La guida autonoma sta transitando da una fase prettamente teorica a una dimensione sempre più industriale e operativa. Alla vigilia dell’attesissimo evento Tesla del 3 settembre 2026, interamente dedicato al lancio del suo innovativo Cybercab, Waymo ha scelto di intensificare il dibattito tecnico. L'azienda ha esplicitamente sostenuto che un semplice modello di intelligenza artificiale, addestrato esclusivamente su input visivi, non sia sufficiente per garantire la messa su strada di robotaxi pienamente autonomi, in particolare se l'obiettivo è assicurare operatività su larga scala e con i massimi standard di sicurezza.
Questa presa di posizione è interpretata come un chiaro, seppur indiretto, attacco alla strategia adottata da Tesla nel campo della mobilità autonoma.
Strategie a confronto: sensori e intelligenza artificiale
Il fulcro della divergenza tra i due colossi della tecnologia autonoma, seppur già noto agli addetti ai lavori, si manifesta ora con una concretezza inedita. Waymo insiste sulla necessità di equipaggiare una flotta di veicoli autonomi con una combinazione ridondante di sensori, che includa telecamere, lidar e radar, ritenuti indispensabili per un'affidabilità senza compromessi. Tesla, d'altro canto, persiste nel suo approccio che predilige l'uso esclusivo di telecamere e sistemi di intelligenza artificiale avanzata, escludendo l'impiego del lidar.
Il Cybercab, il veicolo a due posti progettato senza volante né pedali, incarna la massima espressione di questa filosofia: un hardware meno specializzato, una profonda integrazione software e un potenziale significativo vantaggio in termini di costi di produzione.
Waymo, tuttavia, può vantare un'esperienza operativa su vasta scala, già ampiamente verificata sul campo. L'azienda ha accumulato oltre 200 milioni di miglia percorse nel mondo reale, gestisce una flotta di circa 4.000 robotaxi distribuiti in 14 città degli Stati Uniti e registra circa 500.000 corse pagate ogni settimana. Questi numeri non rappresentano solo statistiche, ma testimoniano la trasformazione della guida autonoma da una mera promessa tecnologica a un servizio urbano articolato e complesso, che deve confrontarsi quotidianamente con variabili imprevedibili come le condizioni meteorologiche, la presenza di scuole, i veicoli di emergenza e i comportamenti umani, spesso difficili da anticipare.
I limiti dell'intelligenza artificiale "end-to-end"
La tesi tecnica di Waymo è chiara: non esiste una scorciatoia percorribile attraverso l'intelligenza artificiale per raggiungere una guida autonoma sicura e affidabile. Secondo Srikanth Thirumalai, vicepresidente del software di bordo di Waymo, i sistemi puramente end-to-end – ovvero reti neurali che elaborano direttamente dati grezzi per generare comandi di guida – presentano rischi significativi in termini di interpretabilità e controllo. Nel contesto del mondo fisico, un errore commesso da tali sistemi non può essere semplicemente corretto con un "riavvio" o un aggiornamento software, ma può avere conseguenze ben più gravi e immediate.
È fondamentale precisare che la posizione di Waymo non implica un rifiuto dell'intelligenza artificiale in sé.
Al contrario, l'azienda impiega modelli AI estremamente avanzati e ha costantemente lavorato per ridurre la frammentazione dei propri sistemi. La distinzione cruciale risiede nel principio di sicurezza: l'AI, nella visione di Waymo, deve essere integrata all'interno di un'architettura robusta che preveda sensori ridondanti, mappe dettagliate, rigorosi test nel mondo reale e controlli costantemente verificabili. In quest'ottica, telecamere, lidar e radar non sono considerati semplici accessori costosi, ma piuttosto livelli complementari e indispensabili per migliorare la percezione dell'ambiente circostante e minimizzare i potenziali "punti ciechi" del sistema.
Il fattore costo: il vantaggio potenziale di Tesla
Nonostante le critiche tecniche, la strategia di Tesla mantiene una rilevanza significativa, soprattutto per la sua capacità di affrontare il problema economico alla radice. Waymo, infatti, adotta un modello in cui la tecnologia di guida autonoma viene installata su veicoli prodotti da altri costruttori, il che comporta costi hardware e logistici intrinsecamente elevati. Tesla, invece, produce internamente i propri veicoli, e qualora il suo approccio si dimostrasse efficace, potrebbe ottenere un notevole vantaggio in termini di costi di produzione e di gestione.
