专访：Waabi创始人Raquel Urtasun谈L4级自动驾驶卡车
她的初创公司如何利用仿真技术训练其人工智能
劳伦斯·乌尔里希 | 2026年3月13日 | 6分钟阅读
Raquel Urtasun在自动驾驶领域耕耘了16年，经历了从早期被斥为“白日梦”的冷遇，到“我们即将成功”的乐观，再到信心回落的各种起伏。如今，该行业正迎来新的乐观情绪和投资热潮，包括她于2021年创立的自动驾驶卡车公司Waabi Innovation Inc.。这位西班牙裔加拿大籍的多伦多大学教授、优步先进技术集团前首席科学家，已帮助Waabi成为行业关键参与者。
自2023年秋季起，这家总部位于多伦多的初创公司一直在达拉斯至休斯顿的地理围栏货运路线上运营着一支由改装的Peterbilt半挂卡车组成的车队，这些载重达36,000公斤（80,000磅）的庞然大物甚至能在居民区街道上行驶，但车上仍配有“安全观察员”。去年10月，该公司实现了里程碑式突破，将其“Waabi Driver”物理AI系统集成到了沃尔沃在弗吉尼亚州生产的新型VNL Autonomous卡车中。该自动驾驶解决方案使用了英伟达的Drive AGX Thor平台，这是一个面向自动驾驶和软件定义汽车的AI平台。今年1月，这家多伦多初创公司在新一轮融资中筹集了7.5亿美元，以加速自动驾驶卡车的商业开发，并将其系统拓展至竞争激烈的机器人出租车领域。投资方包括科斯拉创投、英伟达和沃尔沃。
Urtasun表示，Waabi Driver可以扩展到各种车辆、地理环境和场景中——尽管暴风雪目前仍属于禁区。其核心动力来源于Urtasun所称的业内最先进的神经仿真器。这个可验证的端到端AI模型将成为一个“共享大脑”，合作伙伴可以将其移植到汽车、卡车以及几乎所有带轮子的设备上。其目标是抓住全球自动驾驶卡车市场的一席之地，麦肯锡估计，到2035年，该市场年价值可能超过6000亿美元；而到2030年，自动驾驶卡车可能占美国卡车总行驶里程的15%。
在获得优步额外2.5亿美元投资的支持下，Waabi计划通过优步的打车服务部署至少25,000辆自动驾驶出租车。优步的业务覆盖全球70个国家、约15,000个城市和超过2亿月度活跃用户。
Urtasun与《IEEE Spectrum》讨论了Waabi如何依靠传感器和仿真技术来验证现实世界的安全性；以及为什么向自动驾驶的转变是一项道德责任，其重要性超过了它对人类司机（无论是卡车司机还是家用轿车司机）带来的冲击。
向下一代自动驾驶汽车的转变
《IEEE Spectrum》：直到最近，至少在公众心目中，自动驾驶技术似乎遇到了瓶颈。现在投资者又蜂拥而至，各大公司也全力投入。发生了什么？
Urtasun： 过去存在很多空洞的承诺，或者说人们没有意识到这个问题的复杂性。大家逐渐认识到，这个问题实际上比预期的要难。这也是由于当时开发的技术类型（我们称之为“自动驾驶1.0”）所决定的。这些是手工设计的系统，需要人类用蛮力去解决。仅仅为了首次部署，就需要大量资本和难以计数的实际道路里程。
而当你看到下一代技术——自动驾驶2.0和具备推理能力的系统时，你终于有了一个可扩展的解决方案。我们创立公司时，这是一个非常反主流的观点。但如今，AI领域的突破已经清楚地表明，这就是下一场重大革命。这不仅关乎更强的算力，更在于构建一个能够泛化的“大脑”。这就是当前行业正在经历的“顿悟时刻”。
即使是对技术有信心的人，看到后视镜里有一辆无人驾驶的半挂卡车可能也会感到不安。现在你们的技术已经集成到空气动力学的、以柴油为动力的沃尔沃VNL Autonomous卡车中。你们如何说服监管机构和公众，让这些卡车上路是安全的？
Urtasun： 当你考虑这些重达80,000磅的庞然大物时，安全绝对是头等大事。我们相信，安全地实现这一目标的唯一方法，是使用由原始设备制造商（OEM）全面开发和验证的冗余平台，而不是简单的改装。OEM生产一种特殊的卡车，具备所有冗余的转向、动力和制动系统。这样，无论发生什么情况，我们都能以安全的方式介入并控制卡车。而我们负责传感器、计算平台，以及驱动这些卡车的“大脑”。
AI对卡车司机工作的影响
最大的争议之一是对人类司机的替代。随着AI颠覆一系列工作场所，你如何回应那些认为这会消除高薪蓝领工作的人？
Urtasun： 我们认为，今天所有卡车司机，如果他们想以此为职业直到退休，他们都能做到。这是物理AI，不像数字世界，技术可以一夜之间切换。这种技术的采用和推广需要时间。这项技术本身也会创造许多新工作岗位，例如远程操作、终端操作等。我们有足够的时间将劳动形式从在路上连续数周（坦率地说，这是一项非常艰难且非人化的工作）转变为在当地就能完成的工作。美国交通部的一项有趣研究表明，由于这种渐进式的采用，创造的工作岗位将多于被取代的岗位。
你曾谈到过这背后的个人动机。为什么你认为自动驾驶的优势超过了其伴随的阵痛，包括潜在的意外事故甚至死亡？
Urtasun： 全球每年有200万人死于交通事故，但没有人对此提出质疑。这就是现状。如果你认为机器必须完美才能投入使用，那实际上你是在沿途中牺牲了许多本可以挽救的生命。人为失误在事故原因中占90%到96%。这些事故本是可以预防的。有些事故永远无法避免；轮胎爆胎对于机器和人类来说都可能发生。但重要的比较是，我们能让系统安全多少。这项技术是解决许多问题的答案。
大多数行业都专注于“枢纽到枢纽”的高速公路驾驶。但你认为Waabi的AI能够应对复杂的城市街道。
Urtasun： 业内其他公司采用的商业模式需要在高速公路旁建设枢纽。这增加了许多摩擦和成本。得益于我们可验证的端到端AI系统，我们可以在（本地）城市道路上行驶。我们可以完成无保护左转、应对交通信号灯和急转弯。这些核心能力使我们能够一路行驶到最终客户那里。我们已经在通过Uber Freight合作，为三星等客户运送商业货物。
你提到Waabi不喜欢将“行驶里程数”作为衡量标准。对于一个工程领域的受众来说，这听起来有些反直觉。你们的“仿真优先”方法如何替代实际道路测试的需求？
Urtasun： 在业内，行驶里程一直被用作衡量技术进步的一个指标。特斯拉需要行驶多少英里才能遇到所有可能的情况？但我们是仿真优先的公司。Waabi World能够模拟所有传感器、人类行为等一切要素。它是唯一一个能够从数学上证明在仿真中进行的测试和驾驶与现实世界中的驾驶完全等效的仿真器。你可以在云端进行数十亿次的仿真模拟。这正是我们能够如此高效且快速地使用资本的原因。
可验证AI vs. 黑箱系统
你们的“可解释AI”与我们在别处看到的“黑箱”系统有何不同？
Urtasun： 我们看到了乘用车L2+级别系统向端到端的黑箱架构演进。但这些系统是不可验证的。你无法验证和确认这些系统，当监管机构和OEM需要信任这项技术时，这会产生巨大的问题。
Waabi构建的系统是端到端的，但完全可验证。该系统被强制要求解释它所感知的内容，并利用这些解释进行推理，从而理解每个行动的后果。这更类似于我们大脑的实际工作方式；你的“第二类”思维，即开始思考因果和后果，然后通常会做出更好的机动选择。
特斯拉以其备受争议的方式，几乎完全依赖摄像头数据来运行和改进其自动驾驶系统。你不赞成这种方法？
Urtasun： 我们使用多种传感器：激光雷达、摄像头和雷达。这非常重要，因为这些传感器的失效模式完全不同，且具有高度互补性。我们不会为了降低物料清单成本而牺牲安全。
那些（乘用车）L2+级别的系统并非为L4级别设计的，L4级别意味着车上没有人类。人们未必意识到，当没有人类可以依赖时，安全标准会有天壤之别。这并非“如果我的系统干预次数不多，我就快成功了”。那不是衡量标准。我们是原生的L4级别系统。我们决定系统可以在哪些区域、在何种条件下行驶。我们正在构建能够用同一个“大脑”驱动不同形态（卡车或机器人出租车）的技术。
