Waymo宣布年内将无人驾驶出租车服务扩展至丹佛、拉斯维加斯等四座新城市，但与此同时，美国国家公路交通安全管理局（NHTSA）因其干扰急救响应、误入施工区等问题发出整改通牒。这揭示了一个关键事实：当前L4级自动驾驶在特定长尾场景下仍存在明确的能力边界，技术成熟度尚未达到全场景无缝覆盖。
Waymo采用的是多传感器融合+高精地图的L4级自动驾驶方案，这意味着车辆依靠激光雷达、摄像头和毫米波雷达的冗余感知，结合预先采集的厘米级高精地图来实现定位与决策，对你而言就是能在限定区域内实现真正“无安全员”的自动接送。相比特斯拉FSD所代表的纯视觉+端到端大模型路线，Waymo的方案在已知区域内的行为更稳定、可预测性更强，但代价是对地图鲜度和道路结构变化极度敏感。上一代系统主要依赖静态地图匹配，而这一代虽引入了实时感知补盲，但在面对突发施工围挡、临时交通管制或积水路面时，系统仍会因优先级判断错误而做出保守甚至错误的决策——例如今年召回的4000辆车就是因为未能正确识别施工区域，5月还发生过驶入积水路面的事故。这种“重感知轻认知”的架构，使其在应对非结构化动态场景时，不如人类驾驶员灵活，也暴露出L4系统在开放道路泛化能力上的短板。
对日常用车而言，这些技术缺陷直接影响服务可靠性与安全信任。独立日烟火表演期间多辆Waymo因拥堵趴窝被拖走，说明其在极端交通密度下的路径规划与能耗管理存在瓶颈；而与急救车辆发生冲突，则反映出系统对特殊车辆声光信号的语义理解不足，无法像人类一样主动避让或配合执法。虽然新增的现代Ioniq 5和极氪Ojai车型在硬件上有所升级，但软件验证仍需配备安全员先行测试，意味着公众实际体验到的仍是“有限ODD（运行设计域）”内的服务。换句话说，你可以在凤凰城机场到市区的固定线路上放心乘坐，但若遇到临时封路或大型活动，系统可能直接停止服务而非智能绕行，这对通勤刚需用户来说是不小的不确定性。
| 指标 | Waymo | Tesla FSD | Zoox |
|---|---|---|---|
| 自动驾驶级别 | L4（限定ODD） | L2+（全场景监督式） | L4（限定ODD） |
| 感知方案 | 激光雷达+相机+雷达+高精地图 | 纯视觉+端到端神经网络 | 激光雷达+相机+自研计算平台 |
| 最新召回原因 | 误入施工区/积水路面 | 无大规模召回 | 未公开 |
| 运营城市数（2026年中） | 8+4（计划中） | 全美可用（需监督） | 3城测试运营 |
| 急救响应合规状态 | NHTSA要求7月底前整改 | 未被点名 | 未被点名 |
从技术成熟度看，Waymo处于L4商业化早期阶段，核心问题已从“能不能开”转向“如何在复杂社会系统中安全共存”。NHTSA此次聚焦“干扰第一响应者”，标志着监管重心正从单车智能转向车-人-环境协同能力。目前系统对应急车辆的识别仍停留在视觉/声学特征匹配层面，缺乏对执法意图的高层语义推理，这是所有L4厂商共同面临的难题。此外，Uber终止与Waymo在凤凰城的合作，也暗示商业伙伴对其技术鲁棒性产生疑虑。尽管扩张计划雄心勃勃，但若不能在7月底前提交有效解决方案，后续城市落地节奏或将放缓。
总结来看，Waymo的技术方案在结构化场景中已具备商用价值，但在动态、非标、高交互的城市场景中仍有明显边界。如果你考虑使用Robotaxi服务，建议优先选择其运营超过一年、事故率透明的城市，并避开大型活动或恶劣天气时段。从购车角度，这一案例提醒我们：高阶智驾不等于全场景无忧，选购时应重点关注车企对长尾场景的实测数据与OTA迭代频率，而非仅看宣传中的“L几”标签。