图灵汇官网

在摩根士丹利的亚太峰会上，自动驾驶领域的专家 Sebastian Thrun 与分析师 Adam Jonas 进行了深入交流。讨论内容涉及技术发展、行业现状、机器人领域分化以及早期项目经历等。

作为谷歌无人车项目的创始人之一，Thrun 的观点对当前自动驾驶和机器人领域的发展具有重要参考价值。

自动驾驶技术路线存在明显分歧，主要体现在纯视觉方案和多传感器融合方案之间。特斯拉在奥斯汀的测试被认为是一个关键节点。如果马斯克能在该地实现无安全员的纯视觉 Robotaxi 服务，将对行业产生重大影响。纯视觉方案只使用摄像头，依靠神经网络模拟人类的视觉感知；而多传感器融合方案则结合激光雷达、毫米波雷达和摄像头，构建更全面的环境感知系统。

从成本角度看，纯视觉方案更具优势。高端激光雷达价格昂贵，而摄像头成本低廉。一旦纯视觉方案被验证可靠，其成本优势将对其他方案形成冲击。但这种方案也面临挑战，尤其是在恶劣天气和低光照条件下，可靠性不足。Thrun 表示，纯视觉系统需要强大的 AI 推理能力，以弥补物理传感器的不足。

特斯拉采用的“BEV+Transformer”架构是这一思路的体现。它通过多个摄像头数据生成鸟瞰图，并利用时序建模实现三维环境感知。相比之下，多传感器融合方案直接获取三维点云数据，技术上更直观，但成本较高。

回顾自动驾驶的发展历程，Thrun 将 2005 年的 DARPA 挑战赛视为行业的里程碑。他带领团队开发的“Stanley”自动驾驶车成功完成沙漠赛道挑战，证明了技术的可行性。

经过近二十年的发展，自动驾驶已进入加速阶段。Thrun 提到，在峰会现场，约三分之一的与会者曾体验过自动驾驶汽车，其中多数乘坐的是 Waymo 的车辆。这显示了技术向民用化迈进的趋势。

目前，行业正处在从 L4 向 L5 过渡的关键阶段。根据研究，人类每年在汽车中消耗大量时间，自动驾驶有望释放这部分时间，带来巨大经济价值。Thrun 预测，未来三到五年将是商业化落地的重要时期。

Waymo 正在扩展业务，计划在多个城市进行手动驾驶测试，并计划在 2026 年前将无人驾驶服务推广至更多地区。同时，亚马逊旗下的 Zoox 和特斯拉也在加快布局，显示出激烈的竞争态势。

Thrun 认为，自动驾驶行业已进入规模化阶段，但仍需应对不同地理和气候条件下的适应性问题。Waymo 在寒冷城市进行测试，正是为了验证系统的可靠性。

在机器人领域，Thrun 提出“结构性分化”的观点，认为人形机器人市场存在过高预期，实际落地难度较大。他指出，实现手部灵活性和复杂环境中的平衡控制是主要挑战。Thrun 建议关注解决底层技术难题的企业。

相比之下，Thrun 更看好空中机器人的前景。他认为，未来机器人的增长主力将在天空。相关技术已基本成熟，主要限制因素是基础设施。国内企业正在探索将这一理念应用于城市规模，通过统一的数据处理方式推动发展。

美国现有的空中交通管理系统难以支持大规模空中机器人运行，因此需要升级。这为 eVTOL 研发和空中交通管理提供了新的投资机会。

空中机器人系统需要解决的问题包括高精度定位、避障、路径规划、集群控制以及与现有航空系统的集成。

Thrun 首次详细介绍了 Waymo 的早期历史。该项目源于对交通安全的关注。团队通过不断迭代，逐步将自动驾驶从设想变为现实。

在团队建设方面，Thrun 强调三点原则：成员需有解决大问题的热情，鼓励试错文化，注重跨学科协作。他还建议，想做 moonshot 项目的人应从小范围测试开始，验证核心逻辑再逐步扩大规模。

Waymo 的技术发展路径体现了这一理念。公司通过逐步扩大测试区域，积累不同场景的数据，优化算法的适应性。

Waymo 的长期目标是实现全场景、无人干预的自主驾驶。目前，重点是扩大测试区域和场景覆盖，同时探索物流运输和园区接驳等 B 端应用。

Waymo One（自动驾驶出租车）将继续扩展，通过 C 端体验和 B 端盈利的双轨模式，推动技术走向商业化。在技术方面，公司持续优化 AI 算法和车辆硬件，特别是在感知系统上采用多模态融合方案，提升恶劣天气下的可靠性。

尽管 Waymo、Zoox 等公司加快扩张，Thrun 认为机器人出租车尚未达到改变出行方式的临界点。他认为，临界点的到来需要地理位置覆盖、充分竞争和生态系统溢出效应。

Thrun 表示，某些城市的机器人出租车饱和将成为重要指标。健康的竞争环境有助于降低价格和创新商业模式。生态系统溢出效应也不可忽视，随着普及，将催生一系列相关产业。

从技术角度看，机器人出租车面临复杂城市导航、极端天气可靠性、与其他交通参与者的交互以及网络安全等挑战。Thrun 预测，未来三到五年，随着技术成熟和成本下降，机器人出租车将在特定区域实现规模化商用。但要真正改变人们的出行方式，还需要更长时间的技术迭代和市场教育。

随着多家公司在技术、商业化和政策上的突破，自动驾驶正逐步从实验室走向现实。AI 正在从数字世界走向物理世界，从感知智能走向行动智能。我们需要为未来的基础设施、技术路线和商业模式做好准备。