事件概述 - 2025年12月20日，旧金山发生大规模停电，导致约12.5万用户断电，覆盖近三分之一区域，交通信号灯熄灭，公交停运[1] - 在此次事件中，Waymo自动驾驶车队出现集体“宕机”，多辆车辆在十字路口停滞不前，导致交通堵塞，次日公司承认并暂停了旧金山服务[3][5] 技术脆弱性分析 - 事件暴露了L4级自动驾驶系统在外部数字基础设施崩塌时的系统性脆弱链，并非单一模块故障[5] - 自动驾驶依赖多传感器融合，但停电导致交通信号灯物理消失，摄像头在低照度下识别能力骤降，系统失去了关键的“规则锚点”[5] - 系统决策严重依赖预设规则和格式化场景，面对信号灯失效后需视为“All-Way Stop”的混乱人类行为博弈时，其决策算法陷入高不确定性下的保守死循环，无法确认100%安全便不行动[5][6] - 伴随停电可能出现的蜂窝网络波动或实时数据中断，切断了车辆与远程协助中心的联系，使车辆成为“信息孤岛”，无法获取后台指令[6] - 系统的硬件冗余无法弥补“环境模型”的缺失，其“最小风险状态”策略（原地停车）在单车场景下合理，但在车队规模部署时引发了系统性交通堵塞[7] 数据与算法的根本问题 - 行业专家李飞飞指出，当前AI存在“算法比数据重要”的认知偏差，但数据至少具有同等价值，Waymo事件是“协同失灵”的典型案例[9][10] - Waymo每周提供45万次Robotaxi服务，累计路测里程达数亿英里，但数据高度集中于“正常工况”，对于“全域大规模停电”这类低概率、高成本的系统性边缘场景，训练集几乎空白[10] - 更深层问题是当前系统缺乏一个能理解物理与社会规则如何动态演化的“世界模型”，现有系统只是感知-预测-规划的流水线拼接，没有因果推理和心智理论，当输入异常时无法调用常识进行降级决策[10] - 李飞飞比喻，数据和算法就像两条腿，Waymo有强大的算法之腿，却在关键数据维度上跛足前行[11] 行业解决方案与未来方向 - 未来1-2年AI的突破口在于数据与算法的新型协同机制，自动驾驶行业需进行数据战略的范式革命[12] - 行业必须放弃对总里程的迷信，转而系统性构建关键场景数据库，包括通过定向实采、众包上报与仿真生成相结合的方式积累“黑暗场景”[13] - 利用生成式AI与数字孪生技术，可在虚拟环境中反复模拟复合边缘场景，生成海量训练样本，高质量合成数据可显著提升模型鲁棒性[13] - 数据标注需从传统目标检测升级为对意图、因果关联和社会规范建模的“高阶语义数据”，以训练世界模型[13] - 需降低对云端、高精地图和实时通信的过度依赖，发展更强的边缘智能，训练数据应包含大量“通信降级”条件下的成功处置案例[14] - 国内企业如蘑菇车联正实践自研大模型与AI网络结合的方案，通过端到端训练构建统一认知框架，并利用覆盖车端、边缘与云端的分布式基础设施形成数据闭环，以应对类似挑战[14] - 未来的自动驾驶系统应从“规则拟合者”进化为能深度理解物理世界、揣摩人类意图、在不确定性中稳健决策的“世界理解者”[16]