2026年5月，亞特蘭大Buckhead居民區。清晨6點多，一輛接一輛的Waymo無人車，排隊駛進家門口的死胡同，掉頭，再原路離開。10分鐘13輛，1小時50輛。沒有乘客，沒有司機，甚至沒有人知道它們為什么要來。

同一周，得州圣安東尼奧暴雨。一輛空載Waymo駛入積水路段，系統檢測到洪水，但判斷為“減速通過”而非停車。車被洪水沖進了溪流，四天后才撈出來。Waymo隨后提交了全車隊自愿召回。

這是Waymo迄今最引人注目的“至暗一周”。

而在此前，Waymo剛交出了一份足以讓任何競爭對手窒息的成績單：截至2026年5月，Waymo車隊規模達3791輛，覆蓋11座城市，日活超10萬人，周付費訂單50萬單，累計無人駕駛里程超2億英里，估值1260億美元。

一面是碾壓級的商業數據，一面是接連翻車的運營事故。兩條線同時拉滿，才是Robotaxi賽道最真實的圖景。

死胡同與洪水

亞特蘭大事件迅速引爆輿論。Waymo無人車排隊駛入社區死胡同，問題持續了約兩個月。最開始偶爾一兩輛，后來越來越多，最近兩周徹底爆發。

為什么它們要來這里？亞特蘭大是Waymo與Uber聯合運營的城市，駕駛算法決定車怎么開，調度算法決定車去哪待命。調度系統選中了這片居民區作為"便利位置"，算法認為這里離需求密集區夠近、道路夠安靜，適合空車待命。它只算了效率，沒算居民受得了受不了。

AInvest用“幽靈交通”（ghost traffic）概念來描述這一現象。自動駕駛車隊30%到40%的里程可能是空載行駛，算法要保證車輛在客戶下單時能以最快速度響應，于是車輛被調度到離需求密集區最近的“便利位置”。而這個位置，恰好是別人的家門口。

當官方遲遲不予回應，一位居民找來一張兒童交通警示牌堵在路口，8輛Waymo無人車全部被困住，在狹窄的街道上來回打轉。當地電視臺報道后，Waymo才發聲明：“我們重視社區反饋，已與合作車隊一起解決了這個路線問題。"

隨后是圣安東尼奧洪水。4月暴雨中，一輛Waymo進入被淹車道后被洪水沖進小溪。NHTSA（美國國家公路交通安全管理局）的召回文件顯示問題的根源：“軟件可能使車輛在高級別道路上減速然后駛入積水區。進入積水道路可能導致車輛失控，增加碰撞或受傷風險。”缺陷率是100%，3791輛第五代和第六代車輛都存在同樣的軟件問題。Waymo于4月30日提交自愿召回，5月12日正式公告。

為什么一個洪水檢測算法缺陷會讓全車隊召回？Waymo 3000多輛車的AI系統版本一致且配置統一，一處Bug就意味著全車隊都存在完全相同的風險。這不是某輛車的問題，是架構的問題。

這不是第一次了。

召回與運營故障

2025年5月，多輛車撞上路障，NHTSA累計收到22起事故報告，Waymo召回1212輛無人車。

2025年12月，Waymo車輛反復非法超越停靠校車。系統識別到校車紅燈并觸發制動，但數秒后沒檢測到移動學生，就判定"安全"繞行通過。NTSB（美國國家運輸安全委員會）介入調查，Waymo兩次推送更新，但違規仍在繼續。這次召回超3000輛。

召回之外，運營故障更密集。

2025年11月，一輛Waymo載客闖入洛杉磯警匪對峙現場。2025年12月，舊金山大規模停電致約30%區域信號燈失效，Waymo車隊集體"宕機"。數十輛無人車堵在漆黑路口，系統無法處理無信號燈的復雜交叉口。

2026年1月，菲尼克斯一輛Waymo誤入輕軌軌道，乘客緊急逃生。同月，圣莫尼卡一輛Waymo在小學附近斑馬線撞到兒童，輕微傷。圣何塞機場，Waymo載著乘客行李直接開走，乘客被迫空手登機。

每一次召回都修復了一個具體的缺陷，但每一次缺陷都扎根在不同的土壤里：停電涉及信號燈邏輯，洪水涉及極端天氣決策，校車涉及社會契約理解，死胡同涉及路網規劃與居民容忍度。它們不是共同的系統性Bug，每一根釘子扎在不同的位置。

"已修復"的上一道題

Waymo對各類事件的回應模式高度一致：承認問題、推送軟件更新、強調安全記錄。

圣安東尼奧洪水之后，Waymo說"我們確定了需要改進的領域"；亞特蘭大繞圈之后，Waymo說"我們重視社區反饋"；校車違規之后，Waymo兩次推送更新，但違規仍在繼續。每次回應都是"已修復"，但修復的是上一道題，下一道題還沒出。

這背后有一個更根本的問題。Waymo安全研究總監接受采訪時承認：“目前里程數尚不足以對致命事故單獨做出統計性結論。”IIHS（美國公路安全保險協會）副主席也坦言：“他們還沒有足夠的數據做出那種評估”。Waymo自己的措辭始終留有余地，不是“我們的車絕對安全”，而是“我們的數據顯示涉及人身傷害的事故率更少”。

統計數據顯示事故率比人類駕駛員低82%-92%，但真實生活中無人車卻集體跑來自家門口死胡同掉頭。這中間的裂痕，是統計數字無法給居民一個交代：算法什么時候該知道自己不夠確定，選擇停下來？

三條曲線同時上升

把故障和運營數據放在一起看，會發現一條反直覺的關聯：不是問題在變多，是規模在暴露問題。

圣安東尼奧的洪水在鳳凰城和舊金山從未遇到，因為降雨模式不同。亞特蘭大的死胡同在洛杉磯不是問題，路網結構也不一樣。每進入一座新城，就新增一套氣候、道路、行人習慣的組合。

車隊越大，跑的里程越多，遇到稀有場景的概率就越高。Waymo的安全性統計在“平均意義”上優于人類駕駛員，但長尾場景恰恰是統計均值失效的地方。

三條曲線在同時上升：技術進步曲線、長尾場景增多曲線、輿論放大曲線。車隊越大，邊緣場景暴露越多；運營城市越多，氣候和路況的排列組合越復雜；而每一次故障的傳播力度，也在同步放大。

三年前Waymo的召回是小眾新聞，現在每次都上全球頭條。Robotaxi不是一個“等技術成熟就好了”的故事，而是一個“技術越成熟，面對的未知就越多”的故事。

學術界將這一困境稱為“稀有性詛咒”（CoR）。駕駛環境的變量維度極高，與事件極低的發生概率疊加，導致深度學習模型的梯度估計方差隨稀有度指數級增長，難以有效學習邊緣案例。RAND 2016年的經典分析指出，要統計上證明自動駕駛比人類安全，可能需要行駛數億乃至數千億英里。

這意味著：發現一個極端場景可能需要幾百萬英里，但下一個極端場景可能需要幾十億英里。當一個場景暴露后，下一次暴露哪里，沒有人知道。

兩場戰役

資本市場對Waymo的態度分裂成兩個陣營。

看多方認為，一次召回不會動搖格局。其邏輯是：軟件缺陷可以通過OTA修復，但2億英里的數據壁壘和11城的運營網絡是結構性優勢。Waymo目前每周完成50萬次付費出行，同比增長十倍，車輛利用率88%，這些才是決勝變量。

看空方則更關注趨勢而非單次事件。NHTSA擴大調查，多個城市加設運營限制，收入拐點推遲6到12個月。關鍵變量不是技術能不能修好，而是"邊緣場景的發現速度是否隨車隊增長而放緩"。如果不是，那規模越大，事故越多，信任越難建。

Waymo正在打兩場戰役。一場是商業化的戰役：周訂單從1萬到50萬，服務城市從1座到11座，車隊從1212輛到3791輛，這是清晰的勝利。另一場是安全性的戰役：每一次召回都在修補一個特定的軟件缺陷，但每一次修補又總是被下一個意外擊中。目前來看，這場戰役沒有終局。

這是一個人類從未經歷過的難題。造橋、造飛機、造火箭解決的是重復性問題：你把一座橋的設計驗證清楚，下一座同類橋大概率沒問題。但Robotaxi面對的不是重復性問題，是無窮盡的變量組合。修復一個洪水場景，不會減少下一次居民區繞行的概率。它們之間沒有因果，只是同一個無窮集合中的不同元素。

長尾沒有盡頭。只有越來越細的尾巴。