Axios当地时间26日 报道，Waymo表示，自动驾驶并不存在仅靠AI进步就能走通的“捷径”。

Waymo在接受Axios采访时称，经过15年多的发展，并累计完成2亿英里的无人驾驶里程后，公司得出的结论是：自动驾驶问题并不能单靠数据规模扩大和模型性能提升来解决。

Waymo车载软件部门副总裁Srikanth Sriramalai在接受Axios独家采访时表示，要推动自动驾驶实现大规模安全落地，仅有更强的AI还不够。

他指出，Waymo自成立之初就将“可验证的安全AI”作为目标。相比之下，一些竞争对手选择将感知、决策到控制全部交由单一AI处理，而这一路径的风险正在显现。

Sriramalai还表示，即便是拥有数万亿参数的顶级AI模型，仍然会产生“幻觉”。而现实世界中的AI系统，无法像软件那样随时刷新或重启，系统必须为其判断结果负责。

Waymo本月10日在公司博客中总结并披露了基于累计2亿英里无人驾驶运营经验形成的10条AI实践经验。

资料显示，Waymo起步于2009年的Google自动驾驶项目。早期，Waymo分别为行人检测、交通信号灯识别等任务运行多个专用模型，随后逐步转向由少数大型基础模型构成的体系。

与Waymo的演进路线相比，Tesla、Wayve、Waabi等公司则更进一步，正研发可直接处理原始传感器数据并输出转向指令的端到端神经网络。

不过，Waymo也曾尝试类似路线，但认为其安全保障能力不足。Sriramalai表示，纯端到端系统在Waymo当前的运营规模下，难以满足安全标准。

Waymo还表示，在模型训练过程中，公司确认同时使用摄像头、激光雷达和雷达的方案，相比减少部分传感器的方案，在环境感知的完整性和稳定性上更具优势。

Sriramalai称，AI只能基于可感知的信息作出判断；如果相关信息根本无法被感知，AI也无从处理。Axios认为，这番表态显然指向Tesla试图仅依靠摄像头实现完全自动驾驶的策略。

他还补充称，与部分竞争对手的说法不同，高精地图仍然不可或缺，并强调，实现安全自动驾驶并不存在单一路径。