Blog

自动驾驶的路线之争与大模型的算力军备

2026年8月5日

AI技术在2026年继续沿着两条主线高速推进：一方面，以Waymo和特斯拉为代表的自动驾驶公司围绕“纯视觉还是多传感器融合”展开激烈争论；另一方面，大模型赛道参数竞赛仍在升级，算力基础设施的争夺白热化。本周的一系列动态，让我们更清晰地看到这两条路线的最新进展与潜在影响。

纯视觉还是多传感器融合？Waymo给出新答案

Waymo联席CEO德米特里·多尔戈夫近日在Y Combinator的Startup School上系统阐释了为何仅靠摄像头无法实现真正的完全自动驾驶。他直言，单纯依赖摄像头这样的“弱感知”方案，安全性会过早遇到瓶颈，远无法达到超越人类驾驶所需的可靠性¹。

多尔戈夫并未直接点明特斯拉，但业内普遍认为这正是在回应马斯克坚持的纯视觉路线。他拿出了实打实的数据：Waymo已在全美15座城市提供Robotaxi服务，每周完成约50万次付费出行，累计无人驾驶经验超过2.2亿英里。

在他展示的案例中，沙尘暴让摄像头近乎失明，但激光雷达仍能清晰识别路边行人；黑暗中被树叶遮挡的摄像头会导致纯视觉车辆完全停下，而Waymo的冗余设计让车辆依靠其余传感器安全驶回维修中心。他总结道：“这些不同类型的传感器并不是彼此的备份”，激光雷达、毫米波雷达与摄像头的融合远超任意单一方案。

他认为，自动驾驶难在最后那几个“9”：一次Demo可能只需要一个9的可靠性，而无人驾驶出租车需要多个9。纯视觉或许能很快做到99%，但每增加一个9的工程努力会指数级上升。

就在同一天，马斯克在SpaceX财报电话会上预告，将于下周发布Grok 4.6模型，总参数量达到1.5万亿，重点改进了监督微调（SFT）和强化学习（RL）²。他还透露，3~4周后将推出参数高达2.1万亿的Grok 4.7。

这已经不是第一次大模型参数量的跳跃。SFT技术像是“老师拿着标准答案手把手教模型做题”，而强化学习则让模型在实际交互中不断优化。Grok系列的快速迭代表明，大模型赛道仍处于高强度的参数军备之中。

大模型的背后是天文数字的算力需求。Anthropic本周被曝与云计算初创企业Volta签署了一份价值100亿美元的算力采购协议，一举锁定未来六年的计算资源³。

Volta成立仅半年，其位于挪威的数据中心采用英伟达最新的Vera Rubin芯片，总容量达133兆瓦，全部由水力发电供能。Anthropic此前已与谷歌、亚马逊、博通等多家企业达成算力合作，此次重金押注初创公司，足见AI开发商对算力的渴望。

值得注意的是，英伟达同时是Volta的投资方和芯片供应商，这种深度绑定让整个产业链的相互依赖越来越强。一旦AI需求不及预期，风险也可能被放大。

自动驾驶与大模型看似分属不同赛道，实则共享同一底层逻辑：硬件与算法的深度耦合。Waymo强调传感器融合并非简单堆料，而是针对场景的协同设计；Grok模型每次跃升都离不开底层算力集群的支撑。

如今，无论是车载计算平台还是云端训练集群，英伟达的AI芯片都扮演着关键角色。Anthropic的算力协议再次印证了“得算力者得模型”，但Waymo的经历也提醒我们，算法架构的创新同样重要——单纯的算力堆砌无法解决传感器缺失带来的安全瓶颈。

深耕“最后一公里”的可靠性：Waymo的“9的阶梯”告诉我们，能跑通Demo和真正落地之间存在巨大鸿沟。作为开发者，不要满足于单点技术展示，而应该关注系统在长尾场景下的韧性。
拥抱多模态，而非固守单一范式：无论是多传感器融合还是大模型的多模态能力，未来的AI系统必然需要整合多种输入信号。个人开发者可以提前储备相关技能，如传感器数据处理、跨模态对齐等。
算力平民化带来新机会：虽然巨头们一掷千金，但像Volta这样的算力“代建”模式，可能让中小团队也能获取弹性算力。关注AI算力服务化趋势，或许能催生更多轻量级应用。
关注垂直领域的落地：通用大模型参数竞争已是一片红海，但Waymo深耕自动驾驶这一垂直场景的坚持表明，在医疗、工业、金融等领域，深度优化的小模型或专门套件仍有巨大空间。

无论传感器还是参数，最终都要回到“创造价值”这个原点上。