Waymo两次栽进积水坑，特斯拉却学会了"躲交警"

都2026年了，无人车还是搞不定积水路面？

最近暴雨多发，Waymo又出事了。一辆无人车驶入无法通行的严重积水路段，被困大约一小时才被拖离。这是短短一个月内，Waymo第二次因积水问题引发运营事故。

今年4月，美国圣安东尼奥，一辆Waymo无人车驶入积水车道，水势比系统判断急得多，车辆最终被溪流冲走。当时车内没有乘客。

Waymo事后向美国国家公路交通安全管理局提交了自愿召回申请，涉及3791辆搭载第五代和第六代自动驾驶系统的车辆。召回理由是软件存在缺陷：检测到积水后，车辆仍可能以低速驶入无法通行路段。

公司承认，尚未完全开发出识别并避开积水区域的最终方案，暂时只能通过地理围栏在特定时间和区域限制车辆行驶。

但临时措施治标不治本。新事故发生后，Waymo决定暂停亚特兰大、奥斯汀、达拉斯、休斯顿等城市的运营，同时暂停旧金山、洛杉矶、凤凰城、迈阿密四座城市的高速公路服务。公司称这是为了更新软件，改善车辆在施工区与淹水道路周边的表现。

主动停掉已开通的付费服务，在Waymo历史上并不常见。这次停运虽然只是部分城市、部分路段，但对订单量和用户体验的打击是实实在在的。这在一定程度上说明，积水问题已无法通过远程补丁快速解决，必须让所有车停下来等升级。

Waymo为何在水坑里屡次栽跟头？技术层面有两方面核心原因。

其一，感知层面存在挑战。水面具有独特物理特性，激光雷达发射的脉冲遇到水面时，部分被吸收，部分发生镜面反射，导致点云数据稀疏或失真。摄像头在暴雨天气下视野受限，水面反光还会造成过曝或识别混淆。Waymo采用的多传感器融合算法，需要结合实时水深、水流速度、车辆通过性等多维度信息，对系统感知能力要求极高。

其二，系统过度依赖提前设定。Waymo的自动驾驶系统本质上是规则驱动，工程师先写好成千上万条规则，车辆在道路上匹配这些规则。这种方式在90%的场景下没有问题，但剩下的10%长尾场景往往最易出变故。

积水路面就是典型。水深多少算危险？水流速度多快算危险？路面下面是平坦还是有坑？这些变量无法用固定规则穷举。平时依赖预设规则和高精地图时，无人车可以通过更新地图数据、设置运营限制来规避风险。但极端天气突发时，这种基于规则和外部信息的防御机制可能就会失效。

如何让系统具备类似人类驾驶员的"常识判断"，是Waymo工程师当前面临的真正挑战。

另一边，同样在推进Robotaxi的特斯拉，被发现悄悄学聪明了。

最近有车主发现，当特斯拉FSD发现高速公路中央隔离带上有警车时，会主动调整驾驶行为：一辆车原本以77英里/小时超速行驶（限速70英里/小时），发现警车后系统果断减速、变换车道，无缝融入周围较慢车流，成功避免引起警官注意。

这种应对紧急车辆的功能，特斯拉曾在软件更新中多次提及。2025年10月，特斯拉在FSD版本更新中明确加入了对应急车辆靠边停车或让行的处理能力。不久前推送的FSD V14.3.3版本中，又增加了对急救车、校车等特种车辆的专项识别模块。

据部分测试车主反馈，系统检测到这类车辆时，会提前300米左右启动避让策略。以城市道路50公里/小时速度计算，300米大约需要20秒，这给车辆留出了充足的变道、减速或靠边时间。

两相对比，其实又回到了Waymo和特斯拉代表的两种技术路线之争，本质上也是两种工程哲学的分歧。

Waymo代表"顶层设计"思路，认为自动驾驶是可以分解、设计、验证的系统工程，直接瞄准L4/L5级全无人驾驶。工程师定义系统各模块，包括感知、定位、预测、规划、控制，每个模块有明确功能定义和性能指标，通过精心设计和严格测试集成为可靠系统。

这种路线依赖高精地图和多传感器，提前把路扫一遍，靠多种传感器保证不遗漏，用海量规则把车框起来。优势在于可控性，系统行为可预测、可解释，在地图覆盖区域定位极准，安全性有保障。发生事故时，工程师可追溯问题到具体模块进行针对性修复。

但"顶层设计"的代价是复杂性。现实世界驾驶场景几乎无限，当系统遇到未经设计的场景时，可能表现僵硬甚至失效。

特斯拉则走渐进式路线，从L2起步，通过海量用户车辆收集数据，利用端到端神经网络不断迭代，最终实现L4/L5级自动驾驶。核心依靠摄像头捕捉周围环境，通过神经网络处理视觉信息做出驾驶决策。

这种方法的优势在于适应性和扩展性。系统不依赖预先定义的规则，能够处理未曾见过的场景。随着数据不断积累，系统能力自然增长。训练过程中，系统看到无数包含紧急车辆的驾驶场景以及人类驾驶员的反应，应对方式更加"类人"。

但纯视觉系统在感知层面存在物理限制，摄像头在暴雨、大雾、强逆光等条件下性能会下降。更重要的是，神经网络是"黑箱"——工程师可能很难完全理解系统做出某个具体决策的原因，也很难保证它在所有边缘情况下都能安全运行。

所以特斯拉的选择是通过OTA更新，让系统能够不断从新的驾驶数据中学习。

两种路线，各有代价。Waymo的积水困境，恰恰暴露了规则驱动系统在开放世界中的脆弱性。而特斯拉的"躲交警"技能，则展示了数据驱动系统学习人类隐性知识的能力。

但问题是：当暴雨来临时，特斯拉的摄像头会不会也看不清路面积水？当警车不在隔离带而在后视镜里时，系统还能不能识别？

这些问题的答案，或许要等到下一场暴雨，或者下一次OTA更新。