Waymo本周在X平台发布消息称,该公司目前在美国10个城市每周提供50万次付费机器人出租车服务。这一令人瞩目的数据反映了这家谷歌母公司Alphabet旗下企业商业化扩张的加速步伐。但更引人注目的是Waymo在乘客量和市场覆盖方面的增长速度。
不到两年时间里,该公司平均每周的付费机器人出租车订单量增长了十倍,从2024年5月的每周5万次增长到目前的每周50万次。在同样的两年时间跨度内,Waymo不仅在其最初的凤凰城、旧金山和洛杉矶市场内扩张,还将业务扩展到奥斯汀、亚特兰大、迈阿密、达拉斯、休斯顿、圣安东尼奥和奥兰多。这七个阳光地带城市都是在过去一年内新增的。
Waymo的机器人出租车车队规模也在增长,尽管该公司对这些数据保密且很少提供更新信息。2025年12月向美国国家公路交通安全管理局(NHTSA)提供的数据显示,该公司拥有3067辆配备第五代自动驾驶系统的机器人出租车。该公司至今仍使用"超过3000辆"这一车队数量。这一数字可能很快会随着第六代自动驾驶系统的推出而改变,新系统将首先在Zeekr小型货车(称为Ojai)和现代Ioniq 5上亮相。
相对稳定的3000辆车队数量与每周付费订单量的增长相结合,表明Waymo正在从每辆机器人出租车中获得更高的利用率。这一利用率数据尤其重要,因为在旧金山或其他地方漫游的空载Waymo车辆既不能盈利,还会加剧交通拥堵。
这种增长确实带来了挑战。近几个月来,Waymo受到了公众和监管机构更多的审查。例如,NHTSA和美国国家运输安全委员会正在调查Waymo机器人出租车在校车周围的违法行为。与此同时,旧金山市政官员对该公司如何处理被困的机器人出租车表示担忧,包括Waymo偶尔使用警察和消防员来清理其车辆的做法。
Waymo的乘客量数字与Uber的人工驾驶叫车业务相比仍然只是一小部分。根据证券文件,Uber在2025年完成了约135亿次行程,这一数字包括已完成的叫车和配送行程。最接近的纯叫车数据是在Uber 2024年8月的财报电话会议上分享的,当时该公司表示每小时完成超过100万次出行服务。
换句话说,Waymo还没有对Uber构成威胁。
尽管如此,随着时间的推移,该公司在机器人出租车订单量方面的领先优势正在不断扩大。
许多公司都在争夺机器人出租车市场的份额,尽管其中许多公司尚未提供收费的完全自动驾驶叫车服务。一些中国机器人出租车公司,包括小马智行和文远知行,确实提供收费的机器人出租车服务,但它们都不在美国运营。
特斯拉于1月开始在奥斯汀运营付费机器人出租车服务,虽然首席执行官埃隆·马斯克表示该公司在加利福尼亚州接近推出完全自动驾驶叫车服务,但它缺乏任何必要的许可证。其他公司,包括Avride、现代旗下的Motional和Zoox,都在推动在年底前在各个市场推出付费机器人出租车服务。
它们都需要奋起直追。
Q&A
Q1:Waymo目前的机器人出租车服务规模有多大?
A:Waymo目前每周在美国10个城市提供50万次付费机器人出租车服务,拥有超过3000辆配备第五代自动驾驶系统的机器人出租车,在不到两年时间里订单量增长了十倍。
Q2:Waymo的自动驾驶出租车服务面临哪些挑战?
A:Waymo面临来自公众和监管机构的更多审查,包括美国国家公路交通安全管理局调查其车辆在校车周围的违法行为,以及旧金山市政府对处理被困车辆方式的担忧。
Q3:Waymo与Uber相比处于什么水平?
A:Waymo的订单量与Uber相比仍然很小。Uber在2025年完成了约135亿次行程,每小时完成超过100万次出行服务,而Waymo每周只有50万次付费订单,还没有对Uber构成威胁。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。