# 当自动驾驶的“捷径”遇上Waymo：L2升维L4，到底卡在哪？
自动驾驶行业最近流传着一个迷人的故事：只要把L2级辅助驾驶的算法做得足够好，数据喂得足够多，就能自然而然地“涌现”出L4级自动驾驶能力。这种“升维”叙事让不少车企和科技公司趋之若鹜，仿佛跳过复杂的系统架构，靠一块大模型就能实现技术跃迁。但Waymo的CEO最近泼了一盆冷水：这条路理论上存在，但只靠端到端远远不够。
这不是保守派的唱衰，而是一位真正跑通L4的商业化先行者的忠告。当整个行业都在疯狂押注“端到端”大模型时，Waymo的提醒来得恰到好处——技术路线的选择，从来不是非此即彼的赌局。
## “升维”的诱惑：为什么大家都在谈L2到L4？
要理解Waymo的立场，首先得看清“L2升维L4”这个叙事的魔力所在。对于大多数车企和智驾供应商来说，L4级自动驾驶是一个无限接近却难以触碰的目标。真正的L4意味着车辆在特定区域内完全不需要人类干预，系统要独立应对各种长尾场景——从突然冲出的行人到诡异的施工路段。
而“升维”逻辑提供了这样一个幻想：既然特斯拉已经证明端到端大模型可以通过海量驾驶数据学会“像人一样开车”，那么理论上，只要继续扩大数据规模、优化模型架构，L2系统中的自动驾驶能力终将达到L4的水平。这是最优雅、最“省事”的路径——不需要拆解复杂的感知、预测、规划模块，不需要手工编写规则，一切交给神经网络和算力。
这种叙事对资本和市场极具吸引力。它暗示着L4不是需要重新发明轮子的事，只是现有L2能力量变到质变的结果。对于已经投入巨额资源开发L2系统的公司来说，这意味着他们的既有投资不会白费，“再加把劲就能到L4”的故事足够诱人。
## Waymo的“但是”：端到端走到了哪一步？
Waymo CEO的回应中有一个关键判断：端到端对于处理某些感知和决策环节确实有价值，它让系统获得了更好的“直觉”和从数据中学习的能力。然而，L4的核心挑战不在于常规驾驶，而在于**安全性和可解释性**。
想象一下，一个端到端模型在99%的情况下都能完美驾驶，但在遇到从未见过的场景时，它的决策逻辑是黑盒的。当一辆L4的无人车面对一个奇怪的临时路障，模型决定向右绕行，但谁也无法解释这个决策背后的推理过程。一旦出错，谁来承担责任？如何从系统层面保证安全冗余？
这就是Waymo反复强调的“安全论证”（Safety Case）。Waymo的解决方案是系统分层：端到端大模型作为“快思考”系统，负责实时感知和决策；而传统基于规则的“慢思考”系统负责规划、安全监控和异常处理。当快系统出现置信度低的场景，慢系统接管，确保安全退路。这不是单纯的L2升级，而是一套全新的系统架构设计。
## 商业与技术的双重考量
我们还可以从商业逻辑的角度理解Waymo的立场。作为最早跑通L4并实现商业化运营的公司，Waymo积累了海量的极端场景数据和丰富的部署经验。如果承认“端到端升维”是唯一路径，等于否定了Waymo十多年来在系统架构、仿真测试、安全验证方面的投入。
更重要的是，**安全问题不容妥协**。L2系统的“允许失效”与L4系统的“零容忍”是完全不同的设计哲学。L2可以接受驾驶辅助系统偶尔犯错，因为人类驾驶员是最后的安全兜底。但L4级无人车没有人类司机，错误就是直接的交通事故。从这个角度看，Waymo强调“只靠端到端不够”，是一种负责任的防御姿态——它警告行业不要为了追求快捷路径而牺牲最基本的安全底线。
但这并不意味着Waymo反对端到端技术。相反，其CEO明确表示端到端是重要工具，只是不能成为唯一的支柱。最可能的未来是：端到端大模型负责感知和理解复杂场景，而精细化规划的底层逻辑仍然依赖可解释、可验证的工程方法。
## 不走捷径，但可以走得更远
Waymo这番表态的真正价值，在于提醒行业：L4是一个系统工程，不是单一模型的奇迹。端到端的能力迭代很重要，但安全架构、仿真验证、冗余设计、法律法规这些“非性感”的部分同样不可或缺。
对于正在追赶L4的公司来说，最危险的莫过于被“升维”叙事冲昏头脑，将资源全押在端到端这条赛道上。一个更理性的策略或许是：在端到端上持续投入，同时构建与之匹配的安全验证体系和规则引擎——这才是通往L4的务实路径。
未来的自动驾驶，既需要AI的灵性，也需要工程的严谨。这场L2到L4的升维，恐怕不是一次简单的模型升级，而是一场从技术理念到商业模式的彻底重构。而Waymo，作为那个已经站在终点的人，正在告诉所有赶路者：捷径很美，但多备几条路，才走得远。
暂无评论