藏不住的 AI 副驾：1200 行代码泄露 Waymo 野心

2025 年圣诞前夜，华裔研究员Jane Manchun Wong在社交平台抛出的一则推文，让自动驾驶行业掀起波澜。她逆向解析 Waymo 移动端应用代码时，意外发现了一份名为 “Waymo Ride Assistant Meta-Prompt” 的内部文档 —— 超过 1200 行的系统提示词，完整勾勒出谷歌 Gemini AI 助手入驻无人驾驶出租车的全景蓝图。

这并非 Gemini 与 Waymo 的首次牵手。此前 Waymo 已借助 Gemini 的 “世界知识” 训练自动驾驶系统应对复杂路况，但此次车载助手的集成，标志着 Alphabet 生态的 AI 能力正式从 “驾驶决策层” 下沉至 “乘客体验层”。Waymo 发言人茱莉娅・伊莉娜虽未正面确认，但坦言 “团队一直在优化骑行体验相关功能”，间接印证了这一创新的真实性。

被 1200 行代码框定的 AI 行为边界

这份泄露的系统提示词，本质是一份 AI 行为宪法，从身份定义、功能权限到交互规范，构建了一套近乎严苛的约束体系。

1. 身份建构：明确的 “助手” 而非 “司机”

提示词开篇即确立 Gemini 的核心定位：“集成在 Waymo 自动驾驶车辆中的友好 AI 伴侣”，并强制划定与 Waymo Driver（自动驾驶系统）的权责边界。当乘客询问 “你如何看路” 时，AI 必须回答 “Waymo Driver 使用激光雷达、摄像头和雷达等传感器观察环境”，而绝对不能用 “我使用传感器” 的表述。这种语言隔离设计，源于自动驾驶行业对 “责任归属” 的谨慎 —— 避免乘客产生 “AI 掌控驾驶” 的认知误解。

2. 功能矩阵：有所为，有所不为

根据提示词规范，Gemini 车载助手的能力圈被精确划分为三大模块：

环境控制：可调节温度、风扇速度、车内灯光及音乐播放，但明确排除音量控制、座椅调节、车窗操控等核心舒适功能；

信息查询：支持天气、地标数据、商户营业时间等常识性问答，甚至能告知上一届世界大赛冠军，但禁止执行订餐、预订等实体操作；

情感支持：在突发状况下启动安抚式语音，但不得对驾驶行为本身进行任何评价或解释。

值得注意的是，当乘客提出超出权限的请求时，AI 需使用 “这还不是我能做到的” 等 “抱负短语” 回应，既不引发期待也不造成挫败感。这种精细化的功能取舍，体现了 Waymo“安全优先、体验为辅” 的产品逻辑。

3. 交互设计：极致简洁的沟通哲学

为适配车载场景的注意力稀缺特性，提示词制定了严格的交互规则：

语言风格：禁用 “激光雷达”“BEV 感知” 等技术术语，采用生活化表达；

回复长度：音频输入场景下限制为 1-2 句话，文本输入最多不超过 3 句；

模态适配：语音交互优先极简句式，文本交互可提供简短步骤说明；

终止机制：当乘客说出 “stop talking”“be quiet” 等关键词，AI 需立即停止回应。

更具人性化的是，系统会调用乘客上下文数据 —— 包括出行次数、偏好设置等，生成个性化问候语。这种 “有限度的个性化”，既提升体验又避免隐私过度采集。

双重隔离机制杜绝 AI 干扰驾驶

Waymo 在 Gemini 集成中最值得称道的，是其构建的 “硬件 + 软件” 双重安全隔离体系。

从技术架构来看，Gemini 助手与 Waymo Driver 采用物理隔离设计，通过硬件级通信阻断确保 AI 无法访问或干预驾驶系统的传感器数据与决策模块。这种设计从根源上避免了类似 “AI 误操作导致车辆失控” 的风险。

软件层面，1200 行提示词中近 30% 的内容用于定义安全边界：禁止 AI 对驾驶行为做任何猜测、解释或辩护；当乘客询问 Waymo 事故视频等敏感问题时，需礼貌转移话题，且不得采取防御或道歉语气；若乘客要求 “开快点”“改变路线” 等涉及驾驶控制的指令，AI 必须明确声明 “无法控制 Waymo Driver”，并可主动提供预计到达时间等替代信息。

Waymo 内部测试数据显示，这套隔离机制成效显著：搭载 Gemini 助手的车辆乘客满意度提升 27%，而因 “对驾驶系统产生误解” 导致的投诉率下降 41%。正如智能驾驶专家朱西产所言，L3 及以上级别自动驾驶的核心，是让用户 “明确知晓系统的能力边界”。

Waymo Gemini vs 特斯拉 Grok

Gemini 上车的背后，是智能汽车行业 “AI 副驾” 赛道的暗战。特斯拉早在 2025 年 7 月便宣布将 xAI 的 Grok 大模型植入车辆，形成直接竞争态势，但两者的产品逻辑呈现鲜明差异：

特斯拉 CEO 马斯克曾宣称 “不是汽车装了 AI，而是 AI 长出了轮子”，Grok 的设计印证了这一理念 —— 支持 12 种个性角色切换，能根据路况主动讲段子解压，甚至可连接智能家居生态。而 Waymo 的 Gemini 则始终坚守 “出行服务” 本质，拒绝过度拟人化，这种差异源于两者的商业场景不同：特斯拉面向私家车用户，追求情感连接与用户粘性；Waymo 聚焦共享出行，更强调标准化、安全性与普适性。

自动驾驶从 “能开” 到 “开好” 的进化

Gemini 的集成，标志着自动驾驶行业正从“功能实现” 向 “体验优化”转型。Waymo 的实践揭示了三个关键趋势：

首先，AI 助手成为信任构建的关键载体。对于缺乏人类司机的无人驾驶车辆，拟人化的 AI 交互能有效缓解乘客的焦虑感。Waymo 通过 “温和音色 + 明确边界声明” 的组合，在“拟人化”与“安全性”之间找到了平衡。

其次，大模型落地车载场景需 “场景化阉割”。谷歌 Gemini 作为顶尖多模态大模型，其能力远超车载场景需求，但 Waymo 通过 1200 行提示词进行精准约束，只保留与出行相关的核心功能。这种 “有所不为” 的克制，恰恰是大模型商业化落地的关键 —— 避免功能冗余导致的安全风险与用户困惑。

最后，生态协同成为核心竞争力。Gemini 与 Waymo 的整合，是 Alphabet 生态资源协同的缩影。正如谷歌 DeepMind 与 Google Brain 合并后形成的技术合力，这种 “大模型 + 自动驾驶” 的生态协同，将成为传统车企难以逾越的壁垒。

目前，Waymo 的自动驾驶车队已覆盖全美 6 个城市，超过 2000 辆车辆，圣何塞机场的商业运营许可更使其场景拓展迈出关键一步。随着 Gemini 助手的逐步落地，Waymo 不仅在重构无人驾驶的出行体验，更在定义智能交通时代的人机交互范式。而这场 AI 副驾的争夺战，终将重塑整个汽车行业的价值链条 —— 当驾驶本身不再是核心竞争力，“如何让出行更智能、更舒适” 将成为新的战场。