Waymo przejechało 50 milionow mil. Oto ile te dane sa naprawde warte.

Kazda mila, ktora przejedza pojazd Waymo, generuje okolo jednego terabajta surowych danych sensorycznych. Ta liczba wynika z polaczenia chmur punktow LiDAR rejestrowanych 10 razy na sekunde, klatek z wielu kamer wysokiej rozdzielczosci pracujacych z predkoscia 30 klatek na sekunde, zwrotow radarowych, wspolrzednych GPS, odczytow IMU oraz wlasnych decyzji pojazdu dotyczacych kierowania, hamowania i przyspieszania. Jeden terabajt na mile to przyblizenie, ale uzyteczne.

Waymo przejechalo 50 milionow autonomicznych mil.

Zrob obliczenia, a dojdziesz do oszalamijacej liczby. Waymo wygenerowalo cos w granicach 50 egzabajtow surowych danych z jazdy. To 50 milionow terabajtow. Dla kontekstu: cala Biblioteka Kongresu zawiera okolo 20 terabajtow danych tekstowych. Zbior danych Waymo jest 2,5 miliona razy wiekszy. Cala biblioteka streamingowa Netflix miesci sie w okolo 30 petabajtach. Zbior danych Waymo jest ponad 1600 razy wiekszy.

To nie jest wskaznik PR. To fundament najbardziej zaawansowanego systemu autonomicznej jazdy na swiecie i reprezentuje fose konkurencyjna, ktora moze byc funkcjonalnie niemozliwa do odtworzenia przez jakakolwiek inna firme.

Co faktycznie zawiera jedna mila danych Waymo

Aby zrozumiec wartosc 50 milionow mil, najpierw trzeba zrozumiec, co zawiera pojedyncza mila. Pojazd Waymo to nie jest po prostu samochod z kamera przykrecona na dachu. To mobilna platforma do zbierania danych, ktora postrzega swiat przez wiele nakladajacych sie systemow sensorycznych, z ktorych kazdy generuje wlasny strumien ustrukturyzowanych informacji.

Chmury punktow LiDAR. System Waymo Driver piatej generacji uzywa wielu jednostek LiDAR, ktore emituja impulsy laserowe we wszystkich kierunkach, mierzac dokladna odleglosc do kazdej powierzchni w zasiegu. Kazdy obrot LiDAR-u generuje chmure punktow zawierajaca setki tysiecy pojedynczych pomiarow odleglosci. Przy 10 obrotach na sekunde, jedna minuta jazdy produkuje okolo 600 oddzielnych chmur punktow, z ktorych kazda jest szczegolowa trojwymiarowa migawka otoczenia pojazdu. Te chmury punktow rejestruja geometrie, ktorej kamery nie potrafia uchwycic: dokladny ksztalt i odleglosc kazdego obiektu, powierzchni i przeszkody wokol pojazdu, niezaleznie od warunkow oswietleniowych.

Klatki z kamer. Pojazd posiada wiele kamer wysokiej rozdzielczosci pokrywajacych pelne pole widzenia 360 stopni. Kazda kamera produkuje 30 klatek na sekunde. Lacznie ze wszystkich kamer, pojedyncza mila jazdy generuje dziesiatki tysiecy pojedynczych klatek obrazu. Te klatki rejestruja kolor, teksture, oznakowanie, linie na jezdni, sygnalizacje swietlna i wyglad innych uzytkownikow drogi. W przeciwienstwie do LiDAR-u, ktory doskonale radzi sobie z geometria, kamery doskonale klasyfikuja: odrozniaja rowerzysty od pieszego, odczytuja znak stopu lub rozpoznaja strefe budowy.

Zwroty radarowe. Czujniki radarowe dostarczaja informacji o predkosci, z ktorymi nie moga sie rownowazyc ani LiDAR, ani kamery. Radar potrafi mierzyc predkosc i kierunek kazdego ruchomego obiektu w otoczeniu pojazdu, nawet w warunkach, w ktorych LiDAR i kamery sa oslabione, takich jak intensywny deszcz lub mgla. Kazda mila generuje ciagly strumien pomiarow radarowych, ktore pomagaja systemowi zrozumiec nie tylko to, gdzie znajduja sie obiekty, ale dokad zmierzaja.

Telemetria pojazdu. Kazde wejscie kierownicy, nacisniecie hamulca, komenda przyspieszenia i decyzja o trasie sa rejestrowane z dokladnoscia do milisekund. Ta telemetria tworzy pelny zapis tego, co pojazd zdecydowal zrobic w kazdym momencie i, co kluczowe, dlaczego podjaql te decyzje. Kiedy pojazd napotyka pieszego wchodzacego na jezdnie, telemetria rejestruje dokladna sekwencje: detekcja, predykcja, planowanie, wykonanie. Te dane decyzyjne sa prawdopodobnie cenniejsze niz same dane sensoryczne, poniewaz reprezentuja skumulowany osad trafnosci systemu.

Przypadki graniczne i bliskie zderzenia. Ukryte w tych 50 milionach mil sa miliony rzadkich i nietypowych sytuacji. Materac spadajacy z ciezarowki na autostradzie w Phoenix. Pies przebiegajacy przez skrzyzowanie w San Francisco. Dzwig budowlany przenoszacy ladunek nad droga w Austin. Pojazdy ratunkowe nadjezdzajace z wielu kierunkow. Te przypadki graniczne sa nieproporcjonalnie wartosciowe, poniewaz reprezentuja scenariusze, ktore oddzielajac funkcjonalny system autonomiczny od niebezpiecznego. Nie da sie wytworzyc przypadkow granicznych w symulacji. Znajduje sie je, jezdzac prawdziwymi milami po prawdziwych drogach.

Kolo zamachowe danych, ktorego nie kupisz za pieniadze

Przewaga danych Waymo nie jest statyczna. Naklada sie na siebie.

Kazda mila, ktora przejedza flota, dodaje nowe dane do zbioru treningowego. Te dane sluza do doskonalenia oprogramowania Waymo Driver. Ulepszone oprogramowanie jezdzi bezpieczniej i radzi sobie z wiekszą liczba scenariuszy. Bezpieczniejsza jazda umozliwia ekspansje do nowych miast i nowych warunkow operacyjnych. Ekspansja oznacza wiecej mil. Wiecej mil to wiecej danych. Cykl sie powtarza.

To jest kolo zamachowe danych i to jest glowny powod, dla ktorego przewaga Waymo jest tak trudna do zakwestionowania. Konkurent zaczynajacy od zera dzisiaj musialby przejechac 50 milionow wlasnych mil, aby zgromadzic rownorzedny zbior danych. W obecnym tempie Waymo, czyli okolo 5 do 7 milionow nowych mil rocznie, zajeloby to dekade ciagłej eksploatacji z porownywalna flota, a do czasu gdy konkurent osiagnalby 50 milionow mil, Waymo byloby na poziomie 100 milionow.

Kolo zamachowe poprawia sie rowniez z czasem pod wzgledem jakosci, nie tylko ilosci. Infrastruktura symulacyjna Waymo przeprowadza miliardy dodatkowych mil wirtualnych testow kazdego roku. Ale te symulowane mile sa zasilane scenariuszami z rzeczywistego swiata, wyodrebnionymi z danych z jazd na drogach. Prawdziwe bliskie zderzenie zarejestrowane w San Francisco staje sie szablonem dla tysiecy symulowanych wariacii. Prawdziwy wzorzec ruchu zaobserwowany w Phoenix staje sie podstawa syntetycznych danych treningowych. System symulacji jest potezny wlasnie dlatego, ze jest zakotwiczony w 50 milionach mil rzeczywistego doswiadczenia na drodze.

Ile kosztowalo zbudowanie tego zbioru danych

Alphabet zainwestowal ponad 5 miliardow dolarow w Waymo od czasu uruchomienia projektu Google Self-Driving Car w 2009 roku. Ta kwota obejmuje badania i rozwoj, zakup pojazdow, produkcje sensorow, infrastrukture obliczeniowa, koszty personelu oraz koszty operacyjne prowadzenia floty pojazdow autonomicznych w wielu miastach przez lata.

Aby zobrazowac te liczbe: 5 miliardow dolarow to wiecej niz PKB niektorych malych panstw. To mniej wiecej roczny przychod Airbnb. To trzy razy tyle, ile Figure AI zebralo lacznie, aby budowac roboty humanoidalne. A wiekszosc tych pieniedzy wydano, zanim Waymo wygenerowalo chocby jednego dolara przychodow komercyjnych.

Inwestycja rozklada sie na kilka kategorii, choc Alphabet nie ujawnia szczegolowego podzialu.

Koszty pojazdow. Kazdy pojazd Waymo to mocno zmodyfikowany Jaguar I-PACE wyposazony w niestandardowy zestaw sensorow warty setki tysiecy dolarow. Flota liczy obecnie okolo 700 pojazdow. Przy szacowanym koszcie od 200 000 do 300 000 dolarow za pelni wyposazony pojazd, sama flota reprezentuje inwestycje od 140 do 210 milionow dolarow. Wczesniejsze generacje pojazdow, wykorzystujace niestandardowe minivany Chrysler Pacifica, dodaly kolejne setki milionow kosztow pojazdow na przestrzeni lat.

Rozwoj sensorow. Waymo projektuje i produkuje wiekszosc wlasnego sprzetu sensorycznego, w tym system LiDAR piatej generacji. Opracowanie niestandardowych systemow LiDAR, kamer i radarow od podstaw oraz osiagniecie niezawodnosci potrzebnej do komercyjnego wdrozenia bez kierowcy bezpieczenstwa wymagalo lat pracy inzynierskiej i setek milionow w badaniach i rozwoju.

Infrastruktura obliczeniowa. Przetwarzanie 50 egzabajtow surowych danych wymaga ogromnych zasobow obliczeniowych. Waymo utrzymuje wlasne centra danych i infrastrukture chmurowa do trenowania sieci neuronowych, przeprowadzania symulacji i zarzadzania operacjami floty. Sam roczny koszt obliczen prawdopodobnie siegw setek milionow dolarow.

Personel. Waymo zatrudnia od 2000 do 3000 osob, z ktorych wiele to wysoko wyspecjalizowani inzynierowie w dziedzinie robotyki, uczenia maszynowego i systemow autonomicznych. Przy stawkach plac Doliny Krzemowej roczny koszt personelu prawdopodobnie przekracza 500 milionow dolarow.

Sens tego zestawienia kosztow jest prosty. Zbioru danych Waymo nie dalo sie tanio zbudowac. Inwestycja 5 miliardow dolarow stanowi bariere wejscia mierzona nie tylko w pieniadzach, ale i w czasie. Nawet firma gotowa wydac dzisiaj 5 miliardow dolarow potrzebowalaby lat jazdy po drogach, aby zgromadzic porownywalne dane. Pieniadze kupuja pojazdy, sensory i inzynierow. Nie kupuja mil. Mile trzeba przejechac.

Waymo kontra Tesla: dwie filozofie percepcji

Najczestsze porownanie w autonomicznej jezdzie to Waymo kontra Tesla i koncentruje sie na fundamentalnej roznice zdania w kwestii tego, jak pojazdy autonomiczne powinny postrzegac swiat.

Waymo stosuje podejscie wielosensoryczne. LiDAR zapewnia dokladna geometrie 3D. Kamery dostarczaja kolor i klasyfikacje. Radar podaje predkosc. Trzy typy sensorow uzupelniaja swoje mocne strony i kompensuja wzajemne slabosci. LiDAR dziala w nocy, kiedy kamery maja problemy. Kamery odczytuja tekst, ktorego LiDAR nie jest w stanie. Radar widzi przez deszcz i mgle, ktore oslabajac zarowno LiDAR, jak i kamery.

Tesla stosuje podejscie oparte wylacznie na kamerach w swoim systemie Full Self-Driving (FSD). Elon Musk argumentowal, ze ludzie prowadza dwojgiem oczu i mozgiem, wiec pojazdy powinny byc w stanie prowadzic za pomoca kamer i sieci neuronowej. Tesla usunelaw radar ze swoich pojazdow w 2021 roku i nigdy nie uzyla LiDAR-u w produkcji. System FSD opiera sie calkowicie na osmiu kamerach i niestandardowej sieci neuronowej dzialajacaej na autorskich chipach AI Tesli.

System FSD Tesli zgromadzil okolo 35 milionow mil autonomicznej jazdy. Ta liczba jest mniejsza niz 50 milionow Waymo, ale porownanie nie jest jednoznaczne. Mile Tesli pochodza z floty pojazdow konsumenckich jez po zrozonicowanych drogach w calych Stanach Zjednoczonych, podczas gdy mile Waymo pochodza z dedykowanej floty operujacej w okreslonych miastach z geofencingiem. Dane Tesli maja wieksza roznorodnosc geograficzna. Dane Waymo maja wieksza bogactwo sensoryczne.

Kluczowa roznica to nie ilosc mil, ale jakosc danych na mile. Mila Waymo zawiera chmury punktow LiDAR, ktore daja systemowi prawde podstawowa o trojwymiarowej geometrii kazdej sceny. Kiedy pojazd Waymo wykrywa obiekt, zna dokladna odleglosc, rozmiar i ksztalt obiektu z dokladnoscia do centymetrow. Mila Tesli zawiera obrazy z kamer, ktore siec neuronowa musi zinterpretowac, aby wywnioskowac glebokosc i odleglosc, co jest zasadniczo trudniejszym problemem.

To rozroznienie ma ogromne znaczenie dla treningu. Waymo moze trenowac swoj system percepcji, uzywajac LiDAR-u jako sygnalu nauczycielskiego. System wie dokladnie, gdzie znajduje sie kazdy obiekt, poniewaz LiDAR zmierzyl to bezposrednio. Percepcja kamerowa moze byc nastepnie trenowana wzgledem tej prawdy podstawowej. Tesla, nie posiadajac LiDAR-u, musi polegac na innych metodach ustalania prawdy podstawowej, w tym na danych z floty, gdzie ludzcy kierowcy dostarczaja domyslne etykiety poprzez swoje zachowanie za kierownica.

Zadne z podejsc nie jest definitywnie lepsze. System Tesli oparty wylacznie na kamerach korzysta z ogromnej skali floty konsumenckiej i niskiego kosztu krancowego dodania kolejnego pojazdu do sieci zbierajacej dane. System wielosensoryczny Waymo korzysta z bogatszych danych na mile i bardziej niezawodnej prawdy podstawowej dla treningu. Debate ostatecznie rozstrzygna wyniki bezpieczenstwa w rzeczywistym swiecie na przestrzeni milionow mil komercyjnej eksploatacji.

Jak Waymo zamienia mile na pieniadze

Przez wiekszosc swojego istnienia Waymo bylo czystym projektem badawczym, ktory generowal koszty, ale nie przychody. To sie zmienilo wraz z uruchomieniem Waymo One, komercyjnej uslugi robotaxi firmy.

Waymo One dziala obecnie w czterech miastach USA: Phoenix, San Francisco, Los Angeles i Austin. Usluga rozszerzylaw sie na Austin i Atlante w 2025 roku, z planami obejmujacymi dodatkowe miasta. Pasazerowie zamawiaja Waymo przez aplikacje Waymo One, podobnie jak Ubera czy Lyfta. Pojazd przyjedza, pasazer wsiada, a samochod sam jedzie do celu bez ludzkiego kierowcy.

Skala uslugi jest znaczaca i rosnie. Waymo konsekwentnie realizuje ponad 150 000 platnych przejazdow tygodniowo na wszystkich obszarach uslugowych. Przy szacowanej sredniej oplatacie od 15 do 25 dolarow za przejazd, to przeklaada sie na okolo 2,25 miliona do 3,75 miliona dolarow tygodniowych przychodow z przejazdow, czyli okolo 120 do 195 milionow dolarow w przychodach rocznych.

Te szacunki przychodow sa przyblizione, a Alphabet nie przedstawia szczegolowych danych finansowych Waymo. Ale kierunek jest jasny. Waymo generuje realne przychody komercyjne z autonomicznych przejazdow, co czyni je jedyna firma na swiecie z komercyjna usluga robotaxi na duza skale.

Same przychody sa wazne, ale nie sa sednem sprawy. Sednem jest to, ze kazdy platny przejazd generuje wiecej danych. Kazda podroz przez centrum San Francisco w godzinie szczytu, kazdy nocny odbiur w Phoenix, kazdy przejazd w deszczu w Austin dodaje do zbioru danych. Waymo zbudowalo model biznesowy, w ktorym akt generowania przychodu jednoczesnie generuje dane potrzebne do doskonalenia produktu, ktory generuje przychod. Operacja komercyjna i kolo zamachowe danych to to samo.

Strategia ekspansji: Austin, Atlanta i dalej

Ekspansja Waymo z pierwotnego poligonu testowego w Phoenix do San Francisco, Los Angeles, Austin i Atlanty podaza za przemyslanym wzorcem. Kazde nowe miasto dodaje nie tylko wiecej mil, ale rozne rodzaje mil.

Phoenix oferowal szerokie drogi, stala pogode i stosunkowo przewidywalne wzorce ruchu. Byl idealnym miejscem na start uslugi komercyjnej. San Francisco dodalo strome wzgorza, gestyy ruch, agresywnych rowerzystow, zlozone skrzyzowania i mgle. Los Angeles wnioslo jazde po autostradach na skale, rozlegle drogi podmiejskie i jedne z najbardziej zatloczone autostrad na swiecie. Austin dodal szybko rozwijajace sie miasto Pasa Slonecznego z szybko zmieniajacymi sie strefami budowy i inna kultura jazdy. Atlanta doda miasto poludniowo-wschodnich USA z odrebnymi projektami drog, wzorcami pogodowymi i zachowaniem w ruchu drogowym.

Kazde miasto to nie tylko nowy rynek. To nowe srodowisko treningowe. Przypadki graniczne, na ktore pojazd natrafia w chinskiej dzielnicy San Francisco, sa zasadniczo inne od tych na autostradzie w Phoenix czy na ulicy mieszkalnej w Austin. Roznorodnosc geograficzna w danych treningowych czyni system bardziej odpornym, poniewaz zmusza model do generalizacji w roznych warunkach, zamiast dopasowywania sie do jednego srodowiska.

Argument bezpieczenstwa: 85 procent mniej obrazen

Dane sa warte tyle, ile wyniki, ktore produkuja. Rekord bezpieczenstwa Waymo dostarcza najbardziej bezposrednich dowodow na to, ze 50 milionow mil danych przeklaada sie na rzeczywista wydajnosc.

Badanie z 2023 roku przeprowadzone we wspolpracy z Swiss Re, jednym z najwiekszych reasekuratorow na swiecie, przeanalizowalo ponad 7 milionow mil jazdy tylko z pasazerami (bez kierowcy bezpieczenstwa) w Phoenix i San Francisco. Badanie wykazalo, ze pojazdy Waymo byly zaangazowane w 85 procent mniej wypadkow powodujacych obrazenia na mile w porownaniu z ludzkimi kierowcami. Nie 85 procent mniej incydentow ogolem. 85 procent mniej wypadkow, ktore spowodowaly obrazenia u ludzi.

Ta liczba zasluguje na podkreslenie, poniewaz odpowiada na centralne pytanie autonomicznej jazdy: czy technologia jest rzeczywiscie bezpieczniejsza od ludzkich kierowcow? W przypadku Waymo, po 50 milionach mil zbierania danych i ciaglego doskonalenia, odpowiedz wydaje sie brzmic: tak, ze znacznym marginesem.

Przewaga bezpieczenstwa jest bezposrednim produktem danych. Wiecej danych treningowych oznacza, ze system widzial wiecej scenariuszy. Wiecej scenariuszy to lepsze predykcje. Lepsze predykcje oznaczaja mniej sytuacji, w ktorych pojazd jest zaskoczony. A zaskoczenie jest pierwotna przyczyna wiekszosci wypadkow, zarowno ludzkich, jak i autonomicznych.

Waymo opublikowalo rowniez swoja metodologie bezpieczenstwa z niezwykla jak na branze szczegolowoscia. Firma udostepnia kwartalne raporty bezpieczenstwa zawierajace dane o wypadkach, kontaktach i incydentach. Ta przejrzystosc sama w sobie jest strategia konkurencyjna. Ustanawiajac publiczny rekord bezpieczenstwa, Waymo ulatwia regulatorom zatwierdzanie ekspansji i utrudnia konkurentom argumentowanie, ze ich mniej zwalidowane systemy zasluguja na rownorzedne traktowanie.

Fosa regulacyjna

Dane i bezpieczenstwo tworza trzecia przewage, ktora jest czesto pomijana: dostep regulacyjny.

Rekord bezpieczenstwa i przejrzystosc Waymo zapewnialy firmie pozwolenia regulacyjne, jakich zadna inna firma pojazdow autonomicznych obecnie nie posiada w porownywale skali. Firma eksploatuje w pelni bezzalogowe pojazdy komercyjne bez kierowcy bezpieczenstwa w wielu miastach USA. Uzyskanie tych pozwolen wymagalo lat wspolpracy z regulatorami stanowymi, wladzami miejskimi i agencjami federalnymi. Kazde pozwolenie zostalo przyznane na podstawie udowodnionej wydajnosci bezpieczenstwa popartej milionami mil danych.

Konkurent wchodzacy do nowego miasta musi przejsc ten sam proces regulacyjny. Ale bez porownywalnegoo rekordu bezpieczenstwa sciezka do zatwierdzenia jest dluzsza i mniej pewna. Regulatorzy sa z natury ostrozni, jesli chodzi o dopuszczanie bezzalogowych pojazdow na drogi publiczne. Firma, ktora moze wskazac na 50 milionow mil i 85-procentowa redukcje wypadkow powodujacych obrazenia, prowadzi zasadniczo inna rozmowe z regulatorami niz firma z 1 milionem mil i bez opublikowanych badan bezpieczenstwa.

Ta przewaga regulacyjna naklada sie w ten sam sposob, co przewaga danych. Wiecej miast oznacza wiecej danych. Wiecej danych to lepsze bezpieczenstwo. Lepsze bezpieczenstwo oznacza latwiejsze zatwierdzenie regulacyjne dla kolejnych miast. Cykl sie wzmacnia.

Co dane Waymo oznaczaja dla robotow humanoidalnych

Ten artykul pojawia sie na stronie, ktora glownie sledzi roboty humanoidalne, wiec warto zapytac: co przewaga danych Waymo oznacza dla szerszej dziedziny maszyn autonomicznych?

Odpowiedz jest bardziej bezposrednia, niz mozna by oczekiwac. Kluczowe wyzwanie zarowno w autonomicznej jezdzie, jak i w robotyce humanoidalnej jest takie samo: zbudowanie systemu, ktory potrafi postrzegac nieustrukturyzowane srodowisko, przewidywac co sie wydarzy dalej i dzialac bezpiecznie w czasie rzeczywistym. Modalnosci sensoryczne sie roznia, aktutatory sie roznia, srodowiska operacyjne sie roznia. Ale fundamentalny problem AI, czyli percepcja, predykcja i planowanie, jest wspolny.

Waymo udowodnilo, ze dane z rzeczywistego swiata sa kluczowym skladnikiem do rozwiazania tego problemu. Symulacja pomaga. Sprytne algorytmy pomagaja. Ale nic nie zastapi roznorodnosci i zlozonosci milionow godzin rzeczywistej eksploatacji. Branza robotyki humanoidalnej uczy sie tej samej lekcji. Firmy takie jak AgiBot, ktore wdrazaja tysiace robotow w prawdziwych fabrykach, gromadza dane z manipulacji w rzeczywistym swiecie, ktore okaza sie cenniejsze niz jakakolwiek ilosc testow laboratoryjnych.

Model kola zamachowego danych, w ktorym komercyjne wdrozenie generuje dane usprawniajace produkt umozliwiajacy kolejne wdrozenia, ma zastosowanie do robotow humanoidalnych tak samo jak do pojazdow autonomicznych. Waymo udowodnilo te koncepcje. Branza humanoidalna podaza teraz tym samym scenariuszem, tyle ze kilka lat w tyle.

Pytanie za 175 miliardow dolarow

Ile naprawde sa warte dane Waymo? To nie jest pytanie z precyzyjna odpowiedzia, ale mozna je przyblizyc z kilku stron.

Alphabet podobno wycenial Waymo na okolo 175 miliardow dolarow w wewnetrznych ocenach w 2025 roku. Ta wycena oznacza, ze inwestorzy wierza, iz technologia, pozycja rynkowa i potencjal wzrostu Waymo sa warte wiecej niz firmy takie jak Goldman Sachs, Starbucks czy Nike. Znaczna czesc tej wyceny opiera sie na aktywach danych, poniewaz dane sa tym, co sprawia, ze technologia dziala, a technologia jest tym, co czyni pozycje rynkowa do obrony.

Innym sposobem podejscia do pytania jest koszt zastapienia. Ile kosztowaloby konkurenta odtworzenie zbioru danych Waymo od zera? Co najmniej musialalby wydac 5 miliardow dolarow na pojazdy, sensory, infrastrukture obliczeniowa i personel. Musialby jezdzic przez ponad 15 lat, aby zgromadzic rownorzedne mile. Musialby przejsc procesy regulacyjne w wielu miastach. A do czasu zakonczenia Waymo byloby 15 lat dalej z przodu.

Dane sa warte tyle, ile kosztowaloby ich zastapienie, a dla kazdego praktycznego konkurenta koszt zastapienia zbliza sie do nieskonczonosci. To jest definicja fosy.

Co dalej

Waymo nie stoi w miejscu. Firma nawiazala partnerstwo z marka Zeekr nalezaca do Geely w celu opracowania pojazdu autonomicznego nowej generacji budowanego od podstaw. W przeciwienstwie do obecnej zmodyfikowanej floty Jaguar I-PACE, pojazd nowej generacji bedzie zaprojektowany od podstaw jako platforma autonomiczna, z zestawem sensorow i sprzetem obliczeniowym zintegrowanym w architekturze pojazdu, a nie dokreconym po fakcie. Powinno to obnirzyc koszty na pojazd i poprawic rozmieszczenie sensorow.

Plan ekspansji obejmuje dodatkowe miasta USA poza obecnymi czterema, przy czym Atlanta jest juz w trakcie uruchamiania. Miedzynarodowa ekspansja pozostaje celem dlugoterminowym, a srodowiska regulacyjne w Europie i Azji stwarzaja odmienne wyzwania i mozliwosci.

A kazdego dnia flota przejedza kolejne mile. Kazda mila dodaje kolejne dane. Kazdy punkt danych sprawia, ze system jest odrobine lepszy, odrobine bezpieczniejszy, odrobine trudniejszy do dognonenia.

Piedziesiat milionow mil to liczba. Ale reprezentuje cos znacznie wiekszego: zbior danych, ktorego budowa zajela 17 lat i kosztowala 5 miliardow dolarow, ktorego zaden konkurent nie jest w stanie odtworzyc w jakimkolwiek rozsadnym horyzoncie czasowym i ktory poprawia sie automatycznie za kazdym razem, gdy pojazd Waymo wyjedza z parkingu na droge publiczna.

W wyscigu o maszyny autonomiczne, niezaleznie od tego, czy maja cztery kola, czy dwie nogi, dane sa ostateczna waluta. A wedlug tej miary Waymo jest najbogatsza firma w tej dziedzinie.