2026-06-18 — views
Physical AI 天氣 ODD 2026 — Waymo LIDAR 雷達融合 vs Tesla 純鏡頭：全天候自駕車基準測試
Waymo 的 LIDAR 加雷達在鏡頭因霧雨降級時可提供補償。Tesla FSD 為純鏡頭架構。降雪地帶城市對目前所有商業自駕車仍屬禁區。
Physical AI 基準系列第 187 篇 — Physical AI 天氣與環境 ODD 2026：Waymo 多感測器惡劣天氣韌性 vs Tesla 純鏡頭雨霧敏感性
天氣並非自動駕駛部署的次要考量——它是操作設計域（ODD）的主要門檻變數。ODD 定義了 AV 系統通過認證、設計為可安全運作的特定條件。降雨使鏡頭降級、霧降低能見度、積雪覆蓋車道標線並堆積在感測器上、極端高溫影響電池與感測器性能。每種感測器類型與天氣條件交互作用的物理特性，直接決定了任何 AV 架構可商業服務的地理市場與季節視窗。本文為 Physical AI 基準系列第 187 篇，以五個天氣 ODD 維度對 Waymo 多感測器融合（LIDAR 加雷達加鏡頭）與 Tesla 純鏡頭方案進行基準測試。
所有標記「（估計）」的數字均來自公開披露、行業研究及分析師估計，而非獨立驗證的原始數據。
第 1 節 — 天氣作為 AV ODD 門檻變數
操作設計域定義了 AV 系統通過認證、設計為可安全運作的特定條件。天氣是主要的 ODD 維度之一，與地理、道路類型、速度範圍及時段並列。對感測器而言，天氣是物理問題——而非軟體問題——其物理特性創造了軟體無法完全克服的結構性優勢與劣勢。
天氣如何使鏡頭降級。 鏡頭依賴環境反射的可見光運作。降雨在鏡頭外殼及鏡頭與場景之間的空氣柱中引入水滴。水滴散射光線，降低圖像解析度、對比度及有效感知距離。大雨產生來自其他車輛的飛濺水霧，進一步使圖像降級。霧在整個空氣柱中引入密集的懸浮水滴層；濃霧中的有效鏡頭感知距離可降至 50 公尺以下——以高速行駛計算不足一秒的剎車距離。積雪堆積在鏡頭外殼和鏡頭蓋上；加熱元件必須啟動以防止結冰。直射陽光眩光（太陽在車輛正前方低角度位置時）可使鏡頭感測器過曝，暫時使車道標線和其他車輛不可見。這些並非軟體缺陷——它們是可見光成像的物理限制。
天氣如何影響 LIDAR。 LIDAR 發射雷射脈衝並測量返回時間以建構 3D 點雲。霧散射 LIDAR 脈衝——雷射能量在到達遠處物體之前被懸浮水滴吸收並反射，在濃霧中大幅縮短有效感知距離。大雨產生虛假點雲返回，使雨滴看似障礙物。積雪堆積在 LIDAR 外殼上需主動清除或加熱；飄落的雪花返回強烈雷射脈衝，模擬固體障礙物。然而 LIDAR 是主動照明感測器：與鏡頭不同，它自行產生光源，完全不受可見光條件（包括陽光眩光和完全黑暗）影響。
天氣如何影響雷達。 雷達（毫米波）是三種感測器中天氣韌性最強的。雷達脈衝以極小的衰減穿透霧，以極小的降級穿透雨，並能有效穿透輕雪。雷達在所有降水條件下提供速度和距離數據。其主要限制是角度解析度——雷達無法像 LIDAR 那樣生成環境的高精度 3D 地圖。但對於在低能見度中偵測物體的存在和速度而言，雷達是全天候的主力感測器。
多感測器融合的理由。 沒有單一感測器在所有天氣條件下都是理想的。鏡頭在晴天表現卓越；LIDAR 在清晰黑暗環境中表現卓越；雷達在所有降水條件下表現卓越。融合——結合 LIDAR 加雷達加鏡頭——提供冗餘：當某一感測器類型降級時，其他感測器補償。純鏡頭系統沒有這種冗餘。
當前商業 AV 地理選擇反映天氣 ODD。 今日每個商業無人駕駛 AV 服務都在溫和或乾燥氣候中運作：鳳凰城（沙漠、炎熱、乾燥、少雨）、舊金山（溫和沿海霧氣、非強降雨）、洛杉磯（晴朗、少雨）、奧斯汀（溫暖、有些降雨但無嚴酷冬季）。目前沒有商業 AV 服務在降雪地帶城市運作——芝加哥、明尼阿波利斯、波士頓、紐約、水牛城——正是因為天氣 ODD 限制使重度降雪的商業無人駕駛運作在技術上超出所有公司目前的能力。
第 2 節 — Waymo 各感測器類型的天氣表現
Waymo 的感測器架構（鏡頭加 LIDAR 加雷達）在天氣條件下提供冗餘。下表按天氣類型對 Waymo 融合性能進行基準測試。
| 天氣條件 | 鏡頭性能 | LIDAR 性能 | 雷達性能 | Waymo 整體（融合） |
|---|---|---|---|---|
| 晴天 | 優秀；最佳能見度 | 優秀；完整感知距離 | 良好 | 優秀；所有感測器最優 |
| 小雨 | 略有降級；鏡頭上的水滴降低清晰度 | 略有降級；雨水返回增加噪訊 | 優秀；不受影響 | 良好；LIDAR 和鏡頭略降級，雷達補償 |
| 大雨 | 顯著降級；飛濺水霧和鏡頭上的水 | 中度降級；雨水返回噪訊增加 | 優秀 | 尚可；鏡頭和 LIDAR 受損；雷達補償速度和距離；Waymo 可能在大雨中降速或限制 ODD |
| 薄霧 | 降級；有效感知距離顯著縮短 | 中度降級；霧散射 LIDAR 脈衝 | 良好 | 尚可；LIDAR 和鏡頭距離受限；雷達維持感知距離 |
| 濃霧（能見度低於 50 公尺） | 嚴重降級；短距離幾乎無用 | 嚴重降級；霧散射壓倒訊號 | 距離偵測良好；短距細節差 | 差；Waymo 在濃霧條件下可能暫停服務 |
| 小雪 | 中度降級；鏡頭上積雪；對比度降低 | 中度降級；雪返回和積累 | 優秀 | 尚可；鏡頭受損；LIDAR 部分受損；雷達良好 |
| 大雪 | 嚴重降級；白化條件；車道標線被埋 | 嚴重降級；外殼積雪；白化散射 | 良好 | 差；Waymo 未嘗試大雪商業運作；LIDAR 和鏡頭均嚴重受損——這正是 Waymo 未擴展至降雪地帶城市的原因 |
| 極端高溫（鳳凰城，115°F+ 估計） | 性能維持；鏡頭為電子設備，高溫在規格範圍內 | 需足夠冷卻維持性能；LIDAR 需要熱管理 | 性能維持 | 良好；鳳凰城運作確認 Waymo 可應對極端高溫；需熱管理 |
| 夜間和低光線 | 降級；鏡頭需要照明；車頭燈有幫助 | 優秀；LIDAR 為主動照明，在完全黑暗中工作 | 良好 | 良好；LIDAR 實現純鏡頭系統難以企及的夜間運作 |
第 3 節 — Tesla FSD 天氣表現：純鏡頭的局限性
Tesla 的 FSD 系統使用鏡頭作為環境感知的唯一主要感測器。與 Waymo 的三重融合架構不同，Tesla 的純鏡頭架構意味著當鏡頭降級時沒有 LIDAR 備援。下表按天氣類型對 Tesla FSD 性能進行基準測試。
| 天氣條件 | 鏡頭性能 | Tesla 整體（純鏡頭） | FSD 建議動作 | 備注 |
|---|---|---|---|---|
| 晴天 | 優秀 | 優秀 | 正常運作 | Tesla 鏡頭針對此條件優化 |
| 直射陽光眩光 | 嚴重受損；強光使感測器過曝；車道標線和車輛可能不可見 | 嚴重受損 | 駕駛人必須接管 | 已知 FSD 限制；NHTSA 曾調查陽光眩光問題 |
| 小雨 | 中度降級；擋風玻璃上的水（雨刷幫助）；其他車輛的飛濺 | 中度降級 | FSD 降速；駕駛人可能需要協助 | Tesla 雨刷啟動加 FSD 減速是目前的緩解措施 |
| 大雨 | 顯著降級；大量飛濺、鏡頭上的水、能見度降低 | 顯著降級 | FSD 可能脫離；駕駛人須保持注意 | 大雨是已知的 FSD 限制；純鏡頭沒有空間細節的雷達備援 |
| 霧 | 中度至嚴重降級，取決於密度；無主動照明穿透霧 | 中度至嚴重降級 | FSD 降速；濃霧可能觸發脫離 | 沒有 LIDAR 或雷達空間測繪備援，霧是基本的鏡頭限制 |
| 小雪 | 嚴重降級；鏡頭上積雪；車道標線被埋；白色環境降低對比度 | 嚴重降級 | FSD 可能脫離；Tesla 建議雪地中駕駛人監督 | 積雪是硬性鏡頭限制；無 LIDAR 偵測雪下道路結構 |
| 大雪和暴風雪 | 無法使用；完全的鏡頭損失 | 無法使用 | 駕駛人必須完全接管 | Tesla FSD 不在暴風雪條件下運作；這是已承認的 ODD 邊界 |
| 夜間和黑暗 | 無環境照明時降級；車頭燈有幫助但距離有限 | 相對白天降級 | FSD 以降低性能運作；建議駕駛人監視 | 無主動照明意味著 Tesla 鏡頭依賴環境光和車頭燈 |
| 極端高溫 | 性能維持 | 維持 | 正常運作 | 鏡頭為電子設備；高溫在規格範圍內；電池續航另行受影響 |
第 4 節 — 地理 ODD 影響：每家公司可以在哪裡運作？
感測器層面的天氣性能差異直接轉化為地理 ODD。下表將美國地理位置與每種架構的商業可行性進行映射。
| 美國地理 | Waymo 商業可行性 | Tesla Cybercab 商業可行性 | 氣候挑戰 |
|---|---|---|---|
| 亞利桑那州鳳凰城（沙漠、炎熱、乾燥） | 2017 年起運作；Waymo 最成熟市場；乾燥氣候對鏡頭和 LIDAR 均理想 | 良好；純鏡頭良好應對乾燥沙漠；極端高溫在鏡頭規格內 | 極端高溫；少雨；對兩者均理想 |
| 加州舊金山（沿海霧氣、溫和） | 運作中；SF 霧氣通常為輕至中度；LIDAR 加雷達充分應對 SF 霧氣 | 中度挑戰；某些早晨的濃密 SF 霧氣可損害鏡頭；灣區微氣候多變 | 沿海霧氣是 Waymo 的現實世界驗證；Tesla 在濃霧事件中會遇困難 |
| 加州洛杉磯（晴朗、少雨） | 運作中；洛杉磯乾燥氣候對 AV 友好 | 良好；洛杉磯晴朗氣候非常適合純鏡頭 | 天氣挑戰最小；眩光是主要顧慮 |
| 德克薩斯州奧斯汀（溫暖、部分惡劣天氣） | 運作中；奧斯汀偶有大雨和冰雹；Waymo 多感測器提供韌性 | 中度挑戰；奧斯汀大雨事件會損害 Tesla 鏡頭；冰雹可損壞感測器 | 大雨事件和偶發惡劣天氣是純鏡頭的真實 ODD 挑戰 |
| 喬治亞州亞特蘭大（潮濕、降雨、偶發結冰） | 預計擴張（估計）；亞特蘭大偶有結冰和降雪事件；Waymo LIDAR 加雷達應對降雨；結冰事件可能觸發服務暫停 | 具挑戰；亞特蘭大冰暴（每年 2 至 3 次，估計）需要 FSD 脫離；高濕度加降雨是常態 | 結冰和大雨對兩者均是挑戰；Waymo 在降雨方面更有韌性 |
| 伊利諾州芝加哥（大雪、結冰、極端寒冷） | 尚未嘗試商業運作；大雪加結冰是 Waymo 最大挑戰；LIDAR 在大雪中嚴重受損 | 非常具挑戰；純鏡頭在芝加哥冬季 12 月至 2 月期間實際上無法運作 | 大雪是目前所有商業 AV 的硬性限制；無公司在此商業運作 |
| 佛羅里達州邁阿密（夏季大雨、潮濕） | 可能（估計）；邁阿密降雨強度大但持續時間短；LIDAR 加雷達加鏡頭融合更好應對間歇性大雨 | 具挑戰；邁阿密夏季午後雷暴可能嚴重損害鏡頭；頻繁大雨是純鏡頭的結構性挑戰 | 邁阿密降雨頻率是純鏡頭的真實挑戰 |
| 紐約市（降雨、降雪、複雜城市） | 理論上在降雨和中度天氣下可行；大雪是挑戰；密集城市環境增加感測器遮蔽 | 非常具挑戰；NYC 降雨加降雪加複雜城市是純鏡頭最難的組合 | 紐約市是美國最艱難的 AV 環境；兩家公司均未宣布商業計劃 |
第 5 節 — 天氣 ODD 基準計分板
| 天氣維度 | Waymo | Tesla FSD | Cybercab（估計） | 邊緣勝負 |
|---|---|---|---|---|
| 小雨 | 良好（鏡頭略降級、LIDAR 略降級、雷達補償） | 中等；雨刷加減速緩解 | 類似 FSD | Waymo |
| 大雨 | 尚可（LIDAR 和鏡頭受損，雷達補償） | 顯著受損；可能脫離 | 類似 FSD | Waymo |
| 霧 | 尚可（LIDAR 和雷達將感知距離延伸至鏡頭之外） | 中至嚴重；霧是基本限制 | 類似 | Waymo |
| 降雪 | 差（嚴重受損；未商業部署） | 嚴重；大雪中無法使用 | 嚴重 | 大致相當（兩者均未商業運作於雪地） |
| 夜間運作 | 良好（LIDAR 為主動照明，在黑暗中工作） | 中等；依賴車頭燈和環境光 | 類似 | Waymo |
| 直射陽光眩光 | 良好（LIDAR 不受可見光影響） | 嚴重；已知有事件記錄的限制 | 類似 | Waymo |
| 極端高溫 | 良好（鳳凰城已驗證） | 良好（鏡頭應對高溫） | 良好 | 大致相當 |
| 地理可服務市場 | 溫帶、沙漠及沿海霧氣已驗證；降雨韌性強；降雪城市是擴張挑戰 | 乾燥和溫和氣候最佳；雨和霧是結構性限制；降雪是商業難題 | 類似 FSD | Waymo（跨降水類型的更廣泛 ODD） |
| 總體裁決 | Waymo 的 LIDAR 加雷達加鏡頭融合賦予其純鏡頭系統無法比擬的真實多天氣運作優勢。關鍵維度是冗餘：當一種感測器類型受損時，其他感測器補償。Tesla 的純鏡頭方案——在晴朗條件下表現卓越——在霧、大雨和降雪中存在根本性限制，僅靠軟體無法完全緩解。然而，美國 AV 商業收入的絕大部分集中在氣候溫和或乾燥的城市（陽光地帶），Tesla 的純鏡頭方案在那裡可以充分發揮。降雪地帶城市是真正的天氣 ODD 前沿——而目前沒有任何公司解決了大雪中的商業 AV 運作。 |
注意： 所有標記「（估計）」的數字均來自截至 2026 年中的公開披露、行業研究、分析師估計及報道數據。本文不構成安全認證或監管評估。
來源
- Waymo 安全與 ODD — Waymo 安全報告 ↗
- Tesla FSD 天氣限制 — Tesla 自動駕駛文件 ↗
- 惡劣天氣 AV 感測器融合 — IEEE 智慧車輛 ↗
- AV ODD 與天氣 — NHTSA AV 研究 ↗