6 代 Waymo Driver 如何应对严酷冬季天气
6 代 Waymo Driver 通过摄像头、雷达和激光雷达的多传感器冗余及车载加热除冰功能,在冰雪条件下保障安全运营。车队利用每辆车作为移动气象站共享实时路况数据,并在俄亥俄州等地进行封闭场地测试与合成数据训练以验证能力。当天气超出安全边界时,Waymo 将主动缩小服务范围或暂停运营,直至确认道路安全。
6 代 Waymo Driver 通过摄像头、雷达和激光雷达的多传感器冗余及车载加热除冰功能,在冰雪条件下保障安全运营。车队利用每辆车作为移动气象站共享实时路况数据,并在俄亥俄州等地进行封闭场地测试与合成数据训练以验证能力。当天气超出安全边界时,Waymo 将主动缩小服务范围或暂停运营,直至确认道路安全。
Waymo 推出新影片展示其自动驾驶服务如何消除乘客压力,让女性用户能自由通话、静音或播放音乐。数据显示,在已运营市场,超过半数女性乘客认为该服务提升了个人安全感。Waymo 通过与女性主导的创意团队合作,强调为乘客提供完全由自身掌控的出行空间。
Kodiak AI 宣布其长途无人驾驶运营的安全案例(Autonomy Readiness Measure)完成度已达 99%,计划于 2026 年底前在德克萨斯州 I-45 高速公路段启动为 IKEA 提供无人驾驶货运的商业服务。公司此前已完成在 Permian Basin 盆地的工业级部署,目前正通过 BreakPoint 仿真工具和概率风险评估方法完善剩余工程验证与验证里程碑。
推荐理由:Kodiak 宣布其长途无人驾驶安全案例完成度达 99%,计划年底在德克萨斯州 I-45 路段为 IKEA 启动商业服务。
智元机器人推出 Worken 框架,通过“活跃机器人数量×自主工作时长×输出效率比”衡量部署后实际完成的有效智能工作小时。该指标由彭志辉提出,旨在区分单纯开机时间与独立完成任务的产出,强调将技术能力转化为可衡量的实际贡献。
Point One Navigation 创始人 Aaron Nathan 在 OpenCV Live! 231 中指出,自动驾驶、配送机器人及无人机等物理 AI 无法从原型走向部署,除非能在真实复杂条件下实现厘米级精准定位。该观点强调现有实验室设计难以应对现实环境挑战,位置信息是解锁大规模物理 AI 应用的核心要素。
2026年度中国汽车工程学会科学技术奖揭晓,由清华大学牵头、地平线等参与的项目《多源数据混合驱动的端到端自动驾驶关键技术及应用》获特等奖。该项目提出多源数据混合与闭环阶梯训练技术路线,已在乘用车、Robotaxi及商用车等多类平台实现L2至L4级规模化应用。地平线作为主要参与单位,依托征程系列芯片提供工程化验证与产业资源支撑,累计量产超1500万套,推动端到端自动驾驶从理论创新走向产业化落地。
推荐理由:地平线联合清华大学等团队获中汽学会特等奖,验证了多源数据混合与闭环训练技术在L2至L4级平台的规模化落地能力。
文远知行因基于 GENESIS 通用仿真模型与 WITT 认知基础模型的物理 AI 闭环,入选 WICV 2026“2026 年十大汽车 AI 应用案例”。CEO Tony Han 在主题演讲中分享了将 L4 自动驾驶技术应用于 L2 ADAS 的经验,强调以算力密度衡量智能水平并坚持安全优先。
推荐理由:文远知行因基于 GENESIS 与 WITT 的物理 AI 闭环入选 WICV 2026 十大案例,展示了从 L4 技术向 L2 ADAS 迁移及规模化部署的路径。
NVIDIA OpenShell 参考架构旨在解决自主智能体在长周期执行复杂任务时面临的累积风险,防止其下载代码、构建新工具或获取额外权限。该架构通过定义明确的安全边界与治理机制,确保智能体在访问文件、工具及互联网并协作生成其他智能体时,不会触及底层基础设施的敏感部分。
Torc Robotics 与 Mila、NYU 合作发表论文,展示如何用自博弈强化学习训练从相机图像驱动的端到端模型。方法先利用简化渲染器 Gigapixel(单卡 A100 每秒约 5 万步)训练结构化输入的强化学习教师策略,再通过 DAgger 蒸馏至相机学生策略并适配真实感知。
推荐理由:Torc 提出自博弈强化学习解决端到端智驾数据稀疏瓶颈,通过结构化教师蒸馏至相机策略并适配真实感知。
Waymo 最新同行评审研究表明,即便移除酒驾因素,清醒驾驶员夜间致命事故风险仍比日间高 3.1 至 3.9 倍。研究基于 FARS 数据库重建暴露量并评估了 50 个主要城市数据,发现仅靠消除酒驾无法解决照明不足、疲劳等系统性隐患。该成果发表于《Journal of Safety Research》及 IRCOBI 会议,证实需结合更安全的道路与车辆层面对齐安全系统方法。
Waymo 研究人员与事件准备专家联合发布论文,引入首个针对自动驾驶车队的事故管理框架。该方案适配联邦紧急事务管理局(FEMA)的国土安全演习评估计划,为开发者、运营伙伴及应急响应机构提供从规划到评估的统一演练方法。框架涵盖形成性咨询、教育桌面推演、总结性实操及确认性全规模演练四类场景,旨在通过跨组织协作提升应对自然灾害等突发事件的准备度与响应效率。
通用 AI 智能体缺乏针对 NVIDIA DOCA 等专用基础设施软件的领域知识,易导致开发中的猜测性错误并延长部署周期。NVIDIA 指出需在 BlueField 平台上集成 DOCA Agent Skills 以解决此问题,确保智能体能正确利用底层软件栈。该方案旨在缩短基础设施开发的修正循环时间,提升基于 BlueField 的应用构建效率。
Torc 将自动驾驶安全案例建立在工程师设计防故障系统、确保正常运行及网络安全,以及组织内建立清晰流程与安全文化的三大支柱之上。该框架强调开发阶段需纳入运营约束与监控维护需求,由首席安全官统筹以确保各域对齐。
NVIDIA Open Agent Safety Platform 为持续硅内智能体监控提供参考架构,旨在应对智能体 AI 带来的风险。该平台借鉴互联网兴起时的机遇与风险并存的历史经验,聚焦于理解当前代理型人工智能的发展现状与安全挑战。
针对大语言模型在个人、企业及受监管场景中处理敏感信息与专有上下文的需求,英伟达机密计算(NVIDIA Confidential Computing)提供基于内存加密的机密虚拟机(CVMs)与机密 GPU 的运行路径。该方案确保负载在可信环境中安全执行,满足数据隐私合规要求。
部署 AI Agent 的关键在于验证其能否在真实环境中执行数十次连续工具调用并在步骤失败时恢复,而非仅判断模型回答是否合理。该评测范式推动评估重点从单一函数调用转向完整任务流程的闭环验证。
NVIDIA Earth-2 利用能源、应急管理及卫星提供的本地化实时观测数据,帮助各行业更早识别并管理物理风险。该系统旨在通过整合多源传感器信息,为对天气敏感的行业提供更具时效性的局部气象洞察与决策支持。
Groq 3 LPX 凭借确定性执行架构,在 NVIDIA Vera Rubin 平台上实现了针对 AI 工厂功耗约束的高能效推理。该方案将每瓦性能确立为衡量平台价值的核心指标,而非单纯的原始吞吐量。此技术旨在解决 AI 工作负载对全计算平台在有限功率预算下最大化输出的需求。
Mobileye 提出以安全架构、边缘案例驱动学习、专用软件栈及规模优先工程为核心的物理 AI 方法,覆盖完全自主的 Robotaxi/消费级 AV 及工业与家用 Mentee 人形机器人。该体系通过 Meteor 识别长尾场景并利用 Genario 生成合成数据训练,旨在实现硬件软件垂直整合下的安全实时决策与灵巧操作能力。
面对大模型推理中延迟目标、模型选择与预算约束的挑战,NVIDIA 提供方法指导组织自信地 sizing GPU 资源并优化总拥有成本(TCO)。该指南旨在帮助企业在复杂的流量模式下避免过度支出,解决从聊天机器人到内容生成等 AI 应用中的资源配置痛点。
NVIDIA Vera Rubin 和 Blackwell 架构为智能体 AI 性能每瓦特设定了新基准。基于 100 万亿 token 的真实使用数据,OpenRouter 报告显示平均提示词 token 数量增长约四倍,反映了从单轮交互向多步工作流的扩展。该成果展示了在复杂推理、工具调用及子智能体协调任务中能效的显著提升。
NVIDIA Vera CPU 专为处理不可预测的智能体负载而设计,在 GPU 运行模型时负责编排、工具执行及沙箱计算。该处理器通过高效转换电力与资本来优化"AI 工厂”整体栈的经济性,应对传统稳定运行时轮廓无法覆盖的波动需求。
随着 AI 智能体能力增强且运行周期延长,英伟达联合 OpenShell 及生态伙伴提出将安全信任融入应用架构。英伟达安全团队解析了新兴智能体栈各层级的角色与安全职责。该观点源自 NVIDIA Technical Blog 关于构建可信智能体应用的最新技术讨论。
NVIDIA AVO 系统在 ARC-AGI-3 基准测试中实现 100% 通过率,证明其作为长周期自主智能体架构的前沿水平。该成果表明,除前沿语言模型外,负责上下文管理、工具调用及故障恢复的代理系统(harness)对确保模型在扩展任务中的可靠运行至关重要。
Google DeepMind 发布 SIMA 2 通用游戏智能体,依托 Gemini 模型在无 API 访问下于 EVE Online、No Man's Sky 等复杂 3D 环境中实现类人游玩与实时对话。
文远知行 CEO 汉瑞在 CNBC 访谈中披露,公司 2026 年第二季度营收达 3420 万美元,同比激增 82.2%,毛利率提升至 37.5%。公司依托高效大语言模型 GENESIS 和 WITT 降低成本,并强调与宇通、博世及 Uber 等战略伙伴在全球 13 国超 60 城业务的稳健扩展。
针对 AI 基础设施多层级性能下降难以定位的问题,NVIDIA 提出通过连接计算、网络、存储及编排层遥测数据的全栈可观测性策略。该方案帮助运维团队跨层级检测故障源,解决单一层面症状可能源自其他堆叠层的诊断难题。
Torc Robotics 指出物理 AI 并非新事物,而是货运行业数十年来构建的终极目标。该领域将从高速公路这一已验证的“滩头阵地”起步,优先在高流量州际走廊和可预测长距离航线上部署 TorcDrive,随后逐步向仓库、堆场等复杂场景扩展。这种分阶段演进模式强调在设计域内安全可靠地解决环境变化与不确定性问题,而非单纯追求技术替代。
相同硬件配置的 NVIDIA H100、GB200 NVL72 或 GB300 NVL72 集群在训练吞吐量上常存在 8% 至 12% 的性能差距。NVIDIA Exemplar Cloud 通过优化内核配置栈,帮助合作伙伴部署消除与参考架构之间的性能断层。该技术文档为解锁 AI 基础设施全性能提供了关键配置指南。
构建优秀 AI 智能体不仅取决于模型选择,其渲染上下文、执行动作及状态管理的架构设计同样关键。该架构设计单独即可导致基准测试结果出现个位数波动并显著改变 Token 成本。
NVIDIA Rubin GPU 架构旨在驱动持续运行的 AI 工厂,支持具备推理、规划及工具使用能力的智能体工作流。该架构不再局限于单一提示词或离散模型训练,而是致力于在广阔上下文中执行复杂的跨步骤任务。
UC Berkeley EPIC 实验室指出,随着 GPT-4 级能力推理成本从 2023 年初的每百万 token 约 30 美元降至如今的 1 美元以下,通用知识工作已迎来近乎免费的智能时代。文章提出需重构数据系统以支持“为、由及”三类挑战:优化智能体推测中的重复查询、构建管理大规模代理群的状态协调机制,以及赋能智能体自主合成可验证的定制数据系统。
Torc Robotics 指出,传统自动化受限于消除变量,无法应对美国公路货运中天气、交通等不可预测条件带来的判断需求。物理 AI 通过实时感知环境与自适应决策,突破了规则系统的效能天花板,将操作域从固定路线扩展至动态复杂场景。该技术并非行业外来的颠覆性升级,而是过去数十年在路线优化与遥测投资基础上自然演进的技术终点,旨在解决长期存在的运营复杂性约束。
Google DeepMind 联合英国政府及 Faculty 开发基于 Gemini 的 AI 规划原型,旨在将户主申请处理时间缩短 50%,释放规划师精力。该工具已在 Barnet、Camden 和 Dorset 完成早期测试,计划于 2027 年向全国议会开放,能自动提取数据、识别政策并起草报告初稿。最终决策权仍由人工把控,系统全程记录审计轨迹以确保责任可追溯。
Google DeepMind 推出 AI Control Roadmap,通过引入系统级安全层弥补模型对齐不足,将内部智能体视为潜在威胁并基于验证行为授予权限。
Kodiak 采用自研的 BreakPoint 工具结合概率风险评估(PRA)方法,量化评估其自动驾驶系统在罕见场景下的碰撞风险。该方法将不确定性纳入数学模型,通过对比人类驾驶基准数据,系统性缩小未知危险场景空间以验证安全性能。
Google DeepMind 推出 Gemini for Science 系列实验工具,通过多智能体协作与并行代码生成显著缩短科研周期。其中 ERA 与 Co-Scientist 相关论文今日发表于 Nature,Science Skills 已整合 UniProt 等超 30 个生命科学数据库以加速基因组分析。
Google DeepMind 与新加坡政府达成国家级 AI 合作伙伴关系,旨在通过前沿技术加速科研发现并重塑未来劳动力。合作涵盖 AlphaFold 助力传染病研究、Gemma 赋能视障运动员跑步以及 Gemini for Education 覆盖全学段教师培训等具体项目。
Kodiak AI 首席系统工程师 Kelly Smith 分享其在 NASA 参与阿耳忒弥斯 2 号任务期间开发的飞行软件经验,阐述将航天级概率风险评估(PRA)与故障管理架构引入自动驾驶的策略。文章强调通过 Monte Carlo 仿真寻找罕见风险事件,并建立从正常驾驶到降级运行的平滑过渡机制,以构建可量化的安全案例。
推荐理由:作者将阿耳忒弥斯任务的安全工程经验迁移至自动驾驶,提出基于概率风险评估与故障管理的架构设计思路。
Open Robotics 正式发布 2026 年技术战略,由技术治理委员会制定以指引各项目贡献重点。该策略定义了软件服务的长期愿景目标及 2026 年的具体战略优先级,旨在响应机器人专业人士需求并顺应行业趋势。