2026-06-18 — views

自动驾驶车恶劣天气性能——雨、雪、雾如何影响传感器，以及Waymo为何留守凤凰城

雨水破坏摄像头、雾气摧毁激光雷达、毫米波雷达几乎无惧天候——地理气候决定了无人驾驶出租车真正能落地的城市。

物理AI基准系列第62篇——恶劣天气如何解释自动驾驶车部署地图

为什么Waymo在凤凰城运营无人出租车却不进芝加哥？为何Tesla Robotaxi选择奥斯汀而非波士顿？最诚实的答案不在于软件成熟度或车队经济学，而在于天气。恶劣天气是自动驾驶车部署集中于特定地理区域最直接的解释——不同传感器在雨、雪、雾中的降级方式，构成了商业无人驾驶服务能否落地的核心性能差距。

传感器在恶劣天气中的物理降级并非臆测。雨水会衰减激光光束；雾气散射激光雷达脉冲；积雪堵塞传感器外壳并产生虚假回波；摄像头光学元件在浓雾中视距仅剩数米，与背后运行的软件无关。关键洞察在于：不同传感器的失效方式截然不同——传感器融合架构正是针对这一事实的工程应对。

第一节——各传感器在恶劣天气中的降级方式

传感器	雨	雪	雾	沙尘	夜间
摄像头（可见光）	镜头水珠模糊；雨刮轨迹干扰；对比度与特征检测降级	积雪遮蔽镜头；白化现象；车道线埋没	能见度降至数米；特征在短距外难以辨识	沙尘云遮蔽场景	依赖车头灯与路灯；无自有光源
激光雷达（LiDAR）	雨滴造成虚假回波；大雨衰减光束；预估大雨中射程损失10–20%（估）	雪花反射光束产生误判；外壳积雪阻挡；湿雪最严重	雾中水滴严重散射激光雷达脉冲；浓雾预估削减有效射程50–80%（估）	吸收并散射近红外波长；中等影响	不受影响——使用自有光源
毫米波雷达	几乎不受影响——雷达穿透雨水；仅极端豪雨有轻微衰减	几乎不受影响——雷达穿透积雪	几乎不受影响——雷达穿透雾气	几乎不受影响	不受影响
热红外线	不受影响——检测热能而非反射光	不受影响	浓湿雾略有影响（水分吸收红外线）	不受影响	强项——热源信号清晰
GPS / 高精地图	信号不受影响；道路被雪掩埋时地图精度降级	信号不受影响	不受影响	不受影响	不受影响

核心洞察： 毫米波雷达是全天候传感器。它能穿透雨、雪、雾，降级极微。这正是为何即使激光雷达主导近距三维感知，雷达仍保留在每一套多传感器自驾架构中。激光雷达是主动传感器中雾气性能最差的。摄像头则拥有最广泛的天气诱发失效模式。任何传感器融合架构，本质上都是以较强健传感器的优势，补偿最脆弱传感器的失效模式。

第二节——Tesla纯视觉架构的挑战

Tesla的完全自动驾驶（FSD）采用纯摄像头架构。该公司于2021年刻意从Model 3和Model Y移除毫米波雷达，认为以足够数据训练的神经网络，能够匹配甚至超越雷达提供的冗余性。这个赌注对恶劣天气有深远影响。

天气状况	纯视觉影响	Tesla FSD应对措施
小雨	可应对；雨刮清洁挡风玻璃；属常见真实场景	神经网络以雨天数据训练；整合雨刮控制；无根本能力缺口
大雨	显著：视距缩短、车道线遮蔽、行人检测降级	车队数据包含大雨场景；v12、v13有改善；仍比晴天困难（估）
小雪	车道线埋没；道路边界模糊	神经网络辨识道路边界；依赖路缘石与植被作为代理线索
大雪 / 暴风雪	重大挑战：白化、线条埋没、无参考点	Tesla建议大雪中关闭FSD；需人工监督；预期驾驶接管
浓雾	摄像头视距降至数米；在此之外实际等同失明	神经网络无法创造光学元件看不到的信息；基础物理限制
结冰	非直接传感器问题；但摄像头路面状态估计不精确	无直接摄像头冰面检测；依赖温度传感器与牵引力事件
强烈日照	摄像头被水平低角度阳光直接致盲	通过图像饱和度检测；FSD可能减速或请求接管；基础物理限制

地理含义： 在多数美国市场，Tesla FSD足以在有人监督下应对正常天气。无人商业出租车服务所需的安全标准是另一道门槛。奥斯汀（德克萨斯州）——冬季温和、积雪极少、浓雾少见——是有利的发射环境。东北部、中西部与太平洋西北岸更具挑战性。纯视觉的物理限制不会因更多数据而改变——雾气消除视觉信号时，物理定律优先于算法。

第三节——Waymo的多传感器全天候策略

Waymo的传感器阵列结合激光雷达、毫米波雷达、摄像头，以及（部分配置中的）热成像。这个架构刻意在传感器物理层提供冗余——意即当某种模态降级，其他模态维持操作信心。

天气状况	Waymo传感器融合应对
雨	雷达作为速度检测主力；激光雷达在小雨中表现良好；摄像头提供可见时的分类；三传感器冗余维持信心
大雨	雷达无论如何保持检测；激光雷达近距仍可用；摄像头大幅降级；融合信心下降——极端暴雨中服务可能暂停（估）
雾	雷达完全穿透雾气；激光雷达严重降级但雷达维持目标检测；摄像头由雷达补充——纯视觉架构无法实现的情境感知
凤凰城（晴热干燥）	所有传感器最佳条件；激光雷达射程最大；偶有沙尘尚可管控；45°C+极热是硬件散热挑战，非传感器降级问题
旧金山（海雾、小雨）	雷达应对海雾层；激光雷达在轻度条件下表现良好；浓雾中摄像头由雷达补强——对纯视觉架构的直接优势
积雪 / 结冰市场	Waymo尚未进入积雪主要市场；传感器外壳积雪是实际操作问题；加热外壳可缓解但增加复杂度（估）
第六代车辆	专门设计，整合传感器外壳与改善的防天候设计；加热传感器盖与改善密封（估）

第四节——气候解释自动驾驶车地理部署格局

Waymo市场	气候特征	为何适合
凤凰城（亚利桑那州）	沙漠：每年300+晴天、降雨极少、无雪、干燥	所有传感器最佳条件；2018年起无人驾驶——最成熟市场
旧金山（加州）	地中海型：海雾但温和；小雨；无雪	多传感器处理雾层；2022年启动无人驾驶
洛杉矶（加州）	地中海型：极温和、鲜少豪雨、无雪	优秀自动驾驶天气；2023年起扩展
奥斯汀（德克萨斯州）	亚热带：冬季温和、偶有豪雨、罕见结冰	良好自动驾驶天气；2025年启动无人驾驶
亚特兰大（乔治亚州，已宣布）	亚热带：冬季温和、夏季雷暴	可管控的天气条件；下一个宣布的扩展城市
未部署	芝加哥（伊利诺伊州）、波士顿（马萨诸塞州）、明尼阿波利斯（明尼苏达州）	传感器积雪、车道线埋没、结冰——商业规模下的操作挑战尚未解决

格局清晰：每个Waymo无人驾驶市场都位于阳光地带或温和的沿海气候；所有有真实冬天的美国北部大城市均不在列。

第五节——天气前沿：谁将第一个突破

全天候自动驾驶车是万亿美元的解锁关键。美国大多数人口生活在有真实冬天的气候中。无法在芝加哥、波士顿或明尼阿波利斯运作的无人驾驶服务，被排除在可寻址市场的很大一部分之外。

方法	公司	现状
多传感器融合+雷达主导	Waymo、Zoox、Cruise（已暂停）	目前最佳全天候性能；仍在商业层面回避重雪市场
加热外壳+机械清洁	多家自动驾驶公司	积雪问题的工程解法；增加耗电、机械复杂度与维护需求
4D成像雷达	Arbe Robotics、大陆集团、Mobileye	更高角分辨率的下一代雷达；接近激光雷达的细节水准，同时保有雷达的天候免疫性
固态激光雷达	Luminar、Ouster、Innoviz	比旋转式更耐用、成本更低；天候性能大致相似
摄像头+4D雷达（无激光雷达）	Mobileye SuperVision及部分竞争者	完全跳过激光雷达的雾气弱点；押注雷达分辨率的提升
纯视觉全天候（存疑）	Tesla FSD	需要神经网络克服摄像头在雾与大雪中的物理极限；是否可达商业无人驾驶安全标准是开放问题

投资信号： 首个在有真实冬天的北部美国城市商业发布无人驾驶服务的自动驾驶业者，将展示一个把可寻址市场扩大约3倍的能力差距。值得关注的里程碑：加热传感器外壳的公告、冬季城市的监管试点许可，以及4D成像雷达的合作协议。

资料来源：IEEE智能交通系统期刊——ieeexplore.ieee.org；Waymo安全报告——waymo.com/safety；Tesla FSD天气指引——tesla.com/support；Automotive World雷达分析——automotiveworld.com。所有标记（估）的数字均为基于公开技术文献、公司资料与行业研究的估计值，未经独立核实，应视为方向性参考。本文不构成投资建议。