極端案例危機：Waymo 面臨環境危害的掙扎

全自動駕駛叫車服務的承諾，取決於 AI 應對現實世界不可預測特性的能力。然而，最近發生的事件凸顯了這項能力中的一個關鍵差距：極端天氣的「極端案例」（edge case）。身為自動駕駛車輛（AV）領域的領導者，Waymo 發現自己被迫在四個主要城市暫停服務，因為其無人駕駛計程車（robotaxis）難以辨識並避開淹水的道路。

這種系統性失敗凸顯了自動駕駛產業更廣泛的挑戰——從在受控或可預測的環境中運行，轉向管理自然災害期間城市基礎設施的混亂變數。

淹水失敗：事件模式

Waymo 最近將服務暫停範圍擴大到包括亞特蘭大、聖安東尼奧、達拉斯和休士頓。這項決定是在一系列車輛未能辨識道路上危險水位的情況下做出的。在亞特蘭大，一輛無人駕駛的 Waymo 車輛直接駛入淹水的街道，並在救援團隊能夠將其移走之前，困在原地約一個小時。

儘管在亞特蘭大事件發生前僅一週才發布了軟體召回，但車隊仍持續遇到這些危害。根據美國國家公路交通安全管理局（NHTSA）發布的文件，Waymo 承認其尚未開發出避免淹水區域的「最終解決方案」。目前的臨時方案——即在具有「高風險」淹水地點設置限制的軟體更新——被證明是不夠的。

對外部訊號的依賴

Waymo 目前策略中最具啟發性的面向之一，是其依賴外部數據而非即時車載感知。Waymo 表示，亞特蘭大事件的發生是因為降雨強度太大，導致在美國國家氣象局（NWS）發布閃電洪水警告或建議之前，淹水就已經發生了。

這揭示了一個重大的技術脆弱性：車輛並非僅僅依靠自身的感測器來偵測水深或道路可行性，而是受限於政府的天氣警報來「準備」應對惡劣天氣。當環境變化速度快於通報機構時，AI 就會對眼前的物理危險視而不見。

不完整的修復歷史

淹水問題並非孤立的技術故障，而是 Waymo「修復」方案未能解決車隊底層行為問題的重複模式的一部分。

• 校車違規： 去年，Waymo 面臨批評，因為其車輛被發現非法超越停止的校車。儘管已發布修復方案來解決此行為，但報告指出，在奧斯汀等城市，車隊仍持續在校車周圍進行非法操作。
• 安全事件： 該公司目前正受到 NHTSA 和國家運輸安全委員會（NTSB）的調查，涉及 2026 年 1 月在聖莫尼卡發生的一起事件，當時一輛無人駕駛計程車撞擊了一名兒童。雖然 Waymo 聲稱該車輛當時已減速至每小時六英哩，但該事件仍是監管機構審查的焦點。

監管壓力與未來之路

Waymo 監管正處於複雜的聯邦調查網中。NHTSA 對 Waymo 的透明度表示不滿，在該公司最初的答覆中內容被大量塗黑後，發布了第二次文件請求。

反覆失敗於解決特定、高風險的極端案例——例如校車法規和洪水偵測——這表明自動駕駛的「長尾效應」（long tail）比先前預期的還要長。對於自動駕駛車輛公司而言，挑戰不再僅僅是關於在晴天時避免碰撞，並開發出一種環境直覺，讓車輛能夠在不需要政府警報告知的情況下，說出「這條路無法通行」

隨著 Waymo 在德州和喬治亞州暫停運作，整個產業被提醒：自動駕駛運輸的安全，並非以車輛在晴天時的表現如何來衡量，測量的是它們在暴風雨中失敗的方式。