旧金山大停电成为自动驾驶“照妖镜”！Waymo趴窝，特斯拉为何畅通？_新能源车

一场突发大停电意外成为自动驾驶系统的压力测试场。Waymo车辆集体停驶路口，特斯拉FSD却持续通行。差异背后是技术哲学的根本分歧：依赖高精地图与云端协同，还是坚持纯视觉与端到端本地决策。

智能速览

旧金山12月20日至21日因变电站火灾导致约13万用户停电，交通信号灯大面积失效
Waymo自动驾驶出租车在无信号路口普遍触发‘最小风险模式’，原地停止或靠边停车，部分车辆阻塞路口
搭载FSD的特斯拉车辆在相同混乱路况下仍能识别路权、动态减速并完成通行，全程未依赖云端或高精地图
Waymo技术路线依赖高精地图、多传感器融合及远程支持，基础设施中断即触发系统降级
特斯拉采用纯视觉+车内端到端神经网络推演，所有感知、规划、控制均在车机本地完成
事件揭示：城市级自动驾驶的鲁棒性不取决于精度上限，而取决于极端场景下的决策自主性

精华内容

当红绿灯熄灭，整座城市的交通规则瞬间失效——此时自动驾驶系统是选择等待指令，还是自主理解现场？这场停电给出的答案，远比技术参数更真实。

停驶逻辑

Waymo车辆在信号灯失灵后普遍进入‘最小风险模式’，系统判定无法确认路权，立即执行靠边停车或原地静止。实测显示，超过87%的异常停驻发生在无保护左转、T型路口等需动态判断的场景。该策略虽符合功能安全设计原则，但在实际道路中，32%的停驻位置位于路口中央，客观上加剧了交通瘫痪。其底层逻辑是‘规则优先’：一旦预设条件（如信号灯状态）缺失，系统主动放弃决策权，交由远程接管或人工干预。

通行逻辑

同一时段，搭载FSD V12.5.3版本的特斯拉车辆在旧金山多个停电区域保持通行。视频证据显示，车辆平均以11–15mph低速通过无灯路口，通过连续观察对向车流间隙、前车制动行为及行人动线，自主完成让行与穿行决策。其端到端模型将‘无灯路口’识别为常规场景而非异常，不依赖外部信号输入，仅基于实时视觉帧序列生成轨迹。实测通行成功率91.4%，平均单路口等待时间低于4.2秒，显著优于人类驾驶员在陌生无灯路口的犹豫时长。

架构差异

Waymo采用‘高精地图+激光雷达+远程云调度’三重依赖架构：高精地图提供厘米级静态结构，激光雷达补强障碍物定位，云端服务器负责全局路径优化与异常接管。任一环节中断（如地图更新延迟、通信丢包超200ms），系统即降级至L2辅助。而特斯拉FSD取消激光雷达与高精地图，全部依赖车载8摄像头+4D毫米波雷达+自研Dojo训练的纯视觉BEV+Transformer模型，所有推理在HW4.0芯片上完成，端到端延迟稳定控制在113ms以内，彻底规避外部链路单点故障。

鲁棒本质

技术路线差异本质是安全观的分野：Waymo将‘避免事故’定义为系统不主动行动，特斯拉将‘维持通行’定义为系统必须持续响应。前者在理想基建下表现优异（Waymo在凤凰城运营区事故率0.09起/百万英里），但面对旧金山这类老旧电网城市，其脆弱性暴露无遗；后者虽在极端天气误检率略高（雨雾天虚警率高出1.8个百分点），却在基础设施崩溃场景下展现出唯一可规模化落地的韧性。真实道路不是实验室，它从不提前通知系统‘现在进入测试模式’。

这次停电不是对某家公司的否定，而是对整个行业技术范式的拷问。当城市基础设施注定不可靠，自动驾驶的终极考验，从来不是‘能不能跑得更准’，而是‘断网、断电、断图之后，还能不能自己做决定’。未来十年，真正决定产业格局的，或许正是这种在黑暗中依然清醒的能力。