13万用户断电，7000个失灵信号灯：自动驾驶为何成了“路障”？

2025年12月20日，美国旧金山因变电站火灾引发大规模停电，导致约13万用户断电，城市交通信号灯大面积失效。在这场突发城市危机中，Waymo（自动驾驶领域的领先企业）的无人驾驶出租车车队出现了严重问题：车辆在无信号灯路口频繁“犹豫”甚至停滞，造成多车抛锚，进一步加剧了交通拥堵。事件迅速引发公众与监管机构关注，加州公用事业委员会已宣布启动调查。这不仅是一次技术运营故障，也为自动驾驶行业的技术逻辑与商业前景敲响了警钟。

事件回顾：为何“高效机器”突然失灵？

事故根源并非硬件故障。Waymo官方解释，其自动驾驶系统“Waymo Driver”预设了处理规则：当交通信号灯失效时，车辆应将其视为“四向停车”路口，即先停车再依次通行。然而，本次停电范围广、影响深，系统在短时间内面对海量无信号灯路口，产生了集中且巨量的“人工确认”请求。

远程操作中心无法及时响应如此规模的请求，导致部分车辆在路口陷入等待指令的“呆滞”状态。尽管Waymo表示当日其车辆整体成功通过了超过7000个失灵信号灯，但少数车辆的停滞仍引发了连锁交通拥堵，形成明显的“科技路障”。社交媒体上广为流传的视频显示，多辆亮着双闪的Waymo车辆停在路中，后方车辆排起长队。这暴露出一个关键短板：在面对系统性、规模化的极端场景时，系统过于谨慎的决策逻辑可能转化为全局性的运行失效。

技术脆弱性：规则与数据依赖下的“阿喀琉斯之踵”

此次事件清晰揭示了当前高级别自动驾驶（L4）技术路线的内在局限。系统高度依赖稳定、有规则的外部环境。交通信号灯不仅是灯光信号，更是提供确定性语义的结构化规则输入。一旦这个“规则锚点”大规模消失，系统便被抛入一个高度不确定的博弈环境——它需要准确判断其他人类驾驶员的停车顺序、通行意图等，而这正是当前AI决策模型的显著短板。

更深层的问题源于数据与算法的“失衡”。行业长期存在“算法优先于数据”的认知倾向。Waymo虽拥有海量路测数据，但其中绝大多数属于“正常工况”。像“全域大规模停电”这类低概率、高成本的极端场景数据严重匮乏，导致算法从未充分学习如何在规则全面失效时做出既安全又流畅的决策。系统的“最小风险策略”——即原地停车，在单车安全测试中是合理的，但在车队规模化运营中，却可能引发系统性的交通瘫痪风险。

监管审视与商业化挑战

事件迅速招致监管机构的密切关注。加州公用事业委员会已启动调查，为整个行业蒙上阴影。实际上，早在2023年批准Waymo在旧金山全面商业运营之前，当地市政官员与应急部门就曾对无人驾驶车辆可能造成的交通障碍表示忧虑，此次事件恰恰印证了这些担忧。

这给自动驾驶行业高昂的商业化梦想浇了一盆冷水。行业面临一个尖锐的悖论：为实现盈利，必须扩大车队规模、拓展运营区域；但规模越大，遭遇此类极端场景的概率就越高，发生系统性瘫痪的风险也随之增大，进而可能引发更严格的监管限制，反过来制约商业扩张。

行业应急与反思：Waymo的应对与未来方向

面对危机，Waymo反应迅速，宣布启动三项紧急措施：对全车队进行软件更新，使车辆能整合“区域性停电”的宏观背景信息，以提升自主决策的果断性；更新应急响应协议，加强与市政府部门的协调；并强化对急救等相关人员的培训。其核心思路是让系统能从更高层面理解当前处于“特殊基础设施失效状态”，而非孤立处理每一个失灵的信号灯。

这为整个行业指明了技术演进的可能方向：从追求在规则明确环境中完美运行的“规则遵循者”，转向能够应对现实世界混沌与不确定性的“场景理解者”。未来的技术竞争，将不仅是测试里程的积累，更是构建能够融合物理规律、交通规则与社会化博弈常识的“世界模型”，并通过合成数据等技术，针对性加强“边缘场景”的训练。同时，降低对云端持续通信的依赖，提升车辆在离线状态下的边缘计算与决策能力，也将成为关键。