一个小事情引发的蝴蝶效应。
事情的起因是旧金山PG&E 一处变电站起火，引发旧金山大面积停电，最多时影响约 13 万用户，约占全市三分之一。直接导致多个主干路口的交通信号灯熄灭；部分公共交通（BART、Muni）受阻甚至瘫痪。
大量 Waymo Robotaxi 在黑灯路口、干道中间集体停住，开启双闪，形成“车阵路障”；社交媒体视频显示，有路口聚集了 5–6 辆 Waymo，其他车辆被迫绕行；Waymo 随后宣布暂时暂停旧金山湾区的无人出租车服务，次日电力基本恢复后才恢复运营。
停电夜：城市失序，Waymo 裸奔在“真实世界假设”之外？
Waymo 暴露的是一个很具体、也很残酷的事实：
它所依赖的“真实世界”，假定的是 高规则、可预测、基础设施可靠的城市。
停电把这三个假设一口气打碎：
-
信号灯熄灭，路权逻辑从“红绿灯控制”退化成“人类协商制”；
-
行人乱穿，车流乱挤，既有的行为统计分布失效；
-
网络/通信在局部退化，远程接管能力被打爆。
在这样的场景里，Waymo 的安全策略只有一个合理答案：如果不能在高置信度下判断下一步动作是安全的，就停。单车视角这是“教科书级正确”；但当几十上百辆车同时这么做，就成了你在视频里看到的那一幕：
-
路口中间一排排白色 Jaguar I-Pace，双闪亮着；
-
有的路口同时卡着 5–6 辆 Waymo，后面的车被迫绕行；
-
远程运营和客服被电话打爆，短时间内根本救不完。
从这一刻起，Waymo 从“更安全的自动驾驶”，变成了“系统性路障的一部分”。这不是算法“算错了”，而是系统安全策略在极端场景下按设计生效了——只是设计时考虑的是“单车最小风险”，没有真正完成“车队 + 城市系统的最小风险”。
所以：停电 → 信号灯失效 + 城市交通失序 → Waymo 车辆大面积进入安全停车模式 → 车队阻塞 + 舆论/监管压力 → 公司层面触发“全城暂停”。
首先，技术栈维度：感知 + 高精地图 + 规则，被“黑灯+乱流”打碎
Waymo 的栈大致是：多传感器融合（Lidar/Radar/Camera）+ 高精地图 + 规则化决策。
在正常城市状态下，它非常依赖几个“确定性锚点”：
-
地图里知道：这里有信号灯、几条车道、车道功能、限速等；
-
实时感知：能识别红绿灯状态、行人/车辆行为；
-
规划层：把这些确定性信号 + 先验规则，编织成一个“高置信度路径”。
这次停电把这几个锚点一起打散了：
①信号灯物理失效：路权逻辑瞬间变模糊
交通灯大面积熄灭，本来“有信号灯控制”的路口，被迫退化成“类四向停 + 人车协商”的状态。Waymo 对“黑灯路口”有 fallback：将其视作四向停，但那是假定大家大致守规矩、车流强度有限。这次是整片区域同时黑灯 + 高峰期车流 + 行人随意乱穿，实际行为完全超出“正常四向停”的统计模式。
②行为模式失稳：预测模块的置信度骤降
行人不再只在斑马线、相对随机地穿越马路；其他车辆也未必遵循“谁先停谁后行”的隐性规则，而是凭经验挤、抢、协商。对一个高度规则化的 AV 系统而言，这意味着：
“我对下一步，谁会怎么走、走多快、让不让路，无法做出高置信度预测。”
③决策层的必然结果：触发“最小风险状态 = 停车”
所有 AV 安全架构都有一个核心概念：Minimal Risk Condition（最小风险状态）。简单讲：如果系统认为继续前进的风险不可控、且无法可靠规划安全路径，那么“就地停车 + 打双闪 + 等待人类/远程指令”就是最安全的动作。在分散的小数量下，这个策略是合理的；但这次是大范围、多车同时满足“高不确定性条件” → 集体进入 MRC，就演化成城市级问题。
其次，从安全策略 & 责任模型的角度出发，L4 不允许“赌一把”
为什么 Waymo 会那么保守，而不是像很多人类司机一样“看着情况慢慢挤过去”？
关键在于：责任模型不同。
Waymo 是 L4 Robotaxi：系统自己“当司机”，旧金山的 Waymo 服务是真正意义上的 L4：车内没有安全员、乘客在后排，系统对驾驶行为负主要责任。一旦在这种“城市已宣布进入危机状态”的环境下发生事故（尤其是撞人/阻挡救护车），监管和舆论几乎一定会把责任归因于系统设计/能力缺陷。
安全阈值因此被设得非常高，对 L4 来说，“在高不确定性环境下继续尝试行驶”= 在法律和安全上“主动承担额外风险”；因此设计时更偏向：“只要我对路权/风险不够确定，就不走”，哪怕对 throughput 非常不友好。
和特斯拉 FSD 的“L2 人类兜底”反差，特斯拉 FSD 目前监管意义上仍是 L2/L2+ 辅助驾驶，司机必须全程监控，随时接管；出事时，法律上司机通常仍是第一责任人。在同样的黑灯路口，FSD 可以表现为“先尝试走走看，不行你就接管”；
Waymo 不行——没有人类兜底，就意味着它不能“赌”。所以，停电→环境高度失序 → 在 Waymo 的 L4 安全策略里，这是一个必须“宁可多停、也不能乱动”的触发点。
然后，从通信 & 远程运营的角度来看，也就是说停电 + 网络波动，放大了“停车之后没人救”的问题
正常情况下，Waymo 遇到怪异场景时可以请求远程运营人员介入，给出建议或指令，帮车子“脱困”。
这次停电，很可能还叠加了两件事：
第一，网络质量波动/退化，变电站火灾 + 停电不仅影响居民用电，部分基站、光纤节点也可能受影响；多家媒体和业内讨论都提到：Waymo 对无线连接的依赖，使得在网络受损时，远程接管变得困难或速度大幅下降。
第二，远程运营团队被瞬间“打爆”，大量车辆几乎同时在各个路口、十字路口、主干道请求帮助；远程操作员人数有限，不可能短时间内一辆辆处理完；于是很多车在“等待远程协助”的状态里，长时间保持停车姿态，进一步加剧路口阻塞。
换句话说：停电 → 网络退化 + 大量异常 → teleop 资源被打爆 → 车辆从“临时停车等指示”变成“长时间路障”。
最后，车队级运营 & 城市协同，从“技术问题”升级为“公共安全问题”
对 Waymo 来说，当问题从“几辆车停住”升级成“社交媒体上到处都是 Waymo 挡路的视频”之后，技术问题立刻变成运营 + 监管风险事件。
官方口径：为了安全与应急通行，主动暂停服务
Waymo 的公开声明非常明确：“鉴于旧金山范围广泛的停电，我们暂时暂停出行服务，重点是保障乘客安全，并确保应急人员有清晰的通行空间。”。旧金山今年已经因为 Cruise 拖拽行人、阻挡消防车等事件，直接吊销了其无人出租车运营许可证；监管和市政府对 AV 的容忍度极低。(雅虎)在这种背景下，如果 Waymo 在大停电时继续正常接单，在黑灯路口和消防车/警车“抢路权”，风险不是 PR，而是牌照+扩张资格。
从运营策略角度，“全城暂停”是最保守、也是最可辩护的选项
你可以理解他们当时可能有这么一个内部 Gate：新单全部停止；在途车辆尽快进入最小风险状态（停车/靠边）；等城市恢复“基本秩序”，再逐步恢复服务。
所以，“为什么停电导致 Waymo 全暂停”，不是技术“挂了”，而是运营和合规上必须按“城市级应急事件”来处理。
为什么不是“降级运行”，而是干脆“全停”？
很多人直觉会问：“黑灯路口当四向停继续运行不就完了？为什么要全城停摆？”
这里有几个系统工程现实：
①降级运行需要“可控”，而这次是“不可控长尾叠加”
“单个路口黑灯” → 可以编规则、做测试、做仿真；“几十上百个路口同时黑灯 + 市民恐慌 + 急救车大量出动” → 这是组合爆炸、极度少见的长尾场景。没有足够真数据验证前，Waymo 很难证明“我在这种组合场景下仍然比人类更安全”。
②从“完成订单”角度看是降级，从“城市治理”角度看是清场
对单车来说，“慢慢挤过去把客人送到目的地”是好事；对市长/消防局来说，最重要的是“不要再多几千个移动变量挡路”。Waymo 的声明里直接提到“确保应急人员 clear access”，本质上是“我要让自己不要成为负面变量”。
③车队缺少“统一疏散逻辑”，只能退回单车 Fail-safe
理想方案是：识别城市进入应急状态 → 所有车辆执行“离开路口→靠边停车→禁止进入特定区域”的统一策略；现实中，Waymo 显然还没把这套“车队级应急剧本”做扎实，所以只能退回一条最简单且可辩护的路：停、新单停、等恢复。
所以，综合来看，停电只是诱因，本质是“规则化系统在失序环境中的脆弱性”
Waymo 当前的强项：在规则相对稳定、基础设施可靠的城市环境里，能以极低事故率、可观规模运营 L4 Robotaxi。
这次停电暴露出的短板：对城市基础设施（尤其是信号灯与通信）的隐性依赖；安全策略高度集中在“单车最小风险 = 停车”，缺少“车队级最小风险 = 疏散 + 清障”的设计；在城市进入“半失序状态”时，其行为从“安全样本”迅速演化为“系统性路障”。
所以，停电只是触发器，真正让 Waymo 全暂停的，是：L4 Robotaxi 把自己嵌进了“城市基础设施”层，一旦基础设施系统性失序、它在安全策略上只能选择“宁可全停，也不能乱动”。 下一阶段的竞争，不是谁在好天气下更丝滑，而是谁在“城市失序的一刻”，车队+城市系统的韧性设计更强。
“特斯拉纯视觉赢麻了”？——需要拆开几个概念
从传播效果看，这次确实给了马斯克一个完美的“话题窗口”。但从技术和产品形态上看，“特斯拉赢麻了”是一个高度营销化的说法，需要拆解：
-
产品形态不同：L4 无人车 vs L2/L2+ 驾驶辅助
Waymo：在旧金山是真正的 L4 Robotaxi——车内没有安全员，乘客坐在后排，系统负全部驾驶责任。特斯拉目前的 FSD（哪怕叫 Robotaxi）在监管和法律上仍是 L2/L2+ 辅助驾驶，驾驶员必须随时接管，责任主体是人。也就是说：同样的黑灯路口，Waymo 必须自己“扛完所有不确定性”；特斯拉可以在 FSD 控制不稳时，让人类立刻接管。
-
视觉 vs 融合，并不是这次事件的关键差异
Waymo 同样大量使用摄像头，只是叠加 Lidar/Radar 和精地图。在红绿灯全黑的场景里，决定是否前行的，不是“有没有激光雷达”，而是安全策略的阈值和责任模型。这次 Waymo 停车，并不是因为激光雷达看不见，而是因为系统在“路权不明 + 行为高度混乱”的综合评估下，触发了 fail-safe。
-
“特斯拉未受影响”更多是叙事胜利，而非完成了同等级挑战
Musk 说“Tesla Robotaxis were unaffected”，本质是在讲：
在同一场停电中，开着 FSD 的特斯拉车仍可以行驶。(TradingView)
但那是“有司机在”的状态：一旦 FSD 在混乱路口表现不确定，人类会本能地接管并“挤过去”。换言之，这是“人类 + 视觉 AI”对阵“纯 AI 自己扛全部责任”，不是简单的“视觉 vs 融合”。
-
真正的长期胜负手：谁能在“无人值守”的前提下搞定失序城市
谁能在没有人类兜底的前提下，把这类城市级异常场景纳入训练与安全策略，并证明统计上足够安全；谁能把“安全优先”从单车扩展到车队+城市系统级，既不撞人、也不瘫痪城市。
未来的关键问题不是“谁在停电那天 PR 更好看”，而是：在这个意义上，这次更像是Waymo 暴露了真实的长尾难度，特斯拉趁机讲了一个好听的故事，而不是路线本身已经分出胜负。
旧金山的停电夜，让整个自动驾驶行业第一次用现实案例看到了：“基础设施失序 + L4 责任模型”叠加时，单车安全已经不够，真正决定生死的是“车队 × 城市 × 电网”的系统韧性。Waymo 付出了 PR 和信任的试错成本，Tesla 拿走了一次叙事红利，但真正的变量，发生在监管和基础设施预算的深处。
本文来源：贝叶斯之美
