她做出了一个违背无人车祖宗的决定。
她的自动驾驶公司，没有车队，甚至不打算组建车队。
产品交付的最终性能，一切以仿真成绩为准。
研发、迭代、测试、找bug，全在虚拟世界中。
这其实才是一家真正的“元宇宙”自动驾驶公司。
它的同行对此不予置评，但福布斯、MIT科技评论等等在内的媒体，热衷于把Waabi和Waymo、Cruise、Zoox放一起比较：
一众荣誉光环几乎等身的无人车前辈，融了数十亿美金，为什么在商业部署上进展寥寥？难道Waabi的路线才是自动驾驶黄金法则？
仿真取代实际路测，会是自动驾驶的下一波大趋势吗？
Waabi，是一家成立还不到一年的加拿大自动驾驶公司，专攻无人卡车。
官宣成立之时，创始人Raquel Urtasun（拉奎尔 · 乌尔塔松）就说过去和现在的自动驾驶，很多测试和调参都太依赖人工了，而Waabi则希望用自动化解决更多系统开发中的问题。
具体来说，一是端到端软件，可以完成自动驾驶模型的训练、推理和优化。
二是仿真器，能大大提升虚拟路测和自动驾驶进化速度。
最新公开的进展，是仿真器。
Waabi World，官方称其为有史以来可扩展性最高、保真度最高的闭环模拟器。
具体来说，有四个核心功能。
首先是自动构建真实世界的数字孪生，作为仿真测试时的场景。
目前，大部分自动驾驶公司的仿真环境，都是先单独采集道路、景物、车辆等等信息，将每种不同目标的信息保存在系统中后，再通过人工或算法将各种目标整合生成。
Waabi认为，这样的方法耗时且成本高昂，其输出也缺乏保真度，无法涵盖现实世界中所有对象或场景。
所以，Waabi的方法是直接利用车辆上的激光雷达和摄像头来采集数据，然后重建一个在几何形状、外观、材料属性都和现实世界相差无几的数字孪生。
重建之后，Waabi World的第二个核心，就是在测试中模拟真实的传感器反馈，也就是让AI司机看的更真实。
传统的传感器模拟使用基于物理学的渲染引擎，模拟光线在虚拟世界的互动。
但是，这种方法要准确地模拟影响传感器的所有不同的物理现象（如相机中的镜面反射、雾霾中造成的假雷达信号，以及雷达中的多路径返回等等）仍然很困难。
相反，Waabi World利用人工智能和简化物理渲染，以接近实时的方式模拟真实的传感器数据。
Waabi 认为，这项技术带来的根本性的改变，在于可以用来测试不同的车型的多种传感器及其配置，大大简化了设计论证的成本。
第三个核心，就是自动创建场景进行闭环测试。
模拟器告诉场景中的AI司机去哪里，在此过程中，模拟传感器会告诉AI司机它在路上都看到了什么，再由AI做出相应的动作。
在此过程中，系统会有意避开AI已经熟练掌握的场景，专门与它作对，找出弱点，针对性提高AI司机的能力。
这也是Waabi World最关键的核心功能。
采用实际路测方式当然也能逐渐提高系统能力，但随着AI司机的能力越来越强，路测数据的有效率会大幅下降，发现corner case就像在 “大海捞针”。
但真实路况永远是千变万化的，真正上路，不知道何时就会遇到以前从未见过的极端场景。
而廉价高效的成本获取，是自动驾驶迭代加速、更快进入规模量产的关键。
马斯克之所以全球建厂保交付，背后的核心思路也是规模量产加速迭代，这也是其他做Robotaxi的公司羡慕不已的。
但之所以说Waabi离经叛道，是因为它完全抛弃路测，以仿真为主要开发手段。
Waabi认为，采用仿真方式来代替传统路测，是自动驾驶未来的一个大趋势。首先仿真没有路测的那么高的风险。
其次，仿真测试的硬件投入更低，属于一种“轻资产”模式，这也就意味着它获取数据的成本远远低于传统自动驾驶研发模式。
而廉价高效的成本获取，正是自动驾驶迭代加速、更快进入规模量产的关键。
Waabi创始人Raquel Urtasun，已经是AI圈大牛，多伦多大学计算机系教授，跟Hinton一起在多伦多大学创办了 Vector 人工智能研究所。
在自动驾驶领域，拉奎尔也算行业老兵。
她2017年起在Uber自动驾驶担任首席科学家，直到Uber把自动驾驶业务打包出售给谷歌无人车开创者厄姆森创办的Aurora后，拉奎尔选择了独立创业。
Waabi本身的商业模式并不新奇——简单粗暴讲就是复刻图森未来，主打自动驾驶卡车货运。
但神奇之处在于，这家公司融资方面吸引的不光有机构VC，还有好几位全球知名的AI大牛。
比如深度学习之父图灵奖得主Geoffrey Hinton、斯坦福大学教授李飞飞、UC伯克利机器人大牛Pieter Abbeel，英伟达AI总管Sanja Fidler……
得到业内技术泰斗的认可，除了自动驾驶卡车本身有落地优势外，最重要的还是Waabi新的技术范式规模化解决自动驾驶问题。
拉奎尔说，过去和现在的自动驾驶，很多测试和调参都太依赖人工了，而Waabi则希望用自动化解决更多系统开发中的问题。
所以初创仅40人规模的团队，也被拉奎尔作为佐证公开披露。
但问题来了，Waabi真有她说的一样的技术和能力吗？
不知道。
然而这种能力和方法，上至Waymo，下至各种自动驾驶创业公司，也都应该在追求……说或不说，能或不能实现就是另一码事儿了。
但都不重要，因为Waabi的投资人们相信就够了。
更何况还有一众大牛站台。
Waabi的AI司机敢不敢用，核心问题就一个：仿真测试能不能真的覆盖所有长尾场景？
如果可以的话，那所有搞实车路测的公司，是不是都走错了方向？
哪种技术模式最终会被淘汰？
这些问题，我们专门询问了Waabi，得到了官方解答。
首先，Waabi坦承，创办时选择仿真为主的技术路线，既有对这项技术的信心，当然也有经济方面的考量。
这两者是相互交织的，技术实力驱动经济价值。Waabi World的仿真足够强大，能够在保障自动驾驶安全的同时，以初创公司能承担的成本快速扩长。
至于在仿真中能不能覆盖所有场景，Waabi没有给出yes或no，但是强调了Waabi World的对抗训练特点，系统会自动生成各种难以应对的场景，持续“堵漏”。
Waabi自己迈出了离经叛道的一步，但对于实车路测，仍然没有全盘否定。尽管不像Waymo、Crusie那样搞数百上千辆的车队，但Waabi目前还是保留了一些路测车辆。
只不过对于Waabi来说，整个开发工作对路测依赖大大降低，这些车辆更多承担结果验证的角色。
至于那个最尖锐的问题：以往搞实车路测的公司，是不是都走错了方向，Waabi的回答耐人寻味：
自2004年第一次DARPA大挑战以来，不能不说自动驾驶行业已经取得长足发展。但是，从商业部署角度来看，无人车仍然限制在非常简单和有限的场景。
这是因为，自动驾驶车辆的传统研发方法不能充分利用AI，反而依赖复杂和耗时的人工调整，这使得业务扩展的成本居高不下。
至于Waabi的开发效率比传统路测方式高多少，官方没有定量的结论。只是从定性角度讲，除了在有效数据收集方面消费比大大超过传统方式，在反馈迭代方面，Waabi World也比传统手动调参快得多。
Waabi认为高效低成本的仿真路线，能让它比其他自动驾驶公司跑的更快，那么它有没有担心会被同样的后来者超越？
Waabi说自己的护城河在于沉浸式和反应式的仿真环境，可以自动设计测试，评估技能，并实时教导AI”大脑 “迭代进步。
而如今大部分自动驾驶公司进行的仿真，大多还是只具有单一功能的简单工具，比如场景回放、环境渲染、行为预测或规划。
这些功能除了需要人工建模、调参，更大的问题在于所有操作都是预设或后修改的，不能像Waabi World一样做到实时反馈。
最后，对于自己“违背祖宗”的行为怎么看？Waabi丝毫不回避，直言行业正是到了需要变革的时候：
2021年启动以来，我们一直坚持认为自动驾驶行业需要一种更实惠更安全的技术模式，道路测试的确有价值，但也确实没有必要以今天这样的规模进行测试。
自动驾驶仿真为主路测为辅，Waabi明确打响了第一枪，你是否看好这种模式，它能后来居上吗？
“
