Waymo披露了其无人驾驶出租车车载计算机的新技术细节。这套系统把摄像头、激光雷达和毫米波雷达的数据转化为驾驶指令，核心是一款专门设计的5纳米ASIC。Waymo称，该芯片用于前端处理和机器学习模型时，可提供超过1,000 TOPS的算力。
The Verge于2026年8月20日发布的原始报道，将这套系统称为车内承载的高性能计算“核心”。Waymo同日发布的技术公告提供了主要规格，并解释了公司为何把自研芯片与成熟供应商的处理器结合使用。
定制芯片负责什么
Waymo把这款5纳米专用集成电路（ASIC）设计在感知流水线的前端。它处理来自激光雷达、毫米波雷达和摄像头的原始数据流，提取有用信息，融合传感器输入，并在数据进入车辆其余机器学习系统之前运行神经网络。
Waymo特别提到，该芯片支持用于低光感知的时序降噪，也能执行多类模型，包括稀疏卷积和稠密Transformer。公司称，其最新系统能够同时实时处理13个高分辨率摄像头的数据。
超过1,000 TOPS的标称值意味着，这款ASIC针对相关机器学习负载每秒可执行超过一千万亿次运算。不过，TOPS衡量的是计算吞吐量，不能直接代表驾驶质量或安全性。实际表现还取决于软件、内存数据移动、延迟、传感器、系统集成和验证。
Waymo并未用自研芯片替换所有通用组件。车辆采用异构架构，把公司的机器学习技术与CPU、GPU及其他加速器结合，用于编排、数据移动和日志记录等任务。Waymo列出的硬件合作伙伴包括AMD、美光、英伟达、三星、闪迪、Socionext和台积电，但公告没有说明每家供应商对应的具体组件。
无人驾驶出租车计算为何不同于数据中心
云基础设施可以帮助训练和测试自动驾驶模型，但即时驾驶闭环必须在车内运行。Waymo称，其车载系统持续在毫秒内把传感器输入转化为决策，缩短从第一个像素被捕获到车辆执行动作的时间。公司表示，其可用算力在八年内增长了20倍。
这套计算系统还要面对数据中心服务器通常不会遇到的限制。它必须承受振动、冲击和较大的温度变化，不能占满行李空间，同时还要保持足够安静，避免影响乘客体验。Waymo将其接入车辆的液冷系统，以便在不同气候条件下维持性能。
冗余也是核心要求，因为完全自动驾驶行程中没有人类后备驾驶员。Waymo描述了两个相互独立的计算引擎：正常情况下，两者并行运行完整负载；如果其中一个发生故障，另一个被设计为接管工作。这一架构说明，峰值吞吐量只是工程问题的一部分，可预测的延迟和故障处理同样重要。
它与第六代Waymo Driver的关系
此次披露进一步展示了Waymo共同设计传感器、计算系统和软件的路线。公司在2024年介绍第六代Waymo Driver时，公布了一套包含13个摄像头、4个激光雷达、6个毫米波雷达和外部音频接收器的传感器组合。Waymo称，新一代系统减少了组件数量和成本，同时保留了重叠视野和关键安全冗余。
Waymo没有在新的计算公告中明确说明哪些车队车辆已经搭载这款ASIC，也没有给出芯片部署时间表。不过，商业化背景正变得更加具体：公司在今年5月表示，专门打造的Ojai车型将成为首个面向公众乘客启用第六代Driver的平台。这篇Ojai更新显示，该硬件计划属于支持新车型和更多天气条件的更大规模工程。
比峰值数字更值得关注的内容
此次公告表明，Waymo正在采用更垂直整合的自动驾驶硬件策略。专用前端芯片可以针对Waymo特定的传感器格式和模型负载进行优化，而标准CPU、GPU、内存和存储组件则让公司继续利用更广泛的供应链。协同设计可能提高效率，但也让软件、芯片和车辆验证之间的联系更加紧密。
目前仍有一些重要细节未公开，包括整套系统的功耗、散热设计范围、单车成本、产量，以及神经网络实际达到的性能。Waymo表示会在Hot Chips会议的演讲中进一步讨论其计算方案。与单独的TOPS数字相比，这些信息更有助于判断设计如何平衡延迟、能耗、可靠性和制造规模。
对乘客而言，这款芯片本身不会被直接看见。它的意义在于，自动驾驶AI越来越像一个边缘计算问题：车辆必须持续理解现实世界的数据，在严格时间限制下作出决策，并在组件故障时继续运行，而不能等待云端响应。