加载失败
Waymo（Alphabet/Google 的自动驾驶子公司）宣布把第六代 Waymo Driver 投入“完全自主”运营，宣称基于近两亿英里里程与 10+ 个城市的经验并在新车型（如 Zeekr/IONIQ 5 等合作车辆）上部署定制传感硬件。讨论围绕两条主线：Waymo 的多模态传感与 sensor fusion 策略能否在稀有场景（long tail）提供更高鲁棒性，以及 Waymo 宣称的“完全自主”在现实中如何与其 Fleet Response（远程人工辅助）并存。行业背景包括 Tesla 的 vision-only 路线、Cruise/GM 的失败与撤退、监管审查与安全数据透明度争议，以及城市规划对无人车普及后拥堵与步行性的担忧。评论者从技术证据、公司战略、法务监管与公共政策多个维度对这些宣称与潜在影响展开了激烈辩论。
Waymo 宣称第六代 Waymo Driver 建立在近两亿“完全自主”里程及 10+ 个城市的运营经验上，采用定制高分辨率摄像头、imaging radar 与 lidar 的多模态传感套件。评论者强调 sensor fusion 的价值：多传感器能互补探测单一传感器难以察觉的目标，在出现歧义时触发更保守的决策以提升鲁棒性。有人把 Waymo 在感知、高清地图与场景化部署上的领先比作 NVIDIA 与 CUDA 的先发优势，认为这种运营级的数据与经验构成较难被撼动的壁垒。也有评论引用 Waymo 展示的视频/案例，指出 lidar 在若干避险场景中起到了关键作用，但公司对全部安全数据存在保密争议。
许多评论把焦点放在 Waymo 所谓的“完全自主”是否等同零人工介入：Waymo 描述的 Fleet Response 是远程人员为车辆提供情境信息或备用路径建议，但公司强调 Waymo Driver 始终保持控制权。反对者认为这种远程建议在功能上可能等同于人类在环或远程安全员，因而质疑把带远程辅助的运营称为“完全自主”的合理性。支持者则指出 Fleet Response 多为罕见情形下的补充，绝大多数里程车辆能独立完成行程，且与每车配备随车安全员的成本结构不同。争论实质集中在定义精确度与透明度：把少数人工介入视为“非全自”或把 99%+ 自动化视为实质上的自主，两种解读都会影响公众与监管的接受度。
社区对 lidar（激光雷达）与 vision-only（纯摄像头）路线争论激烈：有人断言特斯拉放弃 lidar 将是商业与安全上的重大失策，另有人从成本与数据规模角度为 camera-only 辩护。反对者引用实际事故和 Waymo 的避险录像，指出 lidar 在某些光照/遮挡情形下能提前探测行人或障碍物，从而降低 long tail 风险；支持者则强调摄像头便宜、能在大量用户车辆上快速收集训练数据并简化训练管线。关于“奥斯汀是否存在无随车安全员的 robotaxi”报道在评论中被反复质证，说明技术成熟度、地域限制与公司声明之间仍存在落差与监督争议。
评论把技术讨论与公司战略与估值联系起来：Waymo 得益于 Alphabet 的长期投入和稳定部署路径，而像 Cruise 的遭遇被解读为大型车企文化与硅谷高风险投融资模式不匹配。前雇员与观察者提到高层变动、领导风格与声誉风险（例如 Dan Ammann 的离开或事故后监管压力）是 GM 撤退的重要原因。同时有大量关于估值、winner-take-all 效应与各国保护措施的讨论：即便技术可行，不同地区的政策与监管也会保留多家玩家的生存空间。监管捕获、数据壁垒和本土安全审查会显著影响谁能在市场扩张中获益。
部分评论引用 NotJustBikes 等观点警告大规模无人车可能加剧街道被车辆占用、无人车巡游待命占据停车位并推动以车辆为中心的道路改造，从而侵蚀城市步行性与街区活力。反驳者列出政策工具（拥堵费、限定牌照、指定等待/停放区）和公共交通投资作为缓解手段，并指出 robotaxi 有时能释放私人停车用地、提高人均车辆利用率。讨论中还包含现场抱怨：Waymo 车辆在城市路段双排停靠或开启危险闪灯阻塞交通的亲历者陈述，显示运营细节会直接影响路权与体验。总体争论不是单纯技术优劣，而是商业模式、城市规划与监管如何避免最坏的空间再分配结果。
评论对安全与监管的看法分为几类：一派认为技术上已显著提高安全性并把主要障碍归结为监管与许可，另一派强调企业对安全数据的封存与法律诉讼加剧了公众的不信任。有人援引学术研究认为自动驾驶在统计上更安全，也有评论指出遥控支援与随车安全员在责任与成本上差异巨大，监管应对这两者作出明确界定。另有担忧技术被军方或国防承包商采用会改变研发方向与伦理风险，出口管制与国家安全审查将成为实际部署的重要变量。综合来看，安全争论在技术证据、法规机制与商业激励三者交叉下持续演进。
Waymo Driver: Waymo Driver（Waymo 的自动驾驶软件与决策堆栈），负责感知、定位、路径规划与动作执行，是公司宣称的“可大规模运营”的核心系统。
Fleet Response: Fleet Response（Waymo 的远程辅助系统）：远端人工为车辆提供情境信息或备选路径建议，但公司称车辆在任何时刻仍由 Waymo Driver 做出最终驾驶决策。
lidar: lidar（激光雷达，Light Detection and Ranging）：通过激光测距生成高精度点云，用于构建场景深度信息，常被用于提高感知鲁棒性与检测小目标。
sensor fusion: sensor fusion（传感器融合）：把摄像头、lidar、雷达等多源传感器数据合并以减少模糊和误检，通过互补性提升环境理解与决策可靠性。
vision-only / camera-only: vision-only / camera-only（纯摄像头方案）：仅依赖摄像头进行感知与决策的路线，优点是成本低、可在大规模量车上采集数据，缺点是在极端光照或遮挡场景鲁棒性可能受限。
robotaxi（unsupervised robotaxi）: robotaxi（无人驾驶出租车）：用于载客的自动驾驶车辆；unsupervised robotaxi 指在无随车安全员或尾随安全车情况下独立运营的商业服务。
long tail: long tail（长尾事件）：自动驾驶中的低频但高风险场景或一百万分之一的异常情况，系统需有策略应对这些罕见事件以保证总体安全性。