2026-06-18 — views
自动驾驶安全数据比较——NHTSA SGO 事故报告、每百万英里碰撞率与监管扩张准备度
NHTSA SGO 碰撞数据比较：Tesla FSD 对 Waymo 事故率、归一化说明，以及数据对许可扩张的意涵。
实体 AI 基准系列第 19 篇
本篇是系列中最具量化性质的一篇。NHTSA 的”常设一般命令”（Standing General Order，SGO）于 2023 年建立了美国首个针对自动驾驶系统的强制标准化碰撞数据库。对于 Tesla FSD、Waymo 及其他自动驾驶运营商的安全数据，首次有了官方的比较基础——虽不完美，但属强制申报。本文解析数据所呈现的内容、读取数据时需要的归一化方法，以及这些数据对监管许可扩张的意义。
第一节——NHTSA SGO 2023：申报要求
NHTSA 常设一般命令自 2023 年 6 月起生效，要求所有搭载 SAE Level 2 以上自动化系统的车辆制造商申报：
- 任何导致死亡、住院、安全气囊展开或需要就医之受伤的碰撞事故
- 任何涉及弱势道路使用者（行人或自行车骑手）的碰撞事故
- 事故发生后 30 天内提交报告（若有死亡则需 24 小时内提交）
SGO 涵盖所有自动驾驶运营商——包括 Tesla FSD 和 Autopilot 等消费者 L2 系统，以及 Waymo Driver 等完全无人驾驶 L4 商业车队。这是美国首个针对自动驾驶系统的强制、可比较碰撞数据库。
关键归一化说明——这是本文最重要的框架：
Tesla 申报其 L2 自动化系统（FSD 和 Autopilot）行驶的所有里程，包含数亿英里需要持照驾驶人在场监督的消费者里程。Waymo 则仅申报商业无人驾驶运营，车内无任何人类监督员。这两者的运作条件存在根本差异。若无此归一化前提，Tesla 与 Waymo 之间的每英里比较便毫无意义。未考量行驶里程、自动化等级及有无人类监督员的原始碰撞次数比较，并不构成有效的安全比较。
第二节——NHTSA SGO 公开数据摘要
下表汇整截至 2024 年底公开申报的 NHTSA SGO 数据。所有数字均源自 NHTSA SGO 公开披露及各公司公开安全报告，估算数字均已标示。
| 公司 | 系统 | 申报里程 | 申报碰撞次数 | 安全气囊展开 | 受伤人数 | 死亡人数 | 备注 |
|---|---|---|---|---|---|---|---|
| Tesla | FSD/Autopilot（L2） | 逾 5 亿英里（累计估算，截至 2024 年） | 逾 1,000 件（SGO 申报） | 数百件 | 数十件（已申报） | 数件（依 NHTSA 数据，均涉及驾驶人注意力不集中或边缘案例） | 含人类驾驶监督的消费者里程 |
| Waymo | Waymo Driver（L4） | 逾 3,000 万英里商业无人驾驶 | 30 件以下（公开报告） | 极少 | 极少（轻伤） | 0 件（无人驾驶模式确认无死亡） | 完全无人驾驶，无人类监督员 |
| Cruise | L4（已暂停） | 逾 500 万英里（暂停前） | 多件（含 2023 年 10 月行人拖行事件） | 数件 | 数件 | 0 件（自动驾驶模式） | 2023 年 10 月加州吊销许可 |
每百万英里事故率比较（公开申报数据，已归一化）：
- Tesla FSD：约每百万英里 2 件以上碰撞（L2，人类监督员在场，基于 NHTSA SGO 数据）
- Waymo：约每百万英里不足 1 件碰撞（L4，完全无人驾驶，基于 NHTSA SGO 数据）
- 美国人类驾驶基准：约每百万英里 4.2 件碰撞（NHTSA 基准）
Tesla FSD 和 Waymo 的申报事故率均低于美国人类驾驶基准。然而，此比较并非同类比较：Tesla 的 L2 事故率涵盖有监督的消费者驾驶（人类在回路中，对车辆负有责任）；Waymo 的 L4 事故率则为完全无人驾驶的商业运营。在有人类监督的 L2 系统中，较低的事故率是预期中的——人类驾驶才是主要安全保障。对自动驾驶安全而言，更具意义的比较是 L4 无人驾驶事故率与人类基准的对照。
第三节——数据对监管扩张的意义
加州 DMV、NHTSA，以及亚利桑那州、德克萨斯州和内华达州等各州的自动驾驶主管机关，均以安全数据作为许可扩张决定的主要门槛。
Waymo 的扩张论据：
截至 2026 年中，Waymo 在逾 3,000 万英里商业无人驾驶里程中零死亡确认的记录，是全球任何商业自动驾驶运营商中最强的安全记录。加州 DMV 和亚利桑那州 DMV 均已在许可决定中引用这一记录。此数据支持 Waymo 目前在旧金山、凤凰城、洛杉矶和奥斯丁的多州扩张策略，因为安全记录为监管机构提供了统计上有意义的评估数据集。
Tesla 的监管路径：
Tesla 的 SGO 数据因 L2 与 L4 的区别而变得复杂。监管机构在核发无人驾驶商业许可前，需要 L4（无人类监督员）安全数据。Tesla 逾 5 亿英里的 L2 FSD 数据展示了在人类监督下的软件能力，但并未直接回答监管机构的核心问题——FSD 在无人在车情况下是否安全。截至 2026 年中，Tesla 尚未积累足够的 L4 商业无人驾驶里程，以满足无人驾驶许可的监管评估框架。这是 Tesla 监管路径中最大的数据缺口。
Cruise 的教训：
2023 年 10 月的行人拖行事件——Cruise 车辆在撞上行人后未能停车，将伤者拖行约 20 英尺——不仅是一次安全失误，更是一次事故响应失败。Cruise 未能及时、完整地向加州 DMV 披露事件。2023 年 11 月随之而来的许可吊销，与其说是事故本身引发的，不如说是事故响应不当所导致的。Waymo 对此事件的回应是发布更详细的安全透明度报告。所有自动驾驶运营商的教训：监管机构信任是通过数据透明度逐步建立的，任何隐瞒的迹象都会迅速摧毁这种信任。
第四节——每百万英里事故率趋势（Waymo 估算）
下表显示 Waymo 商业无人驾驶事故率随时间改善的估算情况。Waymo 不公布精确的每英里事故率；以下估算源自公开安全报告、SGO 数据及业界分析。所有数字均为估算值。
| 时期 | 每百万英里事故率（估算） | 关键运营变化 |
|---|---|---|
| 2020–2021（商业初期） | 3–5（估算） | 初期商业运营，小范围地理围栏 |
| 2022 | 1–2（估算） | 软件改进、地图优化、车队扩张 |
| 2023 | 不足 1（估算） | 在既有地理围栏内的成熟运营 |
| 2024–2026 | 不足 0.5（估算，成熟市场） | 第五代车队、高置信度运营区域、扩展地理围栏 |
公开数据所呈现的趋势是持续改善，与各城市的软件成熟度和累积运营经验高度相关。这一趋势正是 Waymo 向监管机构申请许可扩张时所倚重的核心量化论据。
第五节——安全作为监管货币
NHTSA SGO 框架实际上创造了一个安全数据市场：积累更多无人驾驶里程且事故率更低的公司，能更快地获得监管信任。下表汇整目前各运营商的状况。
| 公司 | 安全记录 | 许可状态 | 扩张准备度 |
|---|---|---|---|
| Waymo | 无人驾驶零死亡；每百万英里不足 1 件事故（估算） | 4 个州的完整无人驾驶商业许可（加州、亚利桑那州、德克萨斯州、内华达州） | 高——安全数据直接支持新城市许可申请 |
| Tesla | 强劲的 L2 监督数据；L4 无人驾驶数据有限 | 无无人驾驶商业许可（L4 数据尚未积累） | 中——需要大量 L4 商业里程才能申请加州及多州无人驾驶许可 |
| Cruise | 严重事故加上事故响应不当（2023 年 10 月） | 加州许可吊销（2023 年 11 月） | 需要全面的安全文化改革及监管信任重建方可复业 |
| 百度 Apollo Go | 中国安全记录强（逾 600 万次无人驾驶乘车） | 仅限中国；无美国许可 | 若无 NHTSA SGO 参与及美国运营数据，不适用于美国市场扩张 |
从 SGO 数据浮现的量化标准：
目前没有任何监管机构公布明确的安全门槛——即每百万英里事故率低于某个数字便自动获批许可。但加州 DMV 决策的轨迹隐含着一个非正式标准：在大量无人驾驶里程（逾 1,000 万英里）中保持零死亡且事故率呈下降趋势的运营商获准扩张；有未解决事故或透明度不足的运营商则不获批准。
SGO 数据并不完美——某些维度仍属自愿申报，各运营商的格式不统一，且存在 L2 与 L4 的归一化问题。但它是美国针对自动驾驶系统现有的唯一强制、标准化安全数据库，也是当前许可决定的主要证据基础。在安全数据质量和透明度上投入的公司——不只是在安全表现上——正在建立决定其扩张速度的监管资产。
本文在系列中的位置
本篇为实体 AI 基准系列第 19 篇。系列迄今涵盖：
- 第 1–9 篇：技术、监管、资本与主要评分卡
- 第 10–13 篇：四项供给侧结构性制约（高精地图、远程操作、OTA、FMVSS）
- 第 14 篇：整合四项制约后的更新评分卡
- 第 15 篇：需求侧——乘车体验、采用曲线与定价
- 第 16 篇：供应链——制造伙伴、车队运营与分发生态系
- 第 17 篇：投资级竞争护城河分析——持久性与暂时性优势
- 第 18 篇：Tesla Cybercab 对 Model Y 机器出租车——两款车、两条时间线、一条量产路
- 第 19 篇（本篇）：自动驾驶安全数据——NHTSA SGO 报告、每百万英里碰撞率与监管准备度