辦？這些都沒有統一標準答案。對于人類司機而言，這些判斷來自經驗和常識；而對于自動駕駛系統而言，則意味著需要建立更加復雜的認知能力。

這也是為什么Waymo必須不斷擴大測試范圍、進入更多國家道路、接觸更多場景。因為如果無法理解東京、倫敦、中東，以及未來更多城市的復雜現實，那么所謂全球自動駕駛平臺也就無從談起。