旧金山一场大规模停电让数十辆Waymo自动驾驶出租车集体"趴窝"在十字路口，暴露了当前自动驾驶技术面对电力中断时的系统性脆弱——核心问题并非车辆无法行驶，而是决策机制在极端场景下触发了过度保守的安全策略。
根据事件分析和行业解读，自动驾驶系统在电力中断时集体失效主要由以下原因导致：
一、安全机制设计缺陷导致决策瘫痪
规则依赖与应急逻辑缺失
系统预设将失效信号灯视为"四向停靠路口"（类似人类驾驶员规则），但实际运行中需向云端发送确认请求。
大规模停电导致海量车辆同时发起请求，远程响应中心过载崩溃，车辆因"未获人工批准"而执行最保守策略——停车双闪。
冗余策略失效
Waymo的"安全优先"机制在小范围故障中有效，但未针对全域停电设计本地化决策能力。车辆断网后沦为"信息孤岛"，无法自主处理无信号灯场景。
二、技术路线差异放大系统脆弱性
基础设施强依赖路线
Waymo等采用"高精地图+交通信号语义"的规控架构，红绿灯不仅是光源，更是核心决策触发器。信号消失导致系统判定"规则崩坏"，触发安全锁死。
端到端路线的适应性优势
特斯拉FSD通过视觉感知实时分析车流动态，将无灯路口视为需博弈场景，执行交替通行（类似人类经验），避免集体瘫痪。
三、极端场景数据与训练不足
边缘场景覆盖盲区
系统训练数据集中于常规工况，大范围电力中断这类低频极端事件未被纳入测试场景库。算法缺乏"黑暗训练集"，无法模拟人类灵活应对。
世界模型理解力短板
李飞飞指出：当前AI缺乏对物理社会规则的动态理解。系统能识别物体，但无法推理"红绿灯失效后人类如何博弈通行"。
四、产业链启示与技术演进方向
中国方案的韧性设计
百度Apollo搭载本地算力（断网可离线决策300公里），华为ADS融合激光雷达识别交警手势，降低对信号灯依赖。
混合架构成趋势
行业转向"规控安全性+端到端灵活性"融合（如百度ADFM大模型），并构建包含电网故障的仿真测试体系。
深层矛盾揭示：事件本质是自动驾驶技术路线哲学的分歧——Waymo代表"世界必须合规"的工程化路径，而特斯拉代表"在混沌中前行"的适应性路径。未来突破需兼顾三重能力：本地决策冗余（如车载电池备份）、动态场景理解（世界模型）、极端数据训练，才能让自动驾驶真正跨越"电力中断"这类现实世界的压力测试。 (以上内容均由AI生成)
