2026-06-18 — views

AV 天氣與氣候限制 — 無人駕駛擴張的物理上限

雨霧雪熱如何決定 Tesla FSD 與 Waymo 的地理上限，以及哪些美國城市能最快實現無人駕駛。

物理 AI 基準系列第 26 篇 — 天氣作為物理上限

本系列前兩篇文章梳理了 Waymo 和 Tesla 的逐城市擴張管線，並將天氣列為六大門檻條件之一（其餘為監管、HD 地圖、車隊密度、保險和公眾接受度）。本文深入探討天氣維度：哪些氣象條件仍對自動駕駛車輛構成挑戰、Tesla 與 Waymo 在感測器架構迥異的情況下如何應對，以及由此形成的天氣地圖對 2030 年前無人駕駛擴張地理上限意味著什麼。

天氣並非次要限制，而是感測器物理性能的根本限制——無論演算法多麼先進，雨水散射光線、積雪覆蓋車道標線、濃霧降低能見度都是客觀事實。美國天氣的地理分布因此直接制約了無人駕駛商業運營的地理分布。

第一節 — 天氣條件嚴重程度對照表

下表列出九種天氣條件在五個維度的表現：美國城市出現頻率、對主要感測器模態（攝影機與 LiDAR）的影響、對車道標線能見度的影響，以及 Tesla FSD 和 Waymo 的估計應對能力。應對評級（良好／中等／差）係根據公開揭露的感測器架構、安全報告及實際部署地域估計得出；兩家公司均未發布正式的惡劣天氣性能數據。

條件	頻率（美國城市）	對 AV 感測器的影響	對車道標線的影響	Tesla FSD 應對（估計）	Waymo 應對（估計）
小雨	非常普遍	攝影機輕微干擾	無	良好	良好
大雨／雷暴	普遍（東南/中西部）	攝影機噪點顯著；LiDAR 散射	車道標線模糊	中等	中等（LiDAR 優勢）
輕至中度霧	普遍（加州海岸、西北部）	攝影機退化；LiDAR 探距縮短	無	中等（純攝影機挑戰）	中等（LiDAR 有助）
濃霧	較少見	攝影機嚴重退化；LiDAR 限制在 50 公尺內	無	差（純攝影機）	差至中等
小雪	季節性（北部）	攝影機退化；LiDAR 反射	標線可見	中等	未大規模驗證
大雪／冰面	季節性（北部/中西部）	所有感測器嚴重退化	標線完全遮蔽	差	未大規模驗證
極端高溫（110+ °F）	夏季（鳳凰城/亞利桑那）	LiDAR 校準問題	無	良好	良好（已驗證）
眩光／直射陽光	許多市場每日可見	攝影機飽和	無	良好（多攝影機減少眩光）	良好
施工區域	普遍	多變（新障礙物）	標線移除或更改	中等	中等（HD 地圖不符風險）

解讀此表： 兩種造成 Tesla 與 Waymo 最大效能差距的條件是濃霧和大雨——正是因為 Tesla 僅依賴攝影機，而 Waymo 採用感測器融合。相比之下，極端高溫和眩光兩家均應對良好，這並非巧合：兩家公司都優先在陽光地帶部署，這裡是主要惡劣條件，沒有大雪。

第二節 — Tesla vs. Waymo：感測器架構如何決定天氣表現

感測器堆疊的選擇並非偏好，而是一項根本性的架構決策，其影響貫穿所有天氣性能結果。Tesla 和 Waymo 採取了相反的路線，各自帶來特定的天氣權衡。

Tesla（純攝影機）：

Tesla 的 FSD 系統完全依靠攝影機加上神經網路處理，從 2D 影像數據重建 3D 世界模型。此方式省去了 LiDAR 硬體成本，但犧牲了一層重要的感測器冗餘。

在晴朗條件下，攝影機提供豐富的色彩、紋理和情境資訊，遠超 LiDAR 所能匹配；在惡劣天氣下，攝影機的退化方式可預測：

大雨使鏡頭上出現水滴，散射光線並使影像模糊。雨刷有助但無法消除八個攝影機位置的問題。
濃霧將有效視野縮短至低於高速行駛安全停車距離以下。
純攝影機系統沒有備援感測器模態：若攝影機輸入降至閾值以下，沒有 LiDAR 或雷達維持情境感知。

Tesla 的氣候優勢在於攝影機在其優先布局的陽光乾燥市場表現良好——德克薩斯、亞利桑那、加州內陸。這些市場涵蓋美國叫車需求的大部分，讓 Tesla 在解決更困難的天氣問題之前能大規模累積無人駕駛里程。

Waymo（LiDAR + 攝影機 + 雷達融合）：

Waymo 的感測器堆疊結合多個 LiDAR 單元、攝影機和雷達，軟體將三種模態融合為統一感知模型，成本更高但構建了分層冗餘：

LiDAR 發出自身的雷射脈衝並偵測回波，比攝影機受環境光條件影響更小。在中雨和輕霧中，LiDAR 保持探距，而攝影機退化。
雷達透過偵測反射無線電波，在大雨和濃霧中遠距偵測物體。解析度低於 LiDAR，但探距和天氣穿透能力更強。
若攝影機顯著退化，LiDAR 和雷達繼續提供情境感知。Waymo 系統能在更寬的天氣條件帶內維持安全運行，直到達到「所有感測器均退化」的閾值。

Waymo 的天氣上限並非無限。LiDAR 在大雪中的性能退化——冰晶對雷射光束的散射與水滴不同。雷達雖然能穿透天氣，但解析度不足以在複雜近距離機動中替代 LiDAR。大雪對 Waymo 而言仍是真實挑戰，並非只有 Tesla 面臨。

核心架構發現： Waymo 的感測器融合為其提供了比 Tesla 純攝影機系統大約多一到兩個天氣嚴重程度等級的額外可運行範圍。在雨、霧和小雪方面，Waymo 能應對 Tesla 力有不逮的條件；在大雪和冰面方面，兩家都面臨未解決的問題。

第三節 — 美國城市天氣就緒地圖

下表將感測器架構分析應用於十二個主要美國城市，估計當前 AV 就緒程度以及 Tesla 和 Waymo 的擴張時間表。就緒程度反映天氣頻率、嚴重程度及與各公司當前可運行能力的匹配度。所有時間表均為估計。

城市	主要天氣挑戰	AV 就緒度（估計）	Tesla 擴張時間表	Waymo 擴張時間表
鳳凰城，亞利桑那	極端高溫、季風雨	高	現在	現在（已上線）
洛杉磯，加州	海岸霧、乾燥	高	現在（監督模式）	現在（已上線）
舊金山，加州	濃霧、溫和	中高	現在（監督模式）	現在（已上線）
奧斯汀，德克薩斯	雷暴、高溫	高	現在（已上線）	現在（已上線）
亞特蘭大，喬治亞	雷暴、潮濕	中高	2027（估計）	2026 年下半年（估計）
邁阿密，佛羅里達	大雨、颶風	中等	2027（估計）	2027（估計）
西雅圖，華盛頓	持續降雨、霧	中等	2027–2028（估計）	2028（估計）
達拉斯，德克薩斯	雷暴、冰暴	中高	2027（估計）	2027（估計）
丹佛，科羅拉多	雪、冰、冰雹	低至中等	2028–2029（估計）	2029（估計）
芝加哥，伊利諾伊	大雪、極端寒冷	低	2029+（估計）	2030+（估計）
紐約市，紐約	雪、冰、雨	低	2030+（估計）	2030+（估計）
波士頓，麻薩諸塞	大雪、冰	低	2030+（估計）	2030+（估計）

關鍵觀察： 芝加哥—紐約—波士頓群組代表最難的地理層級：大雪、冰面和凍雨挑戰所有現有 AV 感測器架構。這些城市也是美國叫車和公共交通需求最高的市場——天氣問題最難解的地方，商業獎勵也最大。

第四節 — 積雪問題：最後的邊疆

雪和冰是自動駕駛車輛開發前沿的未解難題——對 Tesla、Waymo 以及全球所有 AV 開發商而言皆然。挑戰並非單一問題，而是四個相互疊加的問題：

車道標線消失。 積雪覆蓋塗漆的車道標線——這是攝影機和 LiDAR 引導系統的主要參照線索。標線缺失時，車輛必須依賴 HD 地圖幾何形狀、路緣石偵測或從周圍交通推斷。HD 地圖可能過時；路緣石可能被雪埋沒；交通推斷需要其他車輛跟隨，但可能根本沒有其他車輛。

車輛動態不可預測。 AV 控制系統基於乾燥和濕潤路面調校。冰面引入逐分鐘隨溫度和鹽分濃度變化的摩擦係數。為濕瀝青路面校準的制動機動在黑冰上可能引發打滑。解決這一問題不僅需要感測升級，還需要能在寬廣且持續測量的摩擦係數範圍內運作的車輛動態模型。

除雪車動態干擾。 除雪車是體型大、速度慢、移動不規則的車輛，以難以預測的方式推動積雪，可能同時封閉多條車道。它們通常不作為靜態物體出現在 HD 地圖中，在混合交通中的行為複雜。無法在大雪暴中正確模擬除雪車封路行為的 AV 在北方城市冬季是不安全的。

硬體退化。 美國北方城市 11 月至 3 月大量使用道路融冰鹽，對感測器造成長期腐蝕損壞，尤其是安裝在車輛低位的 LiDAR 單元。在加鹽道路環境長期運行需要硬體加固，增加成本和維護複雜性。

正在攻克積雪 AV 系統的開發者：

Waymo 在密西根州進行了小規模冬季測試，尚未達到商業部署規模，且未公開承諾北方城市商業運營的時間表。
Tesla 透過消費者車隊擁有最大的雪地行駛數據語料庫——全球數百萬輛車在雪地行駛，以任何專屬 AV 計劃都無法比擬的規模累積訓練數據。然而，這些數據來自監督式 FSD，而非無人駕駛運行，動態問題在軟體層面仍未解決。
Mobileye 正為歐洲市場開發具備積雪能力的 AV 系統，那裡的冬季條件是商業必要條件而非邊緣案例。
Aurora（FedEx/Uber Freight AV 貨運計劃）在北方各州進行測試，其商業貨運面臨高速公路上的積雪挑戰，但城市環境中對車道標線的依賴程度相對較低。

所有開發商的商業共識是：美國北方積雪地帶城市——芝加哥、紐約、波士頓、明尼阿波利斯、克利夫蘭——在無人駕駛商業運營方面，現實上是 2028–2032 年才能解決的問題。

第五節 — 天氣作為競爭地理優勢

Tesla 和 Waymo 將業務集中在陽光地帶市場並非偶然，而是一種理性、深思熟慮的策略：在軟體成熟到足以應對更困難條件之前，先在天氣上限最高的市場運營。天氣地圖創造了一個自然的擴張序列，兩家公司無論是否明確表達，都在遵循這一序列。

第一階段 — 陽光地帶優先（現在）：

德克薩斯、亞利桑那、加州內陸和佛羅里達（颶風季節外）均在現有 AV 系統的可運行範圍內。高溫和眩光可管理；降雨間歇性；積雪實際上不存在。這是 Tesla 和 Waymo 在 2026 年集中商業部署的地區。可服務市場規模可觀：這些州代表美國叫車總需求的很大比例。

第二階段 — 溫和海岸（2026–2027）：

亞特蘭大、西雅圖和俄勒岡呈現可管理的雨霧挑戰。Waymo 的感測器融合使其在持續多雨的西雅圖比 Tesla 的純攝影機系統有更早的運行窗口。兩個城市在商業規模上都不存在積雪問題。亞特蘭大的雷暴季節強烈但短暫；基本運行窗口很大。

第三階段 — 多變中部地區（2027–2029）：

科羅拉多、明尼蘇達乾冷地帶（零下但部分地區降雪量低）和德克薩斯狹長地帶（冰暴偶發但罕見）代表邊緣案例領域。偶發的雪和冰需要軟體穩健性，但不需要全面的硬體加固。這些市場的商業無人駕駛運營需要驗證邊緣案例處理能力，而非完全重新設計。

第四階段 — 積雪地帶（2030 年及以後）：

伊利諾伊、紐約、麻薩諸塞、密西根和俄亥俄代表 AV 天氣性能最困難的地理區域。四個複合積雪問題——標線消失、動態不可預測、除雪車複雜性、硬體腐蝕——每年連續數月同時發生。這些市場的商業無人駕駛運營需要超越 2026 年現有水平的新一代軟硬體開發。

競爭意涵： Tesla 的純攝影機架構比 Waymo 的感測器融合創造了略窄的近期天氣運行窗口。但對兩家公司而言，更重要的限制是積雪地帶——兩種現有架構都未在此驗證商業能力。積雪邊疆是行業問題，而非 Tesla 對 Waymo 的差異化因素，解決它是未來十年的工作。

第六節 — 關於本系列

這是物理 AI 基準系列的第 26 篇。前幾篇文章涵蓋了斜坡指數、人形機器人競賽、監管、資本、算力、感測器、單位經濟學、全球競賽、HD 地圖、車隊運營、軟體與 OTA、保險與責任、消費者需求、夥伴關係、競爭護城河、Cybercab 對 Model Y、安全數據、Waymo Gen 6、Optimus 製造業、三份計分卡快照、2030 年熊/基準/牛預測、投資人框架綜合、Waymo 逐城市擴張管線（第 24 篇）和 Tesla 州別監管地圖（第 25 篇）。本文提供支撐所有地理擴張建模的物理天氣維度。

核心發現：天氣在短期內並非可解決的軟體問題——它是決定哪些地理區域在今天、2028 年或 2030 年代初商業可行的感測器物理限制。陽光地帶市場現在對兩家公司都商業可行；積雪地帶是行業最後的地理邊疆，目前沒有任何開發商在商業規模上解決了這一問題。