2026-06-18 — views

自駕車惡劣天氣性能——雨、雪、霧如何影響感測器，以及為何 Waymo 留守鳳凰城

雨水破壞攝影機、霧氣摧毀雷達光達、毫米波雷達幾乎無懼天候——地理氣候決定了無人駕駛計程車真正能落地的城市。

物理 AI 基準系列第 62 篇——惡劣天氣如何解釋自駕車部署地圖

為什麼 Waymo 在鳳凰城開無人計程車卻不進芝加哥？為何 Tesla Robotaxi 選擇奧斯汀而非波士頓？最誠實的答案不在於軟體成熟度或車隊經濟學，而在於天氣。惡劣天氣是自駕車部署集中於特定地理區域最直接的解釋——不同感測器在雨、雪、霧中的降級方式，構成了商業無人駕駛服務能否落地的核心性能差距。

感測器在惡劣天氣中的物理降級並非臆測。雨水會衰減雷射光束；霧氣散射光達脈衝；積雪堵塞感測器外殼並產生虛假回波；攝影機光學元件在濃霧中視距僅剩數公尺，與背後運行的軟體無關。關鍵洞察在於：不同感測器的失效方式截然不同——感測器融合架構正是針對這一事實的工程應對。

第一節——各感測器在惡劣天氣中的降級方式

感測器	雨	雪	霧	沙塵	夜間
攝影機（可見光）	鏡頭水珠模糊；雨刷軌跡干擾；對比度與特徵偵測降級	積雪遮蔽鏡頭；白化現象；車道線埋沒	能見度降至數公尺；特徵在短距外難以辨識	沙塵雲遮蔽場景	依賴車頭燈與路燈；無自有光源
光達（LiDAR）	雨滴造成虛假回波；大雨衰減光束；預估重雨中射程損失 10–20%（估）	雪花反射光束產生誤判；外殼積雪阻擋；濕雪最嚴重	霧中水滴嚴重散射光達脈衝；濃霧預估削減有效射程 50–80%（估）	吸收並散射近紅外波長；中等影響	不受影響——使用自有光源
毫米波雷達	幾乎不受影響——雷達穿透雨水；僅極端豪雨有輕微衰減	幾乎不受影響——雷達穿透積雪	幾乎不受影響——雷達穿透霧氣	幾乎不受影響	不受影響
熱紅外線	不受影響——偵測熱能而非反射光	不受影響	濃濕霧略有影響（水分吸收紅外線）	不受影響	強項——熱源訊號清晰
GPS / 高精地圖	訊號不受影響；道路被雪掩埋時地圖精度降級	訊號不受影響	不受影響	不受影響	不受影響

核心洞察： 毫米波雷達是全天候感測器。它能穿透雨、雪、霧，降級極微。這正是為何即使光達主導近距三維感知，雷達仍保留在每一套多感測器自駕架構中。光達是主動感測器中霧氣性能最差的。攝影機則擁有最廣泛的天氣誘發失效模式。任何感測器融合架構，本質上都是以較強健感測器的優勢，補償最脆弱感測器的失效模式。

第二節——Tesla 純視覺架構的挑戰

Tesla 的完全自動駕駛（FSD）採用純攝影機架構。該公司於 2021 年刻意從 Model 3 和 Model Y 移除毫米波雷達，認為以足夠資料訓練的神經網路，能夠匹配甚至超越雷達提供的冗餘性。這個賭注對惡劣天氣有深遠影響。

天氣狀況	純視覺影響	Tesla FSD 因應措施
小雨	可應對；雨刷清潔擋風玻璃；屬常見真實場景	神經網路以雨天資料訓練；整合雨刷控制；無根本能力缺口
大雨	顯著：視距縮短、車道線遮蔽、行人偵測降級	車隊資料包含大雨場景；v12、v13 有改善；仍比晴天困難（估）
小雪	車道線埋沒；道路邊界模糊	神經網路辨識道路邊界；依賴路緣石與植被作為代理線索
大雪 / 暴風雪	重大挑戰：白化、線條埋沒、無參考點	Tesla 建議大雪中關閉 FSD；需人工監督；預期駕駛接管
濃霧	攝影機視距降至數公尺；在此之外實際等同失明	神經網路無法創造光學元件看不到的資訊；基礎物理限制
結冰	非直接感測器問題；但攝影機路面狀態估計不精確	無直接攝影機冰面偵測；依賴溫度感測器與牽引力事件
強烈日照	攝影機被水平低角度陽光直接致盲	透過影像飽和度偵測；FSD 可能減速或請求接管；基礎物理限制

地理意涵： 在多數美國市場，Tesla FSD 足以在有人監督下應對正常天氣。無人商業計程車服務所需的安全標準是另一道門檻。奧斯汀（德州）——冬季溫和、積雪極少、濃霧少見——是有利的發射環境。東北部、中西部與太平洋西北岸更具挑戰。純視覺的物理限制不會因更多資料而改變——霧氣消除視覺訊號時，物理定律優先於演算法。

第三節——Waymo 的多感測器全天候策略

Waymo 的感測器陣列結合光達、毫米波雷達、攝影機，以及（部分配置中的）熱成像。這個架構刻意在感測器物理層提供冗餘——意即當某種模態降級，其他模態維持操作信心。

天氣狀況	Waymo 感測器融合應對
雨	雷達作為速度偵測主力；光達在小雨中表現良好；攝影機提供可見時的分類；三感測器冗餘維持信心
大雨	雷達無論如何保持偵測；光達近距仍可用；攝影機大幅降級；融合信心下降——極端暴雨中服務可能暫停（估）
霧	雷達完全穿透霧氣；光達嚴重降級但雷達維持目標偵測；攝影機由雷達補充——純視覺架構無法實現的情境感知
鳳凰城（晴熱乾燥）	所有感測器最佳條件；光達射程最大；偶有沙塵尚可管控；45°C+ 極熱是硬體散熱挑戰，非感測器降級問題
舊金山（海霧、小雨）	雷達應對海霧層；光達在輕度條件下表現良好；濃霧中攝影機由雷達補強——對純視覺架構的直接優勢
積雪 / 結冰市場	Waymo 尚未進入積雪主要市場；感測器外殼積雪是實際操作問題；加熱外殼可緩解但增加複雜度（估）
第六代車輛	專門設計，整合感測器外殼與改善的防天候設計；加熱感測器蓋與改善密封（估）

多感測器架構的操作結果：Waymo 能在純視覺系統大幅失去情境感知的條件（霧、小雨）下維持自信運作。但它並非無懈可擊——外殼積雪仍是已知挑戰，需要加熱外殼與機械清潔系統。極端降雨仍可能將融合信心壓低至自動駕駛門檻以下。然而，降級曲線更為緩和，失效模式也不同——往往是操作層面的（能否清潔感測器？），而非根本層面的（能否看到任何東西？）。

第四節——氣候解釋自駕車地理部署格局

Waymo 無人商業計程車的部署地圖並非偶然。它幾乎精確對應目前感測器陣列的有利天氣檔案。

Waymo 市場	氣候特徵	為何適合
鳳凰城（亞利桑那）	沙漠：每年 300+ 晴天、降雨極少、無雪、乾燥	所有感測器最佳條件；2018 年起無人駕駛——最成熟市場
舊金山（加州）	地中海型：海霧但溫和；小雨；無雪	多感測器處理霧層；2022 年啟動無人駕駛
洛杉磯（加州）	地中海型：極溫和、鮮少豪雨、無雪	優秀自駕天氣；2023 年起擴展
奧斯汀（德州）	亞熱帶：冬季溫和、偶有豪雨、罕見結冰	良好自駕天氣；2025 年啟動無人駕駛
亞特蘭大（喬治亞，已宣布）	亞熱帶：冬季溫和、夏季雷暴	可管控的天氣條件；下一個宣布的擴展城市
未部署	芝加哥（伊利諾）、波士頓（麻薩諸塞）、明尼亞波利斯（明尼蘇達）——均有顯著降雪與結冰季節	感測器積雪、車道線埋沒、結冰——商業規模下的操作挑戰尚未解決

格局清晰。每個 Waymo 無人駕駛市場都位於陽光地帶或溫和的沿海氣候。所有有真實冬天的美國北部大城市均不在列。

第五節——天氣前沿：誰將第一個突破

全天候自駕車是萬億美元的解鎖關鍵。美國大多數人口生活在有真實冬天的氣候中。無法在芝加哥、波士頓或明尼亞波利斯運作的無人駕駛服務，被排除在可尋址市場的很大一部分之外。

方法	公司	現況
多感測器融合 + 雷達主導	Waymo、Zoox、Cruise（已暫停）	目前最佳全天候性能；仍在商業層面迴避重雪市場
加熱外殼 + 機械清潔	多家自駕車公司	積雪問題的工程解法；增加耗電、機械複雜度與維護需求
4D 成像雷達	Arbe Robotics、大陸集團、Mobileye	更高角解析度的次世代雷達；接近光達的細節水準，同時保有雷達的天候免疫性——可能是惡劣天氣最重要的感測器發展
固態光達	Luminar、Ouster、Innoviz	比旋轉式更耐用、成本更低、更適合惡劣環境；天候性能大致相似
攝影機 + 4D 雷達（無光達）	Mobileye SuperVision 及部分競爭者	完全跳過光達的霧氣弱點；押注雷達解析度的提升
純視覺全天候（存疑）	Tesla FSD	需要神經網路克服攝影機在霧與大雪中的物理極限；是否可達商業無人駕駛安全標準是開放問題

投資訊號： 首個在有真實冬天的北部美國城市商業發布無人駕駛服務的自駕車業者，將展示一個把可尋址市場擴大約 3 倍的能力差距。值得關注的里程碑：加熱感測器外殼的公告、冬季城市的監管試點許可，以及 4D 成像雷達的合作協議。

資料來源：IEEE 智慧交通系統期刊——ieeexplore.ieee.org；Waymo 安全報告——waymo.com/safety；Tesla FSD 天氣指引——tesla.com/support；Automotive World 雷達分析——automotiveworld.com。所有標記（估）的數字均為基於公開技術文獻、公司資料與行業研究的估計值，未經獨立核實，應視為方向性參考。本文不構成投資建議。