Waymo联席CEO多尔戈夫：多传感器融合才是自动驾驶安全突破的关键
Waymo联席CEO多尔戈夫指出，多传感器融合（摄像头、激光雷达、毫米波雷达）才是实现完全自动驾驶安全突破的关键，纯视觉方案安全性提升有限。Waymo已在美国15座城市运营Robotaxi，每周完成约50万次付费出行，而特斯拉纯视觉方案在极端场景下劣势明显。
自动驾驶圈子里，关于“纯视觉到底行不行”的争论，最近又有了新火药。Waymo的联席CEO德米特里·多尔戈夫在公开场合直接放话：光靠摄像头，根本撑不起真正的完全自动驾驶。这话听着有点绝对，但背后是Waymo近20年的研发积累和运营数据做支撑。
多尔戈夫是在Y Combinator的Startup School活动上分享这一观点的。他先承认一个事实：人类确实可以只用眼睛就开车，但这只适用于“跟人类水平差不多”或者“搞个驾驶辅助”的场景。一旦目标变成“完全自动驾驶，而且安全性要远超人类”，那摄像头这个单一传感器就明显不够用了。他给出的理由是：弱感知方案的安全性提升曲线会很快撞上天花板，根本达不到无人驾驶所需要的那道安全门槛。
目前Waymo的解决方案是“三件套”：摄像头、激光雷达、毫米波雷达，三者协同工作。多尔戈夫详细解释了为什么这么选——摄像头能提供高分辨率彩色图像，但一到黑暗或逆光环境就开始掉链子；激光雷达直接测量三维空间结构，精度高；毫米波雷达能穿透雨雪雾，还能用多普勒效应测速。他特别强调，激光雷达和毫米波雷达都是主动传感器，在完全没光或强光直射的场景下照样干活，而摄像头这时候基本等于瞎了。
光说理论不够，多尔戈夫还举了几个实际案例。比如在美国凤凰城遇上沙尘暴，摄像头什么都看不清，但激光雷达照样能发现路边行人；晚上没路灯的时候，激光雷达能准确识别到横穿马路的孩子和狗，摄像头几乎没提供任何有效信息。还有一个更典型的案例：摄像头镜头被遮挡，自动驾驶车辆就会直接罢工。但Waymo测试车曾经因为树枝卡住雨刷导致部分摄像头失效，其他传感器依然能撑住，安全返回维修中心。
关于自动驾驶的可靠性，多尔戈夫提出了一个“9不断增加”的规律。实现90%甚至99%的可靠性相对容易，但每往上增加一个9，工程难度和成本会呈指数级上升。很多公司容易踩的坑是：选那种前期进展快、演示效果好的技术路线，结果做到产品要求级别时才发现根本冲不过去。他举例说，技术演示可能只需要一个9的可靠性，驾驶辅助系统需要多个9，而无人驾驶汽车需要更多个9——这个差距，可不是线性递增的。
对于纯视觉阵营常提的成本问题，多尔戈夫的回应也很直接：Waymo已经迭代到第六代硬件，每一代都在大幅降本。现在拿激光雷达的价格去判断未来行不行，完全是刻舟求剑——这个成本数据的生命周期太短了。他强调，多传感器融合的效果“远远优于任何单一传感器”，尤其是在极端场景下，优势会变得极其明显。
与之形成鲜明对比的，自然是特斯拉。特斯拉从2024年开始逐步取消车载毫米波雷达和超声波传感器，全面转向纯视觉的“Tesla Vision”方案。马斯克多次公开批评激光雷达，说它是“愚蠢的道路”，还预言依赖激光雷达的公司会失败。特斯拉计划2025年上线的Robotaxi服务，同样只用摄像头。
从运营数据来看，差距还是挺明显的。Waymo目前在美国15座城市运营Robotaxi，每周完成约50万次付费出行，还在朝着每周100万单的目标扩张。而特斯拉确认，其Robotaxi服务上线一年来的累计无人驾驶运营里程大约是38万英里（约61.2万公里）。这个对比，直接反映了两家公司在自动驾驶商业化进程上的阶段性差异。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
AirBuddy 3 是面向 macOS 的蓝牙外设增强工具，可集中查看 AirPods、Beats 与苹果设备电量，提供快速连接、播放控制、电量提醒、桌面小组件和多台 Mac 外设接力等功能。
AirServer macOS版可把 Mac 转换为无线投屏接收端，通过 AirPlay 或 Google Cast 接收手机、平板和电脑画面，并支持多设备同时连接、高清镜像及会话录制，适合家庭娱乐、课堂教学、会议演示和应用展示。
Autodesk Maya 是面向影视、电视、动画和游戏行业的专业三维制作软件，集多边形与 NURBS 建模、角色绑定、关键帧和动作捕捉动画、Bifrost 特效模拟、材质开发及 Arnold 渲染于一体，
AirServer Windows版可把电脑变成AirPlay、Google Cast和Miracast无线投屏接收端，适合会议演示、课堂教学及家庭大屏分享。发送设备通常无需另装客户端，并可同时接收和智能排列多个镜像会话。