Autonomous Driving

主要新闻

1. 1

   Waymo公开自动驾驶芯片 5nm工艺超1000TOPS

   Waymo公布了其自动驾驶计算系统的技术细节，包括一款采用5纳米工艺的专用ASIC芯片，可提供超过1000TOPS的机器学习性能。 该芯片被设计用于在车辆的振动、极端温度等恶劣工作条件下实现毫秒级响应时间，是Waymo无人出租车持续运行的核心基础。

   Waymo未在公开披露中提供具体的部署时间表或芯片产能规划的详细信息。

2. 2

   TIER IV与Renesas合作开发自动驾驶汽车开放AI平台

   发生了什么：TIER IV和Renesas启动合作，建立面向自动驾驶汽车的开放式AI原生计算平台，融合开源软件、先进芯片和可扩展工具。 为什么重要：汽车制造商正在寻求更灵活的平台来支持自动驾驶和软件定义汽车中的AI驱动功能。这一联合努力旨在通过集成硬件和软件，加速亚洲、欧洲和北美地区的安全出行。

   值得关注：相关方尚未公布该平台的时间表、定价或推出日期。

3. 3

   美国海军资助Shield AI开发垂直起降AI无人战斗机；空军未参与

   发生了什么：美国海军快速能力办公室和国防创新部门在2026年8月19日前后向Shield AI授予约5000万美元合同，用于开发X-BAT——一款无需跑道即可垂直起降的AI驾驶战斗无人机。该飞行器采用通用电气F110级发动机（F-16战斗机使用该型发动机），航程超过2000海里，升限超过50000英尺，承诺在2026年底前首飞。美国空军以现有的协同作战飞行器项目和预算限制为由，拒绝为该项目提供资金。 为什么重要：海军将垂直起降能力视为缺乏专用航母军舰的力量倍增器。在RIMES（跑道独立海上远征打击）项目下，驱逐舰和两栖舰艇可从现有供应链中为打击飞行器补给，使更多舰队具备空中力量。空军的怀疑反映了真实的工程风险——在风浪中于移动舰艇上垂直降落未经验证，任务级自主性比宣传的更困难，且该军种已承诺采购在开发中更成熟的依跑道飞行器。

   关注重点：首飞承诺在2026年底前实现。X-BAT的自主软件Hivemind已在2024年DARPA试验中驾驶改装F-16与人类飞行员进行了空战，说明其算法基础已得到证实；竖尾降落和舰艇回收仍是待解问题。Shield AI目标单价约为2700万美元。

4. 4

   トヨタとSTATION Ai、交通安全サービス創出へスタートアップ募集

   トヨタ自動車とSTATION Ai株式会社が、交通事故による死傷者ゼロの実現を目指す共創プログラム「つなげてひろがる 安心共創チャレンジ」を開始。国内外のスタートアップなどから、人・クルマ・インフラをつなぐ技術やデータ、サービス、アイデアを2026年8月20日から募集します。 トヨタは交通安全技術の向上だけでなく、スタートアップのテクノロジーと自社のアセット（位置情報、緊急通報、車両データなど）を組み合わせることで、見守りから異常検知、駆けつけ、医療・救命まで段階的につなぐ新サービスの創出を目指しています。既存の「SayuU」や「DRIVE RECORDER 119」といったサービスとの連携も想定されており、産業界全体での安全・安心インフラ構築の模索とみられます。

   募集期間は2026年8月20日から9月25日まで。最終ピッチは2026年12月に実施予定。参加費は無料ですが、交通費・宿泊費・自社開発費は応募企業負担。採択後の実証費用などは個別協議となります。

5. 5

   俄罗斯导弹袭击基辅造成16人死亡；泽连斯基指责防空导弹短缺

   发生了什么：俄罗斯军队周四向基辅及周边地区发射了数十枚弹道导弹、巡航导弹和超音速导弹，以及168架无人机，造成16人死亡、40多人受伤。乌克兰空军击落了近90%的无人机和大部分巡航导弹，但所有弹道导弹都突防，造成重大破坏。 为何重要：泽连斯基总统表示乌克兰的盟国未能补充防空导弹库存，他直接将这一短缺与周四袭击中的人员伤亡联系起来。乌克兰能够拦截的导弹数量与突破防线的导弹数量之间的差距对平民构成持续威胁。

   值得关注：袭击模式——弹道导弹突破乌克兰防线而速度较慢的无人机和巡航导弹大多被拦截——突显了防空导弹库存耗尽所造成的脆弱性。

6. 6

   Waymo解释为什么单一模型自动驾驶AI无法独立完成任务

   发生了什么：Waymo于2026年8月19日阐述了其自动驾驶AI战略，主张单一端到端（E2E）AI模型无法处理自动驾驶的全部任务。该公司围绕Waymo Driver（一个模块化软件栈）构建了其方法，并开发了Waymo Foundation Model来为不同组件提供动力——包括驾驶员、模拟器和验证系统。 为什么重要：Waymo发现了单一模型E2E方法的两个核心问题。首先，罕见但关键的边界情况（行人、骑自行车者、施工）仍然不可预测，无法仅从训练数据中学到。其次，安全关键系统需要实时的人类级推理；单一模型无法在毫秒内适应新场景，而不涉及包含独立模拟器、验证器和评论系统的混合架构。这种框架挑战了统一LLM能够解决自动驾驶问题的行业共识。

   值得关注：Waymo Foundation Model现在为多个专门的组件（驾驶员、模拟器、验证器和评论系统）提供动力，而不是替代它们。该公司表示，这种方法不仅需要transformer技术，还需要在实时出行服务中部署以及真实世界系统反馈来完善安全保证，这标志着从整体AI转向安全优先的模块化的转变。