把鏡頭蓋上一片樹葉，那輛車就停了：Waymo 與特斯拉的世紀路線之爭
夜間的高速公路沒有路燈。一個孩子追著狗橫越馬路，四周一片漆黑。如果是人類駕駛，這往往是一場無法避免的悲劇；如果是搭載純視覺系統的車輛，只靠著攝影機擷取畫面，在缺乏光源的環境下，系統幾乎接收不到有效資訊。但如果這輛車裝了主動發射光波的感測器，這輛車會在黑暗中精準畫出孩子的輪廓並踩下煞車。
2026 年 8 月初，Waymo 聯席執行長德米特裏·多爾戈夫在新創孵化器 Y Combinator 舉辦的活動上，給出了一場演講。這場演講探討了自動駕駛發展近 20 年來的核心爭議：要讓車輛真正實現無人駕駛，到底需要哪些感測器？他給出的答案，直接挑戰了當前最具流量的技術路線。
這場演講沒有直接點名特斯拉，但外界普遍解讀，這是在挑戰特斯拉執行長馬斯克多年來堅持的「純視覺」路線。
駕駛座空著的車，需要多少個 9
要理解這場技術爭論，必須先看懂一個數學問題。多爾戈夫在臺上提出了一個名為「9 不斷增加的指數階梯」的概念。馬斯克過去也曾用過類似的詞彙，把這個過程稱為「不斷增加 9 的徵程」。
要讓一輛車有 90% 或 99% 的時間能正常行駛，在工程上並不困難。真正的挑戰在於那剩下的比例。多爾戈夫強調，每增加一個 9 的可靠性，所需投入的工程努力大約是前一級的 10 倍。
在這個邏輯下，不同的產品對應著不同的安全標準：
- 做一場技術展示，只要 1 個 9 就足夠讓人驚豔。
- 打造一套輔助駕駛系統，需要多個 9 來確保駕駛能隨時接手。
- 打造一輛後排坐著孩童、駕駛座完全沒有人的無人計程車，則需要趨近無限的 9。
很多企業容易掉進一個誤區。他們選擇前期進展最快、展示效果最好的技術路線，並假設這種增長趨勢會一直持續下去。結果是在距離完全無人駕駛的安全門檻還非常遙遠的地方，安全性曲線就過早趨於平緩。
兩條路線的極端對照：純視覺 vs 多感測器融合
自駕車產業長期分裂為兩大陣營。一方是以特斯拉為首的「純視覽派」，主張既然人類可以只靠兩隻眼睛開車，車輛也能只靠攝影機加上人工智慧來完成任務。另一方則是以 Waymo 為代表的多感測器融合派。
多爾戈夫在演講中，精準拆解了這兩條路線的本質差異。人類確實只靠眼睛開車。如果目標只是大致達到人類駕駛水平，或者打造一款駕駛輔助產品，依賴攝影機是一條非常合理的路線。攝影機擁有高解析度和彩色資訊，能看懂紅綠燈和路標。被動接收光線的特性是它的優勢，也是致命傷。
純視覺系統會在特定的物理限制下徹底失效。多爾戈夫列舉了幾個實際案例：
- 在美國鳳凰城的沙塵暴天氣下，攝影機幾乎無法辨識環境。
- 夜間有人翻越高速公路護欄，且沒有車燈與路燈照明時，攝影機接收不到反射光。
- 鏡頭被一片樹葉遮擋，就足以讓一輛自動駕駛汽車在路中完全停下來。
Waymo 選擇的路線，是讓攝影機、光達和毫米波雷達三種感測器協同工作。光達能主動發射雷射光波，直接測量三維空間結構。毫米波雷達能穿透霧、雨、雪等惡劣天氣，並利用都卜勒效應直接測量物體速度。光達和毫米波雷達都屬於主動感測器，即便在完全黑暗或迎著刺眼夕陽時依然能正常運作。在沙塵暴與黑夜中，光達依然能清晰發現路邊的行人與橫穿馬路的孩子。
這些設備不是為了炫技而堆砌。多爾戈夫特別澄清，這些不同類型的感測器並非彼此的備份。每一種感測器都會通過獨立的編碼器處理資訊，最終融合成統一的環境模型。融合後的效果遠優於任何單一感測器。用兩根巨型機械臂夾住一棟17層樓：SpaceX 準備在德州海岸變這場太空魔術中也展現了類似的邏輯：當一項技術挑戰逼近物理極限時，往往不能只依賴單一路徑，而是需要精密的機械與感測整合來補足容錯率。
當一片樹葉讓車輛停擺：量產與營運的博奕
感測器之爭的背後，其實是商業模式的選擇。
特斯拉的純視覺與全系標配硬體策略，本質上是為了全球數百萬輛車的規模化量產。拔掉昂貴的光達與雷達，能大幅降低單車製造成本。這套系統被定義為「輔助駕駛」，意味著法律責任與駕駛義務依然在人類身上。馬斯克多年來不斷描繪未來透過軟體更新，讓這些車輛進化成完全自駕車的願景，這與我們探討過的 把那張滿是按鈕的控制面板關掉：當機器開始學會聽懂人類的碎碎念有著相似的核心：透過軟體演算法的迭代，去填補硬體架構的留白。
Waymo 走的是一條完全相反的重資產路線。他們不賣車給消費者，而是打造一支無人計程車車隊。Waymo 的車輛只在有詳細地理圍欄的限定區域內、以相對低速且可控的營運規模運行。在這種模式下，較低的行駛裏程本身降低了風險，但 Waymo 依然選擇堆疊最昂貴的感測器，確保即使在罕見的極端情況下，車輛也能繼續感知環境並安全返回維修中心。
多爾戈夫點出的核心問題在於：單純依賴攝影機的弱感知方案，可以達到人類駕駛水平，也能支撐駕駛輔助系統，但它無法突破無人駕駛汽車必須達到的安全門檻。
路口的選擇
人類用兩隻眼睛開車，這是生物學的事實。但人類會疲勞、會分心、會誤判距離，全球每年有超過百萬人死於車禍。完全無人駕駛的終極目標，是打造出一個安全性顯著超越人類駕駛的系統。
當馬路上的車輛駕駛座空無一人，當我們放心讓孩童獨自坐在後座，這輛車依靠的不能再只是兩顆會被樹葉遮蔽、會在黑夜中失明的鏡頭。
純視覺路線是否能靠著龐大的數據量與神經網路的進化，最終跨越那道物理極限的鴻溝？或者，多感測器融合才是通往零事故願景的唯一解？這場關於一片樹葉與一堆感測器的爭論，正決定著我們未來坐在車裡的姿態。