Waymo，这家谷歌旗下的自动驾驶公司，本周扔下了一枚重磅炸弹。
它发布了基于 Google DeepMind 最新世界模型 Genie 3 构建的「Waymo World Model」。
如果你还在用传统视角理解自动驾驶竞争，这次可能真的要更新认知了。
因为这不再是“谁的数据多”的问题，而是——
谁拥有整个互联网。
一场根本性的路径分歧
就在不久前，Tesla AI 副总裁 Ashok Elluswamy 用 30 分钟展示了特斯拉的技术路线。
Elluswamy 形容这是一场“数据的尼亚加拉瀑布”。
而 Tesla 的核心逻辑很清晰：
现实驾驶 → 采集数据 → 高保真重建 → 提取模式 → 优化模型
但这条路径有一个天然约束：
它只能学习发生过的事情。
Waymo 选择了另一条路线。
YouTube，成了自动驾驶训练场
Waymo 的世界模型基于 DeepMind 的 Genie 3。
这个模型并非从 Waymo 车队数据中生长出来，而是预训练于——
整个互联网视频数据。
尤其是 YouTube。
想象一下：
数十亿小时的自然世界录像
光影变化
物体运动
液体流动
极端天气
事故现场
动物横穿道路
奇异场景
这不是普通数据。
这是“物理世界的视觉百科全书”。
Genie 3 不只是理解像素，它理解概念。
它知道什么是雪，什么是桥，什么是风暴。
于是它可以生成现实中从未发生的场景：
六月的金门大桥飘雪
热带棕榈树被暴雪覆盖
城市道路洪水中漂浮家具
龙卷风正在形成
大象挡在路中央
飞机迫降高速公路
这些场景，可能极其罕见。
但它们属于自动驾驶系统最危险的“长尾风险”。
而 Waymo，可以按需生成。
生成，而不是等待
这是核心差异。
Tesla 的系统依赖真实车队遇到边缘场景。
Waymo 的系统可以：
用语言描述场景 → 直接生成多传感器仿真数据
更关键的是——
Waymo 的世界模型不仅生成视频。
它可以从普通视频中推理生成 LiDAR 点云数据。
这意味着：
任意一段 YouTube 公路旅行视频
任意一次极端天气记录
任意事故现场画面
都可以被转换为多摄像头 + LiDAR 的仿真训练素材。
换句话说：
互联网视频正在被转化为自动驾驶训练数据。
重建 vs 生成：两种哲学
我们可以用一句话总结这场技术对决：
Tesla 在“重建现实”
Waymo 在“创造可能”
Tesla 的优势
与真实硬件深度耦合
36 FPS 高帧率闭环系统
感知到控制高度集成
仿真精度极高
Waymo 的优势
无限长尾场景覆盖
语言控制生成能力
多模态传感器合成
摆脱地理与气候边界
一个优化“真实性”。
一个优化“准备度”。
问题在于：
自动驾驶失败，往往发生在极端边缘场景。
如果某些场景永远不会在你的车队中出现，你如何为它做准备？
规模边界被打破
Tesla 的数据来源是自己的车队。
它确实庞大，每天 500 年驾驶时长。
但它仍然受到：
的限制。
Waymo 直接跳过了这个约束。
它训练在：
整个人类互联网的视频记忆之上
每一条上传的行车记录仪视频
每一次旅行 Vlog
每一次极端天气记录
都可能成为训练素材。
而内容创作者甚至不知道自己参与了自动驾驶模型训练。
这种“数据护城河”会随着时间自动增长。
这会改变格局吗？
也许不会立刻。
Waymo 的模型目前运行在 24 FPS、720P 分辨率，未必与其生产传感器栈完全对齐。
Tesla 的系统在端到端闭环整合方面依然非常强。
但问题不在当前指标。
而在未来趋势。
如果自动驾驶的核心难题在于：
覆盖无限长尾风险
那么能够生成“未发生但可能发生”的系统，可能拥有战略优势。
自动驾驶的战争正在转向
过去几年，行业讨论焦点是：
现在问题变成：
谁能模拟整个可能世界？
Tesla 拥有生产规模和数据瀑布。
Waymo 拥有世界模型和整个 YouTube。
这场竞赛已经不再只是工程问题。
它开始进入“生成式物理世界”的时代。
自动驾驶的下一个阶段，
也许不是学会更好地看见现实，
而是学会为一切可能做好准备。
10个月宝宝每天需要喝多少奶粉？
