自动驾驶技术路线 - 自动驾驶领域核心分歧在于纯视觉与多传感器融合的技术路线博弈，特斯拉在奥斯汀的纯视觉FSD实测被视为行业关键转折点[4] - 纯视觉方案最大优势在于成本，高端激光雷达单价高达数千美元而摄像头成本仅数十美元，成本优势可能形成降维打击[6] - 纯视觉方案面临恶劣天气和低光照条件下的可靠性挑战，其核心是通过AI弥补物理传感器不足，需要模型具备强大推理能力[7] 行业发展阶段与商业化进程 - 自动驾驶已进入从L4向L5过渡的关键节点，行业正从技术验证期进入规模化扩张阶段[9][11] - 人类每年在汽车中消耗时间高达8200万年，自动驾驶对驾驶时间的释放意味着巨大经济价值，未来3-5年是商业化落地黄金期[9] - Waymo计划在2026年将无人驾驶服务扩展至15个城市并开始提供高速公路自动驾驶服务，印证技术成熟度提升[9] 机器人领域发展 - 对人形机器人持谨慎态度，市场过度预期替代人类劳动力的总潜在市场规模而严重低估技术落地难度[12] - 更看好空中机器人发展潜力，认为其数量将远超地面机器人，支撑3D空间完全自动操作的技术已基本成熟[14] - 空中机器人系统需解决高精度定位与导航、避障路径规划、集群协同控制及与现有航空管制系统集成等关键问题[20] Waymo发展历程与运营理念 - Waymo前身是谷歌内部自动驾驶moonshot项目，启动契机源于对交通安全关注，全球每年因交通事故死亡人数超百万[16] - 团队建设核心哲学包括成员需对解决大问题有强烈热情、鼓励试错文化、注重跨学科协作[16] - 技术发展采用渐进式迭代路线，从封闭园区测试到城市公开道路运营，逐步积累数据优化算法环境适应性[17] 机器人出租车规模化挑战与未来 - 机器人出租车行业达到改变出行方式的临界点需要三个关键因素：地理位置覆盖、充分竞争和生态系统溢出效应[19] - 面临的挑战包括复杂城市环境导航能力、极端天气可靠性、与其他交通参与者交互及网络安全保障[23] - 随着技术成熟和成本下降，未来3-5年机器人出租车将在特定区域实现规模化商用，但彻底改变出行方式需更长时间[21]