文 | 钱钱

编辑 | 阿景

12月20日，旧金山一场变电站火灾引发全城停电。

就在大家忙着找蜡烛的时候，街头出现了诡异一幕，数十辆Waymo无人驾驶出租车在没有信号灯的路口集体"发呆"，双闪灯亮成一片，活生生把路口变成了停车场。

这些平时在街头穿梭自如的科技宠儿，突然成了交通堵塞的罪魁祸首。

这场景既有点科幻又透着荒诞。

没了信号灯，AI司机集体"失忆"

Waymo官方后来解释，当时系统检测到路口没有信号灯，进入了"安全优先"模式。

说白了就是，没有规则可遵循的时候，AI选择了最保守的做法停下来不动。

问题是，人类司机遇到这种情况，虽然也会减速，但总会通过眼神交流、手势示意慢慢把车挪过去。

7000多次成功处理复杂路况的记录，在真正的"无规则"场景面前，显得有点苍白。

加州公用事业委员会很快介入调查。

这让人想起两年前Waymo刚获得无安全员运营许可时，市政官员就担心过，这些机器人遇到极端情况会怎么样？现在答案来了。

马斯克跳出来说特斯拉Robotaxi没受影响，这话听着有点别扭。

要知道当时特斯拉还没拿到加州无安全员运营许可，两种技术路线根本没法直接比较。

规则一缺位，算法就"抓瞎"

交通信号灯对自动驾驶来说，不只是红绿灯那么简单。

它更像是AI的"规则锚点"，一旦这个锚点消失，整个决策系统就容易陷入混乱。

人类司机能通过观察其他车辆动向、行人反应来判断路况，但AI不行。

它习惯了明确的指令输入，突然让它在"混沌环境"里做决策，就像学生突然遇到没复习过的考题。

行业里总说"数亿英里路测数据"，但这些数据大多是正常路况下的。

像全城停电这种极端情况，既难遇到又难模拟，自然成了AI的知识盲区。

Waymo这事告诉我们，算法再先进，没有覆盖极端场景的数据也是白搭。

就像巧妇难为无米之炊，AI遇到没见过的情况，同样会"抓瞎"。

车队规模越大，遇到极端情况的概率就越高。

这就形成了一个悖论，商业扩张越快，暴露的问题可能越多，公众质疑声也越大。

人类司机那种"见招拆招"的能力，AI目前还学不会。

遇到突发状况，老司机的经验判断和灵活反应，确实比AI的"规则依赖症"靠谱。

打补丁容易，改思路难

Waymo事后推出了三项紧急措施，软件升级、政企联动、人员培训。

这些措施能解决眼前问题，但治标不治本。

软件里加个"区域性停电"的判断逻辑，听起来简单。

但真遇到没见过的极端场景，AI还是会犯难。

这就像给系统打补丁，永远追不上现实的复杂程度。

行业现在需要的可能不是更好的"规则拟合"，而是真正的"世界理解"能力。

让AI不只懂交通规则，还懂物理规律，甚至懂点人情世故。

用虚拟技术模拟极端场景训练AI，这倒是个方向。

但成本不低，效果也得打个问号。

毕竟模拟一万次，不如真遇到一次来得深刻。

资本也该冷静了，别光看里程数和估值。

极端场景下的可靠性，或许才是衡量自动驾驶真实水平的标尺。

与其在现有技术框架里修修补补，不如换个思路。

或许L4和低级别自动驾驶结合，或者人机协同，才是更现实的过渡方案。

这次事件不是偶然，是自动驾驶"规则依赖症"的必然爆发。

从"适应规则"到"理解世界"，AI还有很长的路要走。

未来的自动驾驶，得学会在漆黑的混乱路口，像老司机那样既谨慎又果断地前行。

这一天什么时候到来，现在还真不好说。