2025 年初，Waymo 的自动驾驶车队大约 700 辆。到 2026 年中，这个数字接近 4000。（来源：纽约时报，记者 Emmy Martin）规模翻了五倍多，按理说应该越来越好。但召回次数在涨，边缘故障在堆：积水路面让整条街的车趴窝，旧金山一次停电，车队集体失能。这不是技术倒退，是规模的代价。700 辆车藏着的问题，4000 辆全暴露了。
规模的反直觉
人们直觉上认为，跑的里程越多，数据越多，系统就越聪明。这个直觉在大部分领域成立，在自动驾驶的长尾问题上失效了。长尾问题不是线性的，是组合爆炸的。每增加一个新城市、一种新天气、一个新路口形态，你面对的不是多了一类问题，是多了一类交叉条件。交叉条件的增长速度远快于里程的增长速度。
换句话说，问题的增长是超线性的，解决能力的增长是线性的。这个剪刀差就是规模化的诅咒。这不是运气不好，是数学结构决定的。达利欧在讲周期时说过，系统的反馈结构决定了行为的长期路径，不靠意愿改变。Waymo 的意愿是好的，但结构不在它这边。
长尾的数学
考虑一个简化模型。假设自动驾驶需要处理的场景类型有 N 种，每辆车每天平均遇到 K 种。700 辆车时，大部分罕见场景从未触发，或者说一年才碰上一次。4000 辆车时，每天都有几十辆车在同时遭遇以前没见过的边缘情况。
问题的关键不是单辆车的能力，是车队的暴露面。暴露面和车辆数成正比，但每个新暴露的边缘场景需要的解决方案不是通用改进能覆盖的，它需要的是针对具体场景的专门处理。这不是工程问题，是认知问题：你以为在解决开车，实际在解决无穷个例外。中国兵法讲善战者求之于势不责于人，Waymo 现在的局面就是势不对，规模越大，势越对它不利。长尾的分布天然偏向无穷，你用有限的工程力量去追无穷的边角案例，道术上就输了。
系统陷阱：转嫁负担
《系统之美》里，唐内拉梅多斯讲过一组系统陷阱。其中一个叫政策阻力：系统中多个参与者目标不一致，每一方的努力都会激发反方向的抵消力量。另一个叫转嫁负担：系统出现问题时不去解决根本原因，而是加一层干预措施来缓解症状。Waymo 的困境更接近后者。车在路口卡住了，远程操作员接管；遇到施工路段，人工规划路径。短期看问题解决了，但底层能力没有提升。远程干预越多，对远程干预的依赖就越深。据报道，Waymo 每千英里约需 1 到 2 次远程干预（来源：纽约时报），而行业公认的 L4 商业化门槛是每千英里不超过 0.1 次。
这种依赖不是能力积累，是能力外包。规模越大，远程操作中心的负载越重，而每辆车真正的自主能力提升越慢。远程操作不是在解决问题，是在掩盖问题。梅多斯给转嫁负担开的药方是找到杠杆点，干预系统的根本结构。对 Waymo 来说，杠杆点不是更多的远程操作员，是更强的泛化能力。如果模型能从未见过的场景中归纳出通用规则，长尾就不再需要逐个击破。但这恰恰是最难的部分：从规则驱动到端到端学习，行业喊了三年，真正解决泛化问题的，目前还没有人。
直线思维的陷阱
《事实》一书讲过人类的三种本能错觉，其中之一叫直线思维本能：看到一个趋势在上升，就假设它会一直升下去。人们看到 Waymo 从 700 辆扩到 4000 辆，直觉判断是明年 2 万辆，后年 10 万辆。但规模化的收益曲线不是直线，是 S 形：前期陡峭上升，后期趋于平缓，因为长尾的成本在累积。
每解决一个边缘场景投入的工程成本是固定的，但剩余场景的数量几乎不减少。从 90% 到 99% 的路测自动化率，投入的工程量和从 99% 到 99.9% 可能一样高。Waymo 目前公开的 L4 全程无人工干预里程占比约为 71%（来源：加州车管局 2025 年自动驾驶报告），距 99% 还差近 30 个百分点。罗斯林在书里用世界人口增长的例子说明：很多看似线性的趋势实际上是 S 形曲线，拐点就在你以为它会加速的时候到来。
理论边界停顿
需要承认，系统陷阱这个框架最初是为社会系统设计的。公地悲剧、政策阻力、军备竞赛，都是多方博弈的结构。自动驾驶系统有它的特殊性：它不是多方博弈，是一个中心化调度的技术系统。社会系统里，协调各方目标可以化解政策阻力。但自动驾驶的长尾问题，不是一个协调能解决的，它需要的是根本性的技术突破，或者对完全无人驾驶这个目标本身的重新定义。
框架的解释力在这里出现裂缝。长尾问题不完全是系统陷阱，它有一部分是纯粹的工程极限。用系统思维可以解释为什么越努力越费力，但不能告诉你泛化能力的突破点在哪。道家的道讲顺其自然，但在工程领域，顺其自然等于放弃。
三情景预测
基准情景：Waymo 继续扩张但速度放缓。远程操作团队规模跟随车队线性增长，单位经济模型长期无法转正。L4 自动驾驶在 3 到 5 年内停留在有地理围栏的有限区域。
上行情景：新一代端到端模型显著提升泛化能力，罕见场景的兜底成功率从 90% 跳到 99% 以上。车队继续扩张，远程操作负载反而下降。2027 年实现在 10 个以上城市无地理围栏运营。
下行情景：一次严重事故触发监管收紧，召回规模扩大。保险公司重新评估 L4 风险定价，单车保险成本翻倍。Waymo 被迫缩编车队，估值下调。
什么信号说明判断错了：如果 Waymo 在 2026 年底之前实现了远程操作负载与车辆数的脱钩（车辆数增加但远程干预次数不增），说明长尾问题的可控性比预期好，上述悲观判断需要修正。
说到底，自动驾驶的本质不是让车学会开车，是让系统穷尽所有可能性。前者是个工程问题，后者是个无穷问题。人类司机之所以能开车，不是因为穷尽了所有场景，是因为人脑有泛化能力。AI 的泛化能力到哪一步，决定了这条长尾能不能跑到终点。
参考资料
- 纽约时报：Waymo 车队扩张与边缘情况报告（Emmy Martin，2026 年 8 月，Techmeme 转载）
- 《系统之美》（唐内拉梅多斯）：第 5 章，系统陷阱与对策
- 《事实》（汉斯罗斯林）：第 3 章，直线思维
- Techmeme RSS（2026-08-10）