自動駕駛車學不會「停車」這件事

Waymo自動駕駛車在奧斯汀多次無視校車停車信號，事件揭示AI學習「例外情境」的根本困難。對亞洲自動駕駛產業有何啟示？

孩子剛從校車走下，還沒走完斑馬線——自動駕駛車就從她身旁駛過了。

這不是電影情節，而是發生在德州奧斯汀的真實紀錄。Waymo的自動駕駛計程車在校車亮起紅色閃燈、伸出停車臂時，未依法停車，直接通過。根據奧斯汀獨立學區（AISD）的說法，這樣的違規事件至少發生了19次。其中一次，車輛通過的時間點是「學生剛剛從車前方穿越、仍在路面上的數秒之後」。

召回之後，問題依然持續

Waymo在官網上這樣描述自家技術：「Waymo Driver從整個車隊的集體經驗中學習，包括過去的硬體世代。」這是自動駕駛技術最核心的承諾之一——一輛車犯的錯，所有車都能學到教訓。

但現實並非如此。

2025年12月初，Waymo向美國國家公路交通安全局（NHTSA）承認至少12起事件，並發布聯邦召回令。工程師在數週前已開發出軟體修正程式，但召回之後，違規並未停止。到2026年1月中旬，又新增至少4起事件。

AISD為了協助解決問題，採取了罕見的行動：在12月中旬於學校停車場舉辦了半天的「數據收集活動」，從超過550輛的車隊中調來7種不同型號的校車，讓Waymo工程師在不同距離下觀察閃燈與停車臂。然而，問題仍未解決。

美國國家運輸安全委員會（NTSB）的初步報告（2026年3月發布）顯示，1月12日的事件中，一名負責遠端協助的人類操作員錯誤地告知車輛「前方校車信號未啟動」，導致6輛車輛連續通過停著的校車。

就在同一個月，Waymo的車輛在加州聖塔莫尼卡撞上一名在學校附近穿越道路的孩童，所幸未受重傷。

廣告合作

喬治梅森大學自動駕駛研究員Missy Cummings指出，自動駕駛軟體長期以來就對閃爍的緊急燈光和細長型安全裝置（如欄杆和停車臂）辨識能力不足。「如果幾年前沒有修好這個問題，車輛行駛越多，問題就越嚴重。這正是現在發生的事。」

卡內基美隆大學研究員Philip Koopman則解釋了校車停車臂的特殊難度：「停止」的指示在不同情境下意義不同——路口的停車標誌、工地人員手持的指示牌、校車上的停車臂，AI必須學會極為細膩的區分。

「讓車輛99%的時間安全行駛，是相對容易的部分。但最後的1%才是真正困難的，因為我們在教導的是例外情況，」Koopman說。

此外，在停車場收集的數據，未必能反映真實道路的複雜性。AI的學習高度依賴數據的情境，脫離真實環境的訓練存在根本侷限。

這起事件對亞洲科技產業具有直接的參考價值。中國大陸的百度Apollo、文遠知行、小馬智行等企業正積極推進自動駕駛商業化，部分城市已開放無人計程車服務。台灣的科技供應鏈，包括晶片設計與感測器製造，也深度嵌入全球自動駕駛生態系。

值得關注的是，中美在自動駕駛監管路徑上存在明顯差異。美國採取相對開放的「先部署、後監管」模式，讓企業在真實道路上積累數據；中國則傾向在特定封閉區域或嚴格劃定的路段進行測試，監管介入較早。Waymo的案例顯示，開放路測模式在數據積累上有優勢，但也意味著真實風險由公眾承擔。

對於台灣、香港、新加坡等地的政策制定者而言，這起事件提出了一個務實問題：在自動駕駛技術尚未完全解決「例外情境」之前，應如何設計上路標準？特別是在學校周邊、老年人聚集區域等高風險場域。

從商業角度看，Waymo的公關危機也提醒業界：技術信任的建立需要長期積累，一旦在最敏感的場景（兒童安全）出現反覆失誤，對整個產業的社會接受度都會造成影響。