2025年12月20日，一场稀有的大规模停电。承平洋煤气取电力公司（PG&E）一座变电坐突发火警，导致全市约12。5万用户断电，笼盖西区、里士满、海特-阿什伯里、中国城等近三分之一区域。交通信号灯集体熄灭，Muni公交停运，市长·卢瑞告急呼吁市平易近非需要不出行。然而，正在这场城市应急事务中，最惹人瞩目的并类司机的紊乱应对，而是——Waymo从动驾驶车队的集体“宕机”。社交上，视频疯传：多辆白色Waymo车辆正在漆黑潮湿的十字口一动不动，红色尾灯正在夜色中闪灼，后方排起长龙，人类司机或鸣笛敦促，或无法绕行。有用户讥讽：“停电摧毁了Waymos RIP。”更有察看者锋利指出：“看起来它们底子没接管过停电锻炼。”次日，Waymo认可已暂停办事，并注释称：“因为大范畴停电，车辆比日常平凡逗留更长时间以确认受影响交叉口的形态。”但这一轻描淡写的回应，不了一个更深层的手艺危机：当外部数字根本设备崩塌，当前支流从动驾驶系统为何如斯懦弱？从手艺角度看，Waymo车辆正在停电夜的停畅，并非单一模块失效，而是一条典型的“懦弱性传导链”：L4级从动驾驶依赖多传感器融合（摄像头+激光雷达+毫米波雷达）。正在一般工况下，交通信号灯供给布局化、高确定性的法则输入——红灯停，绿灯行。这种强语义信号极大简化了决策逻辑。但停电后，红绿灯物理消逝，激光雷达点云中不再有对应布局，摄像头正在低照度下识别能力骤降。更环节的是，系统得到了“法则锚点”，将决策权沉转移至对无序人类行为的预测——而这恰是当前AI的短板。美邦交规，信号灯失效时应视为“All-Way Stop”（所无方向泊车后顺次通行）。但施行这一法则需精准判断“谁先停稳”“谁有通行企图”，并取其他可能不守规的人类司机前进履态博弈。面临紊乱口中抢行、犹疑、系统陷入高不确定性下的保守死轮回：“无法100%确认平安 → 不步履 → 持续期待”。有阐发指出，陪伴停电的蜂窝收集波动或及时交通数据中缀，Waymo等公司依赖近程协帮（Tele-assist）处置边缘场景。一旦通信中缀，车辆不只“看不见”，还成了“消息孤岛”，无法获取后台指令或径沉规划。更的是，硬件冗余无法填补“模子”的缺失。系统设想默认“世界有法则”，却未为“法则本身消逝”建立降级运转机制。其“最小风险形态”（Minimal Risk Condition）策略——原地泊车——正在单车场景下合理，但正在车队规模摆设时，反而激发系统通堵塞。她进一步强调，行业遍及存正在“算法比数据主要”的认知误差——算法工程师薪资更高、更受逃捧，而数据工做被视为“不敷”。但现实是：所有AI从业者都认可，数据至多具有划一价值。据Tiger Global泄露文件，Waymo目前每周供给45万次Robotaxi办事，累计测里程已达数亿英里。但这些数据高度集中于“一般工况”：电力不变、信号无效、人类根基守规。而“全域大规模停电”这类系统性边缘场景（Systematic Corner Case），因其低概率、高成本、难复现，正在锻炼集中几乎空白。算法从未正在脚够多样本长进修“法则失效时该若何反映”，天然正在实正在世界中“懵圈”。更深层问题正在于，当前系统缺乏一个能理解物理取社会法则若何动态演化的世界模子（World Model）。抱负的世界模子应能推理：“停电 → 信号灯失效 → 人类行为从法则从导转为博弈从导 → 口通行效率下降 → 我应采纳更矫捷但隆重的策略（如跟从前车迟缓爬动）”。但现有系统只是-预测-规划的流水线拼接，没有推理、没有理论（Theory of Mind）。当输入非常，算法便正在“不确定性过高”的轮回中空转，无法挪用常识进行降级决策。这恰是李飞飞所说的：“数据和算法就像科学家的两条腿，少哪条都走不远。”Waymo有强大的算法之腿，却正在环节数据维度上跛脚前行。李飞飞预测，将来1-2年AI将送来手艺迸发，冲破口正正在于数据取算法的新型协同机制。对从动驾驶而言，这意味着一场数据计谋的范式。实正在停电难以复现，但高保实仿实能够。操纵生成式AI取数字孪生手艺，可正在虚拟中频频模仿“信号灯全灭+通信中缀+人类抢行”的复合场景，生成海量锻炼样本。Wayve、Covariant等公司已证明，高质量合成数据可显著提拔模子鲁棒性。将来，从动驾驶公司的焦点合作力，或将表现正在其“场景生成引擎”的能力上。世界模子需要理解“为什么”，而不只是“是什么”。这意味着数据标注需从保守的方针检测、语义朋分，升级为事务也警示：过度依赖云端、高精地图和及时通信，会引入单点毛病风险。将来系统需支撑更强的边缘智能——即便断网断电，也能基于局部进行长时序风险推演。响应地，锻炼数据应包含大量“通信降级”前提下的成功措置案例，让模子学会正在消息受限时仍然稳健决策。正在摸索世界模子落地径的过程中，国内从动驾驶企业蘑菇车联的实践值得关心。其自研的MogoMind 大模子正测验考试建立一个融合物理纪律、交通法则取社会博弈常识的同一认知框架。分歧于保守模块化架构，MogoMind 通过端到端锻炼，正在、预测取决策之间成立更慎密的协同机制。更主要的是，蘑菇车联同步打制的AI收集，一套笼盖车端、边缘取云端的分布式智能根本设备——为大模子供给了持续进化的数据闭环：即便正在局部通信中缀或信号失效场景下，车端模子仍能基于当地化世界表征进行稳健推理。这种“物理世界大模子+AI收集”的双轮驱动，或将成为应对“式黑夜”的中国方案。阿谁停电的夜晚，Waymo车队停畅的红灯，像一串刺目的警示符，了当前从动驾驶手艺的鸿沟。大概，实正的智能，不是正在阳媚的法则世界中完满运转，而是正在黑夜混沌中仍然晓得若何前行。将来的从动驾驶系统，不该只是施行指令的机械，而应成为能深度理解物理世界、揣测人类企图、正在不确定性中稳健决策的“数字生命体”，让城市运转更高效，让交通办理更智能，让人车出行更平安。

建湖J9.COM(中国认证)集团官方网站科技有限公司

2025-12-24 21:44