阅读

日本电子元件制造商村田制作所（Murata Manufacturing）于2026年10月30日在第二财季财报说明会上宣布，为满足人工智能数据中心等领域的需求，计划在2026至2030财年期间向积层陶瓷电容（MLCC）业务投资约1万亿日元。公司社长中岛规巨表示，这是自创业以来最大的机会。

根据计划，村田将把2027和2028财年的MLCC生产能力年均增长率从原先的约10%提升至约20%，并在2030财年前将总产能提高约60%。这1万亿日元的投资中，约3500亿用于厂房建设，约6500亿用于生产设备。目前，村田在全球MLCC市场占据约40%的份额。

此次扩产主要面向AI服务器、光通信等IT基础设施领域的高容量、小型化及高耐压MLCC产品。中岛规巨指出，尽管AI数据中心需求可能在2030年左右趋于平稳，但随后人形机器人、自动驾驶汽车和无人机等边缘设备的普及将继续推动市场增长，因此巨额投资的长期风险可控。

同日公布的财报显示，村田制作所2026年4月至9月的销售额为1.0907万亿日元，同比增长20.8%；净利润为1861亿日元，同比增长40.6%。公司将2027财年（截至2027年3月）的全年销售预期上调至2.26万亿日元，净利润预期上调至3960亿日元。

英特尔位于以色列Kiryat Gat附近的Fab 28工厂在本月中旬发生致命爆炸，导致两名工人死亡、一人重伤，并迫使整个设施停产两周。英特尔首席财务官David Zinsner在财报电话会议上表示，公司预计将于本周五恢复生产，但此次中断将导致约6亿美元的收入损失，主要分布在2026年第四季度和2027年第一季度。

Fab 28是英特尔生产10纳米级（包括Intel 7工艺）芯片的关键设施之一。尽管最新的Xeon 6处理器计算核心采用Intel 3工艺，但其I/O裸片仍依赖Intel 7工艺制造。此外，英特尔仍在销售基于Intel 7工艺的上一代Xeon 5 Emerald Rapids和Xeon 4 Sapphire Rapids处理器。Zinsner指出，此次中断主要影响10纳米级服务器产品，预计将使第四季度的非GAAP毛利率下降约2%。

虽然英特尔在美国亚利桑那州等地拥有其他具备10纳米产能的工厂（如Fab 12、Fab 22等），但由于当前服务器处理器需求强劲，公司无法完全通过调整其他工厂的产量来弥补Fab 28的缺口。部分产品线可能因缺乏特定的制造资格认证或转移成本过高而无法迅速替代。除了停产造成的直接损失外，正在加工中的晶圆也可能报废，大部分核销预计将在2026年第四季度完成。

网络安全公司Calif创始人Thai Duong在2026年10月底的一次播客访谈中提出了一个听起来简单但后果深远的判断：如果你训练一个AI擅长写代码，你就同时训练了一个擅长黑客的AI。这不是一个可以修复的bug，而是能力的结构性质。

Duong的推理链条如下。AI公司靠卖token赚钱，而当前token的最大用途是编程。一个真正擅长编程的AI必须能理解代码、理解技术系统、能调试、能控制计算机——而Duong认为，这就是黑客的定义。你不可能既让AI在编程上达到商业所需的水平，又让它对系统漏洞视而不见。

这个判断有具体的工作证据支撑。Duong在Google工作了十二年，负责在Chrome等产品发布前进行安全测试。他和整个行业都假设Chrome的安全投入已经产生了效果——不仅有漏洞消除，还有缓解措施使漏洞难以被利用。但当他们把AI指向Chrome时，发现了大约一千个漏洞，是预期的十倍。Duong说这让他非常意外：要么安全工程师的能力不足，要么代码量太大而人工审计根本覆盖不完。

相比之下，PHP漏洞的发现过程说明了AI在不同环节的角色差异。Calif通过OpenAI的Patch the Planet项目获得资金和token，工程师Ryan Osteen在7月30日启动后一两天就找到了第一个漏洞。但真正让事情变得紧急的不是发现漏洞本身——PHP基金会早在2024年就发现了同一个漏洞，只是因为修复代价太大且当时没有公开的利用方法而选择不修。AI的关键贡献在于开发利用代码：工程师告诉AI如何利用思路的设计方向，AI在一天内就产出了可工作的exploit，证明了远程攻击者无需任何专业知识就能入侵网站。

Duong还描述了一个正在崩塌的时间窗口。过去，从补丁发布到攻击者开发出可用的exploit通常需要数周甚至数月，用户有充裕时间升级。现在，开源项目的修复在GitHub上公开的那一刻，信息就已经暴露。攻击者可以监控仓库，用AI在几小时内将补丁转化为exploit。Duong称之为'负一天漏洞'——补丁还没到用户手里，exploit已经准备好了。

关于攻击速度的变化，Duong补充了一个银行客户的案例。Calif团队进入客户网络后，通常需要约一个月才能横向渗透整个系统。而攻击者的AI在周一进入网络，周二就已经无处不在。Duong形容这像癌症以机器速度扩散，现有的检测体系完全跟不上——你检测到了入侵，但系统里已经有一百个攻击点，而关闭系统对银行来说不是选项。

工程师Bruce Dang从另一个角度展示了AI对黑客工作的改变。他写了一本关于逆向工程的教科书，与朋友花了很长时间完成。但九个月前，那本书的内容已经过时——现在只需要一两个提示词，AI就能生成同样的内容，甚至更好。Dang还提到一位朋友花了五美元用开源模型就逆向工程了打印机固件并成功入侵，而以前这需要数月时间。

关于未来，Duong用了一个来自国际象棋史的类比。1997年IBM深蓝击败卡斯帕罗夫后，由于深蓝是大型机，普通电脑跑不了，此后十年间最强的棋手是'半人马棋手'——人类与电脑的组合。而AlphaGo在2016年击败李世石后，仅用三年，纯软件就超越了所有人机组合。Duong认为网络安全正处于'半人马黑客'时代：最强的黑客是AI加上人类专家的组合，但这个窗口期可能只有三个月到三年。他不确定这个判断，但认为应该按较短的时间来准备。

这个论证的边界在于：它描述的是当前AI能力水平下的结构性约束，而非永恒真理。Duong自己承认，如果AI公司放弃编程业务转向科学发现或物理AI，理论上可以训练出不擅长黑客的模型。但这也意味着放弃当前最大的收入来源。形式化验证在理论上可以证明软件安全，但Dang指出它目前只能用于小型组件，无法应用于浏览器这样的数十亿行代码系统。Duong补充了一个更根本的约束：软件之所以能统治世界，恰恰因为它随时可以被修改；要求软件不再频繁变更，等于要求科技公司放弃其核心竞争优势。

在防御前景上，Dang表达了有条件的乐观：也许可以，AI最终能帮助构建更安全的系统，但他承认自己可能过于乐观。Duong则更为直接：当前阶段AI对攻击者的帮助大于对防御者的帮助，防御者需要时间来追赶。他们不认为存在'修好沙箱就安全了'的简单方案，也不认为可以训练出一个只编码不黑客的模型。防御的出路在于重新设计系统架构，而非在现有架构上打补丁。

加拿大大模型独角兽Cohere于10月29日宣布完成E轮融资的首次交割。本轮融资目标金额最高为70亿加元（约合人民币334亿元）。Cohere在官方X账号上表示，若最终达到这一募资目标，该笔交易将成为加拿大初创企业历史上规模最大的单轮私募融资。

本轮融资由德国零售巨头施瓦茨集团（Schwarz Group）领投，英伟达（Nvidia）、沙特阿美旗下Prosperity7 Ventures等现有股东继续参投，加拿大政府也作为新投资者加入。据披露，Cohere去年9月的估值约为98亿加元。若此次融资全额到位，其估值预计将达到357亿加元，一年内增长至原来的3.6倍。

除了资金注入，Cohere还公布了一系列旨在扩大业务边界的战略动作。公司计划在一年内推进两项AI公司并购：一是与美国AI网络安全初创企业AISLE签署收购意向书，利用其技术推出面向企业网络安全的产品Cohere Cyber，帮助企业自动发现、验证和修复软件漏洞；二是与德国AI公司Aleph Alpha签署合并协议，整合双方的模型研发能力及欧洲政府、企业客户资源。目前这两项交易均尚未完成。

此外，根据加拿大总理办公室10月29日公布的协议，加拿大政府拟分阶段出资最多16亿加元（约合人民币76亿元）入股Cohere。作为投资条件，Cohere承诺在2030年前新增至少1000个加拿大技术岗位，并投资至少17亿加元建设当地算力设施，同时保留其在加拿大的总部及注册地。

Cohere成立于2019年，主要为企业和政府提供可私有化部署的大模型、AI智能体及搜索工具。截至今年第三季度末，该公司披露其年度经常性收入（ARR）同比增长165%，全球客户数量在过去一年增长至原来的20倍，达到300家。此次融资和并购计划显示，Cohere正试图从单纯的模型提供商转型为涵盖网络安全、欧洲市场及本土算力的综合企业AI解决方案供应商。

灵巧手行业去年公开可查的出货量约两万只，但伯牙智能创始人刘欣观察到，其中大部分灵巧手的归宿是跟着人形机器人表演几场，然后被搁在角落里。在他看来，当前产品呈两级分化：低自由度的灵巧手便宜耐用，几千块钱就能买到，但操作能力非常有限，主要用来给人形机器人做表演；高自由度的产品操作能力更好，主流价格都在十万元以上，但使用寿命可能只有一两周，或者最多到一两个月，买回来供着不敢用，用一星期到两三个月就坏了。

刘欣认为行业需要开辟「第三个市场」：以可接受的成本，将科研级操作能力带入实际应用，解决过去自动化设备处理不了的问题。他举了一个具体例子——深圳周边有些小工厂生产完零件后需要在高倍数电子显微镜下检查，零件每个面都要翻一下，这种任务传统夹爪肯定做不了。但这样的产品今天依然不存在，市面上最先进、最高端的灵巧手能力都和人手差得非常远。

支撑这一判断的技术前提是灵巧手设计中的核心矛盾：它需要在极其有限的空间里塞进机械结构、电机、电路和传感器，同时还要保证足够的力量和功率密度。手指做得越细，结构强度和承载能力就越容易受到限制，关节连接处可能只承受几百克到一公斤左右的力，持续使用一周就出现断裂。手要做得小，齿轮模数就要小，齿就越小，对加工精度要求越高，以今天的材料和工艺水平很容易出现磨损、变形甚至断裂。人的大拇指有十公斤的力，而今天灵巧手大拇指主流的标称力只有一公斤，比较高的两公斤，但标称力和实际能施加的力还有偏差。

刘欣由此提出了一个与行业主流不同的时间判断：模型可能先于硬件触及能力拐点。他认为以AI和模型现在的迭代速度，可能会更早迎来一个能力拐点，届时大家会发现模型已经很厉害了，但找不到一个足够可靠的硬件来承接它的能力。他提到最近行业里比较受关注的一件事是GPT-6已经可以操作灵巧手，这说明大模型在预训练阶段积累的常识和认知能力正在向物理世界延伸。到最后，拖后腿的可能是身体，而不是思想。

在技术路线上，刘欣认为当前头部直驱灵巧手已经接近物理极限，未来一两年到两三年内很难实现大幅提升，而绳驱为主的技术架构还有很大的性能提升空间。他的类比是生物进化：人类手指轻轻捏一下主要靠蚓状肌、掌内肌这些小肌肉完成精细控制，用力提拉东西真正发力的是手臂肌肉——生物要兼顾力量和灵巧，通常需要把两者分开，越靠近末端结构越纤细有利于精细控制，越靠近根部肌肉越粗壮适合提供力量。伯牙的首款灵巧手高山S1有二十二个自由度，采用以绳驱为主、齿轮直驱加丝杠连杆为辅的混合驱动，刘欣称他们是全球第一家做绳驱加丝杠并联手腕构型的灵巧手公司。

需要指出的是，以上判断均来自伯牙智能创始人刘欣的访谈自述。出货量两万只是他引述的公开数据，「表演完就吃灰」是其个人观察；「全球第一家」为公司自述声明，未经第三方独立验证；绳驱将后来居上、直驱已接近物理极限等判断，目前缺乏可对照的公开测试数据。刘欣同时承认，现阶段行业最重要的还不是可靠性，至少要争取做到三个月到半年的耐用性，目前行业主流保修期可能是六个月，敢承诺一年以上的很少，而这六个月的保修很多时候是靠提前准备一大笔备用金来支撑的。

电信行业长期被戏称为数字基础设施中的'管道工'——为云计算和AI提供连接，却难以在价值链上占据更高位置。随着生成式AI和智能体AI进入日常使用，边缘AI推理被视为一个可能改变这一定位的新机会。但'边缘'并非一个单一地点，而是一个从超大规模数据中心到手机终端的基础设施梯度，不同层级的经济可行性差异巨大。

EnterpriseWeb首席执行官David Duggal将这一区分称为'电信边缘'与'客户边缘'的混淆。前者指无线基站塔、接入点和网络邻近设施；后者可能位于企业园区、工厂或仓库。这一区分之所以关键，是因为在基站塔上部署高性能AI推理远比在城域级设施中困难得多。Duggal指出：GPU需要大量电力，更多电力意味着更多热量，更多热量意味着更多支撑基础设施——这是一个Catch-22。

相比之下，城域边缘——包括中心局、区域汇聚枢纽和其他由大型电信运营商或中立托管方运营的设施——可以支持数百个节点，汇聚来自云端和远端的数据流，并为高密度GPU部署提供更实际的环境。美国电信运营商还持有一项较少被讨论的资产：房地产。中心局、网络机房和传统交换设施可能看起来不像AI基础设施的未来，但许多可以成为边缘推理的有用站点，尤其是在社区阻力使大型新建数据中心开发日益困难的背景下。

Akamai云技术集团产品高级副总裁Jon Alexander从工作负载角度补充了这一判断。他认为物理AI（工厂和机器人场景）是当今延迟最敏感的用例之一，'你不可能等10秒把数据传到地球另一端再回来，工厂里的一切都会停摆。'但对于不需要即时设备端干预的更广泛商业AI工作负载，城域级边缘基础设施可能提供性能与成本的最佳平衡。他的具体判据是：如果GPU驱动的城域节点能实现5至10毫秒的响应时间，'这对今天存在的几乎每一种计算体验都很好，意味着良好的利用率和良好的经济性。'

IDC云与数据中心高级研究经理Luis Fernandes则对'延迟驱动边缘部署'这一流行叙事提出了提醒。IDC与欧盟委员会合作的'Edge Observatory for the Digital Decade'项目研究发现，虽然延迟在非常具体的案例和地区中确实是一个问题，但在大多数情况下它并非边缘部署的主要驱动因素。'工作负载类型是一个决定性因素，'Fernandes说。实时工作负载需要由本地上下文和时序塑造的即时响应；分析型工作负载往往不需要，数据可以在边缘进行暂存或预处理后再回传至中心。

这一发现的实际后果是：对企业买家和运营商而言，关键问题不是'延迟能压到多低'，而是'哪些工作负载真正受益于被放置在靠近行动发生点的位置'。对于电信运营商来说，这意味着城域级汇聚设施——而非每一个基站塔——才是近期可操作的边缘AI落点。

TIA数据中心项目负责人Mike Peterson从标准制定角度描述了另一层约束：'边缘数据中心，从我们的视角看，是一个可以在工厂中创建、然后作为现有设施附属物放置在某个地点的完全封装数据中心。'这种标准化之所以重要，是因为AI基础设施正在改变物理设计假设——高密度GPU集群对布线、互连设计、电力分配和散热提出了非凡需求。Peterson说：'当你看看一些较新的AI数据中心设计，比如一个Nvidia pod里有多少线缆，那是令人瞠目的。'

不过，Fernandes也提醒不要过度乐观。'合格资源目前严重短缺，预算正被更炫目的项目分配，AI-RAN对少数人来说仍是一个副业项目。'他承认AI-RAN对电信运营商有近期价值——改善网络性能、降低成本、推动运营效率——但这并不等同于第三方面向边缘推理的变现。电信运营商能否从'管道工'升级为'AI经纪人'或'AI即服务'提供商，答案仍然开放。

对投资者和运营商而言，本文提供的可操作判据是：区分城域边缘与远端边缘的经济可行性。城域设施已具备电力、光纤和空间条件，是近期GPU推理部署的实际落点；基站塔上的AI推理面临功耗散热的结构性Catch-22，短期内难以规模化。这一区分不意味着边缘AI的商业模式已经成熟，但它将'在哪里部署'从一个模糊方向变成了一个有具体技术约束支撑的选择。

美国企业软件巨头Salesforce于2026年10月29日宣布，已签署最终协议收购国防AI初创公司Rune Technologies。Salesforce Missionforce与政府云总裁兼首席执行官Kendall Collins称，这是该公司在国家安全领域“最重大的收购”。此次收购是Salesforce在10月内的第三起并购案，前两项分别针对分析平台Loops和客户互动平台Braze。

Rune Technologies由David Tuttle和Peter Goldsborough于2024年创立，两人均出身于国防科技公司Anduril的指挥控制部门。Rune的核心产品TyrOS是一个战术边缘后勤超级智能（SI）平台，专门用于在拒止、降级、间歇或受限连接（DDIL）的环境中运作。该平台已在美军陆军和海军陆战队部署，能够连接企业系统数据与实时作战数据，帮助前线部队在断网情况下预测补给需求、优化资源分配并建议运输路线，待网络恢复后自动同步。

Salesforce将Rune纳入其军政业务Missionforce组合，旨在构建从总部到战略规划再到作战边缘的三层架构。目前，Missionforce已成为美军及盟军前两层（企业和战略规划层）的记录系统。通过收购Rune，Salesforce试图填补最后一环，使前线部队的决策能直接融入企业记录系统。这一策略背景是美国国防部自2025年3月起推动软件采购优先走商用管道，且Salesforce此前已获得一份为期10年、上限为56亿美元的美国陆军合同。

尽管Salesforce未公布具体收购金额，但此举反映了传统SaaS公司在面对AI原生解决方案竞争时的防御性扩张。据Reuters报道，Salesforce今年早些时候以36亿美元收购了AI代理平台Fin，去年则以80亿美元收购Informatica。投资人担忧AI普及可能侵蚀传统软件需求，而Salesforce正通过密集并购特定AI能力来应对这一风险。

韩国文档AI初创公司KDL（한국딥러닝）与IBK企业银行（韩国政策性商业银行）合作完成了针对电话诈骗受害者救济业务的AI代理概念验证（PoC）。据Platum报道，该测试于2026年4月至8月进行，结果显示文件处理时间减少了88%。

传统流程中，银行员工需手动检查通过传真接收的受害者救济申请书和身份证复印件等文件，并输入系统，这一过程耗时较长，影响了冻结支付等紧急措施的响应速度。KDL开发的“DEEP Agent for Finance”基于视觉语言模型（VLM），不仅能读取文字，还能理解文档上下文，自动分类文件、提取信息并推断犯罪类型。

根据KDL提供的数据，该系统对印刷体文字的识别准确率为100%，对手写文字的识别准确率超过97%，且能处理传统AI-OCR难以识别的低质量身份证件和混合手写申请表。相比现有AI-OCR，其准确率最高提升了20.4个百分点。系统采用置信度评分机制，高置信度结果自动处理，低置信度结果转交人工审核，最终判断权保留给银行员工。

该项目在韩国财政经济部和科学技术信息通信部主办的“2026公共机构AI创新挑战”中获得PoC部门优秀奖。IBK企业银行计划在2027年上半年将该系统应用于实际业务。KDL表示将把此解决方案扩展至其他金融机构和公共机构。

林宏荣把奇美医院的AI发展分成四步：2005年从资料仓储和商业智能工具起步，2019年成立AI中心把生物统计能力延伸到机器学习，2023年进入生成式AI助手阶段，2025年起瞄准代理型AI。每一步的推进逻辑不是技术可用性，而是组织是否已经具备安全使用下一层能力的条件。

在疾病预测阶段，奇美刻意避开了医疗影像AI。林宏荣解释，影像模型需要大量运算资源和人力标注，而奇美多年积累的却是临床资料和生物统计经验，从既有能力出发做疾病风险预测更务实。这一选择后来产出32个已上线的预测模型，覆盖13个科部，医师在HIS页面即可查看患者相关风险。

进入生成式AI阶段后，奇美先从护理纪录这类文书工作切入，把生命征象和管路记录转换为初稿，再扩展到医师、药师等职类。这套协作机制独立于既有HIS运行，不修改原有程式，避免改版风险和当机连锁反应。

A+药安师是目前最受关注的成果。林宏荣举例，一名药师可能负责整个病房上百名患者的用药安全，过去用规则式系统按预设条件筛选，但医疗知识随文献和临床指引更新，既有规则逐渐过时。新系统让AI先分析病历和用药资料，从100名患者中筛出可能有用药问题的10名，整理病史供药师优先检查。林宏荣称这套系统每天约可节省药师150分钟，并获国家医疗品质奖金奖。为降低幻觉风险，奇美将AI与Medi-Span药学数据库结合，用RAG引入持续更新的药学知识，先由Medi-Span筛选药物交互作用、禁忌症和剂量问题，再结合AI处理，最后由药师做专业判断。

但林宏荣明确表示，奇美目前还没有正式上线AI代理，因为医院尚未建立足够完善的安全执行环境。他用'龙虾池'比喻：不能让龙虾乱跑、搞破坏，还可能逃逸。对医院来说，AI代理若要读取病历、操作系统或执行任务，必须先确保它只在允许范围内活动。而建立这样的环境，前提是做好数据治理——林宏荣指出这是医院IT较缺乏的技术能力。

另一项未解决的挑战是AI代理如何与既有RPA整合。奇美已用RPA处理不少重复性工作，但RPA按预设规则和步骤执行。理论上AI代理可以理解任务、规划步骤，再由RPA执行固定操作，形成代理式自动化。林宏荣强调，两者究竟如何整合仍是探索中的问题。

面对快速变化的AI技术，林宏荣的策略不是追逐最前沿，而是'比科技最前沿落后两步'，保持谨慎但持续跟进。这个定位意味着奇美愿意在能力验证和组织准备度之间留出缓冲，而非以技术可用性作为部署的唯一判据。

高盛（Goldman Sachs）FICC 与股票部门权益衍生品销售团队的 Lee Coppersmith 在其官方播客节目《The Markets》的一期节目中，分析了当前人工智能（AI）股票市场的期权交易动态。根据出版方提供的节目描述，Coppersmith 指出，随着投资者密切关注大型科技公司的财报并试图区分潜在赢家与输家，期权市场显示出对 AI 的不安情绪正在加剧。

他解释说，尽管对 AI 股票的整体需求依然强劲且标普 500 指数保持韧性，但近期看跌期权（put option）的买入量有所上升，而奖励股价上涨的看涨期权（call option）活动则出现减弱。这一观察为读者提供了一个从衍生品市场定位角度理解 AI 投资情绪的具体切入点。

该期节目录制于 2026 年 10 月 29 日。本推荐基于出版方发布的节目元数据及描述，未包含完整文字记录或具体论证细节。观点仅代表嘉宾个人立场，不构成投资建议。

美国半导体制造商英特尔（Intel）公布了对当前第四季度的财务预测，显示其营收将在150亿至160亿美元之间，低于分析师预期的170亿美元。同时，该公司预计调整后每股收益为25美分，远低于市场预期的43美分。这一指引不及预期导致英特尔股价在盘后美国交易中大幅下跌约22%。

英特尔首席财务官David Zinsner表示，由于内存价格飙升，电脑销量下降，公司数周来一直观察到业务放缓。他警告称，至少到2027年上半年，这种情况都不会好转。首席执行官Lip-Bu Tan指出，整个市场都受到影响，内存价格在明年全年仍将是严重问题。英特尔预计，继今年PC市场萎缩12%后，2027年该市场将再收缩10%。

尽管人工智能热潮推高了数据中心对存储器的需求，从而带动内存价格上涨，但这也抑制了消费级PC的销售。此外，英特尔还面临数据中心芯片的供应链问题，包括部分原材料短缺以及以色列一家工厂的暂时关闭。虽然英特尔处理器也受益于AI需求，但未能充分满足市场需求。

在上一季度，英特尔营收同比增长21%至165亿美元，符合分析师预期，但净利润同比下降18%至33亿美元。此前，投资者看好英特尔通过新制造工艺从数据中心业务中获利，并期待其作为其他芯片代工厂的新角色。今年，英特尔在工厂和设备上投资约200亿美元，Zinsner暗示明年支出还将增加。

Alphabet旗下的自动驾驶公司Waymo周五宣布与日本汽车制造商丰田（Toyota）建立更广泛的合作伙伴关系。根据协议，丰田将在其位于日本高冈的工厂生产2027款电动SUV bZ4X，并集成Waymo的自动驾驶系统。这些车辆将首先在日本进行自动驾驶测试，随后计划部署到包括英国在内的其他右舵驾驶国家。

这一举措标志着Waymo在国际扩张策略上的具体化。此前，Waymo主要依赖捷豹I-Pace车型在美国运营，并在伦敦使用同款车进行测试。此次转向丰田bZ4X，意味着Waymo正在利用传统大型车企的制造能力来解决规模化供应问题。丰田执行副总裁Hiroki Nakajima表示，该合作有助于通过Waymo的网约车服务将该技术带给日本及其他地区的客户，同时丰田也在探索如何将车辆与交通基础设施整合以提高道路安全。

值得注意的是，这并非双方首次接触。早在18个月前，丰田和Waymo就签署了一份初步协议，当时措辞模糊，被外界视为“观望”性质。此次公告明确了具体的车型、生产地点和时间表，显示合作已从意向阶段进入实质性的供应链整合阶段。尽管双方仍表示将继续探讨将Waymo技术应用于个人拥有的丰田汽车的可能性，但目前的重点显然是为Waymo的机器人出租车车队提供稳定的硬件来源。