當 Waymo 停在路口，資本市場看見了什麼？

舊金山停電夜的啟示

兩天前舊金山的夜晚陷入了一片漆黑。

正值繁忙的聖誕節購物季，一場突如其來的變電站火災，切斷了這座科技重鎮的電力動脈。街道流光不再，路口紅綠燈悉數熄滅。對於習慣了秩序的現代城市而言，這是一場混亂；但對於敏銳的觀察者而言，是價值連城的「壓力測試」。

（影片來源：USA Today）

在這場混亂中，發生了引人深思的一幕。平時代表著矽谷最高科技結晶的 Waymo 無人計程車隊，在失去交通號誌的指引後，集體選擇了「原地待命」。它們閃著雙黃燈，像是一群在考場上突然忘記答案的資優生，尷尬的堵在路口造成交通大亂。

與 Waymo 的集體停擺形成強烈對比，當晚行駛在舊金山的特斯拉車輛並未陷入癱瘓，而是依靠視覺判斷，在紅綠燈失效的路口靈活穿梭。這份實戰表現給了馬斯克十足的底氣，他隨即在 X 平台上補上一刀，指出特斯拉的 FSD 在同樣的停電環境下「完全未受影響」。

這不僅是一次交通插曲，也不是技術路線的口水戰。如果我們將視角拉高，會發現這場停電夜如同探照燈一般，照出了自動駕駛賽道上截然不同的商業邏輯，以及背後牽動千億美元的供應鏈版圖。

---

古典鋼琴家 vs. 爵士樂手

為什麼平時表現完美、行駛平穩的 Waymo，一遇到停電就「破防」？這必須從它們的「技術」說起。

如果用音樂來比喻，Waymo 就像是一位受過嚴格訓練的「古典鋼琴家」。

Waymo 的技術路線依賴於昂貴的雷射雷達（LiDAR）、毫米波雷達以及詳盡的「高精地圖」。在它的運算世界裡，每一條車道線、每一個紅綠燈的高度、甚至路邊郵筒的位置，都被預先寫入樂譜。它的駕駛邏輯建立在「規則」與「確定性」之上。

當紅綠燈熄滅，樂譜上的關鍵音符消失了。當人類司機開始不按牌理出牌，環境的「確定性」崩塌。為了不彈錯音（發生事故），這位古典鋼琴家選擇了最安全的策略，停止演奏。這不是它不夠聰明，而是它的聰明是建立在「已知」的秩序之上。

相反的，特斯拉 FSD 系統更像是一位隨性的「爵士樂手」。

特斯拉走的是「純視覺方案」與端到端神經網絡。它不依賴高精地圖，也不預設路口一定要有紅綠燈。它像人類一樣，用鏡頭（眼睛）看路，用 AI（大腦）即時判斷。對它來說，紅綠燈熄滅只是一個「路況變化」，它會觀察周圍車流的蠕動，試探性地跟隨前行。

這場停電證明了，在常態下兩者的差異難以察覺，但當出現極端環境特斯拉展現出了韌性。

---

三巨頭的博弈與護城河

對於華爾街的投資人來說，技術優劣是次要的，他們更關心的是哪種技術模式可以賺錢？能不能快速複製佔領市場。

1. 特斯拉：擁抱混亂的擴張機器

這次事件無疑增強了 Tesla 投資人的信心。資本市場看重 Tesla 的原因，在於其技術的可擴展性。

如果自動駕駛需要依賴外部設施（如紅綠燈訊號發送）或高精地圖，那麼每進入一個新城市，都要花費巨資進行測繪和基礎設施對接。但 Tesla 的「類人視覺」邏輯意味著，只要有路，它就能開。

舊金山的停電證明了 Tesla 不需要依賴城市的基礎設施狀況。這對資本市場是一個巨大的訊號，Tesla 的 FSD 軟體邊際成本低，一旦成熟，它可以迅速鋪向全球任何一個角落，而無需等待該城市的基礎設施升級。這正是支撐 Tesla 高估值的核心。

2. Google (Waymo)：昂貴的完美主義

反觀 Google 旗下的 Waymo，這場停電暴露了其商業模式的隱憂。Waymo 走的是「重資產、重運營」路線。

Waymo 的車輛搭載了價值不菲的感測器陣列，且需要強大的後台運營中心隨時待命（Teleoperation）。當車輛在停電中集體癱瘓，甚至需要人工介入時，意味著其運營成本比想像中高。

投資人會問，如果紅綠燈故障就能癱瘓車隊，那麼 Waymo 要如何擴張到孟買、開羅這樣交通混亂的城市？Waymo 的護城河很深（安全與技術積累），但這次事件讓人擔心這條護城河是否太過昂貴，以至於難以跨越地理限制。

3. Amazon (Zoox)：在夾縫中尋找定義

亞馬遜收購的 Zoox 則是另一種形態。Zoox 開發的是無方向盤、雙向行駛的專用車輛。

Zoox 的策略更像是「垂直整合」。它不一定要征服所有的開放道路，它更可能先在亞馬遜強大的物流體系或特定的高密度園區中落地。舊金山的教訓對 Zoox 來說是寶貴的，它可能會更加堅定地避開那些過度依賴公共基礎設施的路線，轉而尋求在「受控場景」或「混合模式」中尋找獲利點。

---

硬體堆疊 vs. 算力為王

這場停電夜的漣漪，同樣會擴散到供應鏈的深處。

首先是 LiDAR（雷射雷達）廠商的焦慮。

過去幾年，Luminar 等 LiDAR 廠商的股價波動劇烈。市場一直有一種聲音：「只要感應器夠多，車子就夠安全。」

但 Waymo 的癱瘓告訴我們，即使裝備了最頂級的雷射雷達，如果 AI 決策邏輯無法處理「未知」，車子照樣會停下。這可能會讓車廠重新思考，是否需要無止盡地堆疊硬體？這對純硬體供應商來說，並非好消息。

其次是算力與晶片的絕對勝利。

無論是 Waymo 還是 Tesla，最終解決「路口誰先走」這個問題的，不是眼睛（感應器），而是大腦（晶片與算法）。

這次事件再次確立了 Nvidia 以及致力於自研晶片的 Tesla 的地位。未來的自動駕駛競爭，將從「誰看得更清楚」轉向「誰想得更像人」。能夠處理邊緣運算、具備強大推論能力的車載晶片，將是供應鏈中利潤最豐厚的一環。

---

結語

舊金山停電雖然只有幾個小時，卻劃出了一道分水嶺。

過去我們認為自動駕駛的最後一哩路，是把車子做得更精確、更守規矩。但現在市場意識到，真正的最後一哩路，是教會機器如何面對「失序」。

對於投資人而言，觀察的重點不再是誰在晴空萬里的封閉場地測試了多少英里，而是誰能在暴雨、停電、施工等混亂邊界中，展現出最低成本的適應能力。

試想一下，當未來的競爭場景從路況相對單純的美國，轉移到日本、香港、台灣、韓國或歐洲的市中心老城區。

在這些地區，每天有數以百萬計的叫車需求，但道路環境卻是「地獄級」的複雜。東京的狹窄巷弄、香港的雙層巴士叢林、台北的機車瀑布，以及歐洲古老的石板路。道路狹窄崎嶇，且隨時面臨施工改道或突發事故。若依照 Waymo 目前依賴高精地圖的「重資產」路徑，要對這些隨時變化的複雜路網進行高頻掃描與維護，其成本與難度將是天文數字。相比之下，Tesla FSD 這種不依賴「背地圖」、而是靠視覺即時反應的技術，在這些場景中展現出的低成本複製優勢，或許才是它能真正實現全球化的關鍵。

這種邏輯的延伸，甚至讓我們看懂了 Tesla 近期的組織調整。

當 Tesla 將 FSD 團隊的資源導向人形機器人 Optimus 時，這背後的戰略意圖很明顯。機器人需要繼承汽車「適應混亂」的基因。未來市場不會關心誰的機器人長得「比較好看」，而是誰的機器人能「直接使用」。真正的通用機器人，不該是為了大面積鋪設而改變家裡的裝修設計、重建餐廳結構或修改工廠產線。它應該像 Tesla 的車適應舊金山的停電路口一樣，直接走進現有的人類環境，無論多麼雜亂，都能開始工作。

另一個值得關注的信號來自保險科技公司 LMND。他們近期已經接入 Tesla API 來讀取駕駛習慣，從而量身定製保險方案。試想未來，當 Tesla 推出成熟的機器人並同樣開放 API 接口給 LMND，這將意味著保險業務的「量變」從為靜態資產保險，進化到為數百萬個「矽基勞動力」提供行為風險定價。

在這場博弈中，Waymo 依然是技術巨人，目前也佔有更多的市場份額。但 Tesla 正用一種更野蠻、更符合生物演化邏輯的方式，試圖證明「模糊」有時比「精確」更接近智慧的本質。而這或許才是資本市場最願意買單的故事。