2025 年圣誕前夜，華裔研究員Jane Manchun Wong在社交平臺拋出的一則推文，讓自動駕駛行業(yè)掀起波瀾。她逆向解析 Waymo 移動端應(yīng)用代碼時，意外發(fā)現(xiàn)了一份名為 “Waymo Ride Assistant Meta-Prompt” 的內(nèi)部文檔 —— 超過 1200 行的系統(tǒng)提示詞，完整勾勒出谷歌 Gemini AI 助手入駐無人駕駛出租車的全景藍圖。

這并非 Gemini 與 Waymo 的首次牽手。此前 Waymo 已借助 Gemini 的 “世界知識” 訓練自動駕駛系統(tǒng)應(yīng)對復雜路況，但此次車載助手的集成，標志著 Alphabet 生態(tài)的 AI 能力正式從 “駕駛決策層” 下沉至 “乘客體驗層”。Waymo 發(fā)言人茱莉婭?伊莉娜雖未正面確認，但坦言 “團隊一直在優(yōu)化騎行體驗相關(guān)功能”，間接印證了這一創(chuàng)新的真實性。

被 1200 行代碼框定的 AI 行為邊界

這份泄露的系統(tǒng)提示詞，本質(zhì)是一份 AI 行為憲法，從身份定義、功能權(quán)限到交互規(guī)范，構(gòu)建了一套近乎嚴苛的約束體系。

1. 身份建構(gòu)：明確的 “助手” 而非 “司機”

提示詞開篇即確立 Gemini 的核心定位：“集成在 Waymo 自動駕駛車輛中的友好 AI 伴侶”，并強制劃定與 Waymo Driver（自動駕駛系統(tǒng)）的權(quán)責邊界。當乘客詢問 “你如何看路” 時，AI 必須回答 “Waymo Driver 使用激光雷達、攝像頭和雷達等傳感器觀察環(huán)境”，而絕對不能用 “我使用傳感器” 的表述。這種語言隔離設(shè)計，源于自動駕駛行業(yè)對 “責任歸屬” 的謹慎 —— 避免乘客產(chǎn)生 “AI 掌控駕駛” 的認知誤解。

2. 功能矩陣：有所為，有所不為

根據(jù)提示詞規(guī)范，Gemini 車載助手的能力圈被精確劃分為三大模塊：

環(huán)境控制：可調(diào)節(jié)溫度、風扇速度、車內(nèi)燈光及音樂播放，但明確排除音量控制、座椅調(diào)節(jié)、車窗操控等核心舒適功能；

信息查詢：支持天氣、地標數(shù)據(jù)、商戶營業(yè)時間等常識性問答，甚至能告知上一屆世界大賽冠軍，但禁止執(zhí)行訂餐、預(yù)訂等實體操作；

情感支持：在突發(fā)狀況下啟動安撫式語音，但不得對駕駛行為本身進行任何評價或解釋。

值得注意的是，當乘客提出超出權(quán)限的請求時，AI 需使用 “這還不是我能做到的” 等 “抱負短語” 回應(yīng)，既不引發(fā)期待也不造成挫敗感。這種精細化的功能取舍，體現(xiàn)了 Waymo“安全優(yōu)先、體驗為輔” 的產(chǎn)品邏輯。

3. 交互設(shè)計：極致簡潔的溝通哲學

為適配車載場景的注意力稀缺特性，提示詞制定了嚴格的交互規(guī)則：

語言風格：禁用 “激光雷達”“BEV 感知” 等技術(shù)術(shù)語，采用生活化表達；

回復長度：音頻輸入場景下限制為 1-2 句話，文本輸入最多不超過 3 句；

模態(tài)適配：語音交互優(yōu)先極簡句式，文本交互可提供簡短步驟說明；

終止機制：當乘客說出 “stop talking”“be quiet” 等關(guān)鍵詞，AI 需立即停止回應(yīng)。

更具人性化的是，系統(tǒng)會調(diào)用乘客上下文數(shù)據(jù) —— 包括出行次數(shù)、偏好設(shè)置等，生成個性化問候語。這種 “有限度的個性化”，既提升體驗又避免隱私過度采集。

雙重隔離機制杜絕 AI 干擾駕駛

Waymo 在 Gemini 集成中最值得稱道的，是其構(gòu)建的 “硬件 + 軟件” 雙重安全隔離體系。

從技術(shù)架構(gòu)來看，Gemini 助手與 Waymo Driver 采用物理隔離設(shè)計，通過硬件級通信阻斷確保 AI 無法訪問或干預(yù)駕駛系統(tǒng)的傳感器數(shù)據(jù)與決策模塊。這種設(shè)計從根源上避免了類似 “AI 誤操作導致車輛失控” 的風險。

軟件層面，1200 行提示詞中近 30% 的內(nèi)容用于定義安全邊界：禁止 AI 對駕駛行為做任何猜測、解釋或辯護；當乘客詢問 Waymo 事故視頻等敏感問題時，需禮貌轉(zhuǎn)移話題，且不得采取防御或道歉語氣；若乘客要求 “開快點”“改變路線” 等涉及駕駛控制的指令，AI 必須明確聲明 “無法控制 Waymo Driver”，并可主動提供預(yù)計到達時間等替代信息。

Waymo 內(nèi)部測試數(shù)據(jù)顯示，這套隔離機制成效顯著：搭載 Gemini 助手的車輛乘客滿意度提升 27%，而因 “對駕駛系統(tǒng)產(chǎn)生誤解” 導致的投訴率下降 41%。正如智能駕駛專家朱西產(chǎn)所言，L3 及以上級別自動駕駛的核心，是讓用戶 “明確知曉系統(tǒng)的能力邊界”。

Waymo Gemini vs 特斯拉 Grok

Gemini 上車的背后，是智能汽車行業(yè) “AI 副駕” 賽道的暗戰(zhàn)。特斯拉早在 2025 年 7 月便宣布將 xAI 的 Grok 大模型植入車輛，形成直接競爭態(tài)勢，但兩者的產(chǎn)品邏輯呈現(xiàn)鮮明差異：

特斯拉 CEO 馬斯克曾宣稱 “不是汽車裝了 AI，而是 AI 長出了輪子”，Grok 的設(shè)計印證了這一理念 —— 支持 12 種個性角色切換，能根據(jù)路況主動講段子解壓，甚至可連接智能家居生態(tài)。而 Waymo 的 Gemini 則始終堅守 “出行服務(wù)” 本質(zhì)，拒絕過度擬人化，這種差異源于兩者的商業(yè)場景不同：特斯拉面向私家車用戶，追求情感連接與用戶粘性；Waymo 聚焦共享出行，更強調(diào)標準化、安全性與普適性。

自動駕駛從 “能開” 到 “開好” 的進化

Gemini 的集成，標志著自動駕駛行業(yè)正從“功能實現(xiàn)” 向 “體驗優(yōu)化”轉(zhuǎn)型。Waymo 的實踐揭示了三個關(guān)鍵趨勢：

首先，AI 助手成為信任構(gòu)建的關(guān)鍵載體。對于缺乏人類司機的無人駕駛車輛，擬人化的 AI 交互能有效緩解乘客的焦慮感。Waymo 通過 “溫和音色 + 明確邊界聲明” 的組合，在“擬人化”與“安全性”之間找到了平衡。

其次，大模型落地車載場景需 “場景化閹割”。谷歌 Gemini 作為頂尖多模態(tài)大模型，其能力遠超車載場景需求，但 Waymo 通過 1200 行提示詞進行精準約束，只保留與出行相關(guān)的核心功能。這種 “有所不為” 的克制，恰恰是大模型商業(yè)化落地的關(guān)鍵 —— 避免功能冗余導致的安全風險與用戶困惑。

最后，生態(tài)協(xié)同成為核心競爭力。Gemini 與 Waymo 的整合，是 Alphabet 生態(tài)資源協(xié)同的縮影。正如谷歌 DeepMind 與 Google Brain 合并后形成的技術(shù)合力，這種 “大模型 + 自動駕駛” 的生態(tài)協(xié)同，將成為傳統(tǒng)車企難以逾越的壁壘。

目前，Waymo 的自動駕駛車隊已覆蓋全美 6 個城市，超過 2000 輛車輛，圣何塞機場的商業(yè)運營許可更使其場景拓展邁出關(guān)鍵一步。隨著 Gemini 助手的逐步落地，Waymo 不僅在重構(gòu)無人駕駛的出行體驗，更在定義智能交通時代的人機交互范式。而這場 AI 副駕的爭奪戰(zhàn)，終將重塑整個汽車行業(yè)的價值鏈條 —— 當駕駛本身不再是核心競爭力，“如何讓出行更智能、更舒適” 將成為新的戰(zhàn)場。