2026-06-18 — views

自动驾驶 vs 人类驾驶安全性——数据真正显示了什么

Waymo、特斯拉、NHTSA申报数据：自动驾驶安全数据实际显示了什么、为何比较困难，以及对Physical AI发展速度的意义。

Physical AI基准系列第92篇——自动驾驶 vs 人类驾驶安全性：统计案例、为何比较困难，以及数据真正显示了什么

“自动驾驶汽车是否比人类驾驶更安全？“是整个Physical AI领域最重要的问题。答案决定了完全无人监督商业运营的监管审批、保险定价、公众信任，以及最终的Physical AI发展速度。

数据存在于公开资料中——NHTSA Standing General Order报告、加州DMV年度脱离接管申报，以及Waymo自己的安全白皮书。但比较确实复杂。自动驾驶汽车运行的条件，使得与人类驾驶统计数据的直接苹果对苹果比较变得困难。

本文呈现诚实的统计案例：数据显示了什么、没有显示什么，以及对发展速度的意义。

第一节——人类驾驶基准

在任何自动驾驶比较之前，必须先建立人类基准。美国交通死亡数据主要来自NHTSA的死亡事故分析报告系统（FARS），记录美国公路上每一起有警方记录的致命事故。

指标	美国人类驾驶统计（NHTSA估计）
年度交通死亡人数	每年约40,000人（美国，2023-2024年估计）
每1亿英里死亡人数	约1.37人/每1亿英里（美国平均，估计）
重伤率	死亡率的约8-10倍——估计每年300,000-400,000人重伤
主因：酒驾药驾	酒精和毒品影响：约占致命事故38%（NHTSA估计）
主因：分心驾驶	手机使用及其他分心：约占致命事故8-9%（NHTSA估计）
主因：超速	超速作为导因：约占致命事故29%（NHTSA估计）
主因：疲劳	疲劳驾驶：约占致命事故2-3%（NHTSA估计）
市区vs高速公路	市区道路每英里事故率更高；高速公路每英里统计上更安全
时段分布	夜间（晚9时至早6时）：约占致命事故49%，远超其占总驾驶里程的比例

关键结构性洞察： 绝大多数人类交通死亡是由自动驾驶汽车本质上不存在的因素造成的——酒醉、分心、疲劳和情绪化驾驶。一个仅消除这些因素的系统，即使在其他方面与清醒专注的人类驾驶员表现相同，估计也能预防目前70-80%的交通死亡。

这是根本的不对称性：人类驾驶在最差状态下非常危险。自动驾驶系统，从结构定义上，不可能酒醉、分心或疲劳。比较不是自动驾驶 vs 平均人类驾驶员——而是自动驾驶 vs 人类驾驶行为的完整分布，包括其最差的尾部。

第二节——监管报告框架

理解自动驾驶安全数据，需要了解公开申报中记录了什么，以及没有记录什么。

报告要求	详情
NHTSA Standing General Order（SGO）	要求自动驾驶运营商在30天内（财产损失）或1天内（安全气囊展开或住院）报告涉及自动驾驶技术的所有事故。适用于所有SAE Level 2+搭载ADAS/AV系统的车辆。
加州DMV年度脱离接管报告	要求所有持牌自动驾驶运营商报告行驶里程及”脱离接管”——自动驾驶系统脱离或人类驾驶员接管的情况。年度报告。
加州DMV事故报告	涉及持牌自动驾驶车辆的所有事故须在10天内报告。公开数据库。
NHTSA SGO公开数据	按季度发布；按制造商汇总；包括特斯拉、Waymo、GM Cruise等。
关键限制	各申报系统对”事故”没有统一定义。不同自动驾驶运营商对轻微事件采用不同的报告门槛——使跨运营商比较不够精确。

监管框架正在改善但尚未统一。事件定义、报告触发条件和分母方法论（里程计算方式）在各运营商之间存在差异，使得总体比较更具方向性而非确定性。

第三节——Waymo安全数据

Waymo发布了所有商业自动驾驶运营商中最全面的安全数据，将其在等效地理和交通条件下的表现与人类驾驶基准进行比较。

安全指标	Waymo数据（估计，来自Waymo安全报告）	人类驾驶对比
每百万英里伤亡事故	约0.41（估计，Waymo商业无人驾驶旧金山/凤凰城，2023-2024年数据）	约1.64（等效条件人类驾驶员，估计）——Waymo伤亡事故率低约75%（估计）
每百万英里警察记录事故	约2.1（估计）	约4.2（人类等效，估计）——Waymo可报告事故率低约50%（估计）
过失事故分析	大多数Waymo事故涉及第三方撞击Waymo车辆；Waymo车辆在多数案例中被认定无过失	人类：在可比事故类型中过失比例大致各占50%
商业无人驾驶里程（估计2026年中）	超过3000万英里（估计）	统计基准对罕见事件高置信度结论需要超过1亿英里
地理范围	旧金山、凤凰城、洛杉矶、奥斯汀——限定地理范围的商业走廊	人类数据覆盖全国，包括乡村、高速公路、所有天气条件

Waymo在等效条件下对人类驾驶员的方向性安全优势，是公开记录中商业部署自动驾驶最强的安全信号。约每百万英里0.41次伤亡事故对比可比人类驾驶条件的约1.64次，降低75%——这一信号在多份公开安全报告和外部分析中持续出现。

重要警告： Waymo的商业路线限定在城市商业走廊——这些条件与美国全范围驾驶不同。城市商业走廊限速更低、交通信号更多，行人活动更频繁。在某些方面更难（复杂性、密度），在其他方面更容易（没有高速公路速度、没有乡村道路边界案例、恶劣天气较少）。每英里死亡率的直接比较必须考虑这种地理选择性。

第四节——特斯拉FSD安全数据

特斯拉的安全数据在结构上与Waymo不同，因为FSD是一个受监督的系统——驾驶员在法律上仍然负责并必须在场。

指标	特斯拉FSD数据
报告基础	NHTSA SGO——启用自动驾驶或FSD时发生的所有事故；驾驶员仍负法律责任
自动驾驶事故率	特斯拉报告启用自动驾驶状态下每约550万英里发生一次事故（估计，2026年第一季度）；美国平均每约67万英里一次事故（估计）——特斯拉声称安全约8倍
关键选择偏差	自动驾驶/FSD主要在中速高速公路上使用——这是最安全的驾驶条件。这种选择偏差夸大了与美国全范围驾驶基准相比的明显安全改善。
NHTSA调查	多项NHTSA对自动驾驶事故的调查，特别是涉及静止紧急车辆。特斯拉已进行空中更新响应。
诚实解读	特斯拉受监督的FSD在其使用的特定条件下（高速公路、中等交通）可能确实提高了安全性。在所有条件下是否提高安全性，目前公开数据尚不清楚。

特斯拉每英里安全统计常被引用为自动驾驶安全大幅优越的证据。这是一个真实的信号——但分母（启用自动驾驶的行驶里程）来自高速公路驾驶，本身已是每英里最安全的驾驶环境。与美国平均事故率（包括所有驾驶条件，包括最危险的城市和乡村条件）的比较，夸大了可归因于技术的改善。

第五节——为何比较确实困难

五个结构性原因说明自动驾驶 vs 人类安全比较比表面看起来更复杂：

1. 自动驾驶地理选择偏差。 自动驾驶商业路线的选择部分是因为可部署性——良好的道路条件、合理的天气、已测绘的区域。人类随机驾驶包括暴风雪、未铺砌道路、陌生路线和没有信号灯的乡村交叉口。这使自动驾驶看起来比纯每英里比较所能证明的更安全，因为自动驾驶尚未在最危险的驾驶条件下竞争。

2. 新奇效应。 自动驾驶车辆被周围的人类驾驶员、行人和骑自行车的人以额外谨慎对待，他们注意到传感器阵列并在其周围更谨慎地行动。这暂时降低了第三方风险。随着自动驾驶变得普遍，其他道路使用者的这种行为谦让消失——由此产生的部分安全优势也随之消失。

3. 统计样本量。 Waymo已积累超过3000万英里商业无人驾驶里程（估计）。美国人类每年驾驶约3.2万亿英里。像死亡事故这样的罕见事件需要庞大的样本量才能进行统计上有效的比率比较。在3000万英里和零死亡的情况下，尚不能以统计置信度声称自动驾驶死亡率低于人类基准——只能说与更低的率一致。3000万英里的死亡率估计置信区间仍然很宽。

4. 事故报告不一致性。 NHTSA的SGO与加州DMV报告捕获不同的事件。有些运营商报告轻微路缘碰撞和低速财产损失；其他设定更高门槛。汇总所有报告者，数据在运营商之间或与以不同方式衡量的人类基准之间并不完全可比。

5. 正确的比较对象不是平均人类驾驶员。 Waymo在人类驾驶表现通常合理的条件下运营——具有已知道路结构、信号灯和限速的城市商业路线。在这些条件下对Waymo的正确比较，不是美国平均驾驶员（包括酒醉驾驶员、发短信的青少年和乡村公路上疲劳的长途卡车司机），而是清醒、专注、有经验的驾驶员。Waymo必须超越这个标准，才能在人类驾驶已经良好的条件下带来净安全改善。

第六节——证据显示什么

尽管存在复杂性，现有证据在方向上支持以下结论：

结论	置信度	证据基础
Waymo在商业部署条件下显著比平均人类驾驶员更安全	中高	超过3000万英里，伤亡事故率比人类等效低约75%（估计），即使尚未在罕见事件率上达到统计确定性，方向上也是稳健的
特斯拉自动驾驶/FSD在高速公路条件下降低事故	中	特斯拉每英里数据、NHTSA SGO汇总和多项独立分析表明有所改善；选择偏差限制了更广泛的置信度
当前自动驾驶系统存在人类驾驶员没有的故障模式	高	NHTSA调查确认自动驾驶特有的边缘案例：静止紧急车辆、不寻常的道路标记、传感器遮挡、对抗性条件、物体分类中的边缘案例
完全无监督商业自动驾驶最终将可证明比人类驾驶更安全	高（长期）	人类事故的结构性原因——酒醉、分心、疲劳、情绪化驾驶——在完全自主系统中根据定义被消除
我们尚未达到确定统计证明的门槛	高	3000万英里不足以进行死亡率层面的罕见事件率统计；需要超过10亿英里的商业无人驾驶里程才能进行高置信度的死亡率比较

监管意义： 现有证据足以支持在限定地理范围条件下进行有监管监督的商业部署——这正是Waymo、Cruise（暂停前）和其他公司的运营模式。尚不足以支持不限地理范围的全国完全无监督部署，这需要目前公开记录中尚不存在的样本量和条件覆盖度。

发展速度意义： Waymo及其竞争对手积累的每一英里商业无人驾驶里程，都在缩小自动驾驶安全率的置信区间。从”方向性更安全”到”确定性更安全”的路径，以数亿英里商业里程衡量——而这些里程正在积累。完全无监督商业运营的监管审批门槛，很可能首先在自动驾驶拥有最多数据和最清晰安全优势的特定条件下跨越，然后随着新条件数据的积累逐步扩展。

对”自动驾驶是否比人类驾驶更安全？“的诚实回答是：根据最佳可用数据，在其目前运营的条件下方向性是的，但尚未在全范围驾驶条件下有统计证明。 这一区分对监管机构、保险公司和投资者至关重要——也对Physical AI发展速度至关重要。

第七节——关于本系列

这是Physical AI基准系列第92篇。前文涵盖了发展速度指数、人形机器人竞赛、单位经济学、全球竞争、高精地图、软件与空中更新、消费者需求、竞争护城河、安全数据、Waymo Gen 6、Optimus制造、计分卡快照、2030预测情景、投资者框架、城市扩张管线、特斯拉FSD州批准地图、自动驾驶天气限制、监管日历、机器人出租车定价、人形机器人部署追踪、供应链分析、消费者采用需求指数、估值与IPO分析、Physical AI 2026年中回顾、自动驾驶每英里成本分解、自动驾驶数据飞轮比较、Physical AI供应链、自动驾驶车队运营、全生命周期环境成本、无障碍层、地图架构比较、中国自动驾驶竞赛、模拟与合成数据训练、自动驾驶城市规划和城市影响、自动卡车货运经济学、欧洲自动驾驶竞争格局、自动驾驶传感器技术之争、自动驾驶安全指标、自动驾驶人才战、全球自动驾驶监管地图、自动驾驶财务可持续性燃烧率、特斯拉Cybercab vs Waymo Gen 6正面对决（第84篇）、自动驾驶网络安全攻击面（第85篇）、人形机器人商业部署格局（第86篇）、自动驾驶车队电动化与充电竞赛（第87篇）、自动驾驶数据作为业务（第88篇）、自动驾驶保险与责任（第89篇）、无人驾驶舱与乘客体验（第90篇）以及Physical AI投资格局（第91篇）。

本文增加了安全统计维度：人类驾驶基准、监管报告框架、Waymo和特斯拉安全数据分析、比较困难的五个原因，以及带置信度评级的方向性结论。

注意： 安全统计数据、事故率和里程数字是基于截至2026年中公开的NHTSA申报、Waymo安全报告、特斯拉车辆安全报告和加州DMV数据的方向性估计。数据不确定或从公开申报估计的地方，以”（估计）“标注，应视为方向性估计而非确认的确定数字。本文不构成安全认证或监管建议。