都2026年了，無人車還是搞不定積水路面？

最近暴雨多發，Waymo又出事了。一輛無人車駛入無法通行的嚴重積水路段，被困大約一小時才被拖離。這是短短一個月內，Waymo第二次因積水問題引發運營事故。

今年4月，美國圣安東尼奧，一輛Waymo無人車駛入積水車道，水勢比系統判斷急得多，車輛最終被溪流沖走。當時車內沒有乘客。

Waymo事后向美國國家公路交通安全管理局提交了自愿召回申請，涉及3791輛搭載第五代和第六代自動駕駛系統的車輛。召回理由是軟件存在缺陷：檢測到積水后，車輛仍可能以低速駛入無法通行路段。

公司承認，尚未完全開發出識別并避開積水區域的最終方案，暫時只能通過地理圍欄在特定時間和區域限制車輛行駛。

但臨時措施治標不治本。新事故發生后，Waymo決定暫停亞特蘭大、奧斯汀、達拉斯、休斯頓等城市的運營，同時暫停舊金山、洛杉磯、鳳凰城、邁阿密四座城市的高速公路服務。公司稱這是為了更新軟件，改善車輛在施工區與淹水道路周邊的表現。

主動停掉已開通的付費服務，在Waymo歷史上并不常見。這次停運雖然只是部分城市、部分路段，但對訂單量和用戶體驗的打擊是實實在在的。這在一定程度上說明，積水問題已無法通過遠程補丁快速解決，必須讓所有車停下來等升級。

Waymo為何在水坑里屢次栽跟頭？技術層面有兩方面核心原因。

其一，感知層面存在挑戰。水面具有獨特物理特性，激光雷達發射的脈沖遇到水面時，部分被吸收，部分發生鏡面反射，導致點云數據稀疏或失真。攝像頭在暴雨天氣下視野受限，水面反光還會造成過曝或識別混淆。Waymo采用的多傳感器融合算法，需要結合實時水深、水流速度、車輛通過性等多維度信息，對系統感知能力要求極高。

其二，系統過度依賴提前設定。Waymo的自動駕駛系統本質上是規則驅動，工程師先寫好成千上萬條規則，車輛在道路上匹配這些規則。這種方式在90%的場景下沒有問題，但剩下的10%長尾場景往往最易出變故。

積水路面就是典型。水深多少算危險？水流速度多快算危險？路面下面是平坦還是有坑？這些變量無法用固定規則窮舉。平時依賴預設規則和高精地圖時，無人車可以通過更新地圖數據、設置運營限制來規避風險。但極端天氣突發時，這種基于規則和外部信息的防御機制可能就會失效。

如何讓系統具備類似人類駕駛員的"常識判斷"，是Waymo工程師當前面臨的真正挑戰。

另一邊，同樣在推進Robotaxi的特斯拉，被發現悄悄學聰明了。

最近有車主發現，當特斯拉FSD發現高速公路中央隔離帶上有警車時，會主動調整駕駛行為：一輛車原本以77英里/小時超速行駛（限速70英里/小時），發現警車后系統果斷減速、變換車道，無縫融入周圍較慢車流，成功避免引起警官注意。

這種應對緊急車輛的功能，特斯拉曾在軟件更新中多次提及。2025年10月，特斯拉在FSD版本更新中明確加入了對應急車輛靠邊停車或讓行的處理能力。不久前推送的FSD V14.3.3版本中，又增加了對急救車、校車等特種車輛的專項識別模塊。

據部分測試車主反饋，系統檢測到這類車輛時，會提前300米左右啟動避讓策略。以城市道路50公里/小時速度計算，300米大約需要20秒，這給車輛留出了充足的變道、減速或靠邊時間。

兩相對比，其實又回到了Waymo和特斯拉代表的兩種技術路線之爭，本質上也是兩種工程哲學的分歧。

Waymo代表"頂層設計"思路，認為自動駕駛是可以分解、設計、驗證的系統工程，直接瞄準L4/L5級全無人駕駛。工程師定義系統各模塊，包括感知、定位、預測、規劃、控制，每個模塊有明確功能定義和性能指標，通過精心設計和嚴格測試集成為可靠系統。

這種路線依賴高精地圖和多傳感器，提前把路掃一遍，靠多種傳感器保證不遺漏，用海量規則把車框起來。優勢在于可控性，系統行為可預測、可解釋，在地圖覆蓋區域定位極準，安全性有保障。發生事故時，工程師可追溯問題到具體模塊進行針對性修復。

但"頂層設計"的代價是復雜性。現實世界駕駛場景幾乎無限，當系統遇到未經設計的場景時，可能表現僵硬甚至失效。

特斯拉則走漸進式路線，從L2起步，通過海量用戶車輛收集數據，利用端到端神經網絡不斷迭代，最終實現L4/L5級自動駕駛。核心依靠攝像頭捕捉周圍環境，通過神經網絡處理視覺信息做出駕駛決策。

這種方法的優勢在于適應性和擴展性。系統不依賴預先定義的規則，能夠處理未曾見過的場景。隨著數據不斷積累，系統能力自然增長。訓練過程中，系統看到無數包含緊急車輛的駕駛場景以及人類駕駛員的反應，應對方式更加"類人"。

但純視覺系統在感知層面存在物理限制，攝像頭在暴雨、大霧、強逆光等條件下性能會下降。更重要的是，神經網絡是"黑箱"——工程師可能很難完全理解系統做出某個具體決策的原因，也很難保證它在所有邊緣情況下都能安全運行。

所以特斯拉的選擇是通過OTA更新，讓系統能夠不斷從新的駕駛數據中學習。

兩種路線，各有代價。Waymo的積水困境，恰恰暴露了規則驅動系統在開放世界中的脆弱性。而特斯拉的"躲交警"技能，則展示了數據驅動系統學習人類隱性知識的能力。

但問題是：當暴雨來臨時，特斯拉的攝像頭會不會也看不清路面積水？當警車不在隔離帶而在后視鏡里時，系統還能不能識別？

這些問題的答案，或許要等到下一場暴雨，或者下一次OTA更新。