2026-06-18 — views
自動駕駛安全數據比較——NHTSA SGO 事故報告、每百萬英里碰撞率與法規擴張準備度
NHTSA SGO 碰撞數據比較：Tesla FSD 對 Waymo 事故率、正規化說明，以及數據對許可擴張的意涵。
實體 AI 基準系列第 19 篇
本篇是系列中最具量化性質的一篇。NHTSA 的「常設一般命令」（Standing General Order，SGO）於 2023 年建立了美國首個針對自動駕駛系統的強制標準化碰撞數據庫。對於 Tesla FSD、Waymo 及其他自動駕駛業者的安全數據，首次有了官方的比較基礎——雖不完美，但屬強制申報。本文解析數據所呈現的內容、讀取數據時需要的正規化方法，以及這些數據對法規許可擴張的意義。
第一節——NHTSA SGO 2023：申報要求
NHTSA 常設一般命令自 2023 年 6 月起生效，要求所有搭載 SAE Level 2 以上自動化系統的車輛製造商申報：
- 任何導致死亡、住院、安全氣囊展開或需要就醫之受傷的碰撞事故
- 任何涉及弱勢道路使用者（行人或自行車騎士）的碰撞事故
- 事故發生後 30 天內提交報告（若有死亡則需 24 小時內提交）
SGO 涵蓋所有自動駕駛業者——包括 Tesla FSD 和 Autopilot 等消費者 L2 系統，以及 Waymo Driver 等完全無人駕駛 L4 商業車隊。這是美國首個針對自動駕駛系統的強制、可比較碰撞數據庫。
關鍵正規化說明——這是本文最重要的框架：
Tesla 申報其 L2 自動化系統（FSD 和 Autopilot）行駛的所有里程，包含數億英里需要持照駕駛人在場監督的消費者里程。Waymo 則僅申報商業無人駕駛運營，車內無任何人類監督員。這兩者的運作條件存在根本差異。若無此正規化前提，Tesla 與 Waymo 之間的每英里比較便毫無意義。未考量行駛里程、自動化等級及有無人類監督員的原始碰撞次數比較，並不構成有效的安全比較。
第二節——NHTSA SGO 公開數據摘要
下表彙整截至 2024 年底公開申報的 NHTSA SGO 數據。所有數字均源自 NHTSA SGO 公開披露及各公司公開安全報告，估算數字均已標示。
| 公司 | 系統 | 申報里程 | 申報碰撞次數 | 安全氣囊展開 | 受傷人數 | 死亡人數 | 備註 |
|---|---|---|---|---|---|---|---|
| Tesla | FSD/Autopilot（L2） | 逾 5 億英里（累計估算，截至 2024 年） | 逾 1,000 件（SGO 申報） | 數百件 | 數十件（已申報） | 數件（依 NHTSA 數據，均涉及駕駛人注意力不集中或邊緣案例） | 含人類駕駛監督的消費者里程 |
| Waymo | Waymo Driver（L4） | 逾 3,000 萬英里商業無人駕駛 | 30 件以下（公開報告） | 極少 | 極少（輕傷） | 0 件（無人駕駛模式確認無死亡） | 完全無人駕駛，無人類監督員 |
| Cruise | L4（已暫停） | 逾 500 萬英里（暫停前） | 多件（含 2023 年 10 月行人拖行事件） | 數件 | 數件 | 0 件（自動駕駛模式） | 2023 年 10 月加州吊銷許可 |
每百萬英里事故率比較（公開申報數據，已正規化）：
- Tesla FSD：約每百萬英里 2 件以上碰撞（L2，人類監督員在場，基於 NHTSA SGO 數據）
- Waymo：約每百萬英里不足 1 件碰撞（L4，完全無人駕駛，基於 NHTSA SGO 數據）
- 美國人類駕駛基準：約每百萬英里 4.2 件碰撞（NHTSA 基準）
Tesla FSD 和 Waymo 的申報事故率均低於美國人類駕駛基準。然而，此比較並非等量齊觀：Tesla 的 L2 事故率涵蓋有監督的消費者駕駛（人類在回路中，對車輛負有責任）；Waymo 的 L4 事故率則為完全無人駕駛的商業運營。在有人類監督的 L2 系統中，較低的事故率是預期中的——人類駕駛才是主要安全保障。對自動駕駛安全而言，更具意義的比較是 L4 無人駕駛事故率與人類基準的對照。
第三節——數據對法規擴張的意義
加州 DMV、NHTSA，以及亞利桑那州、德克薩斯州和內華達州等各州的自動駕駛主管機關，均以安全數據作為許可擴張決定的主要門檻。
Waymo 的擴張論據：
截至 2026 年中，Waymo 在逾 3,000 萬英里商業無人駕駛里程中零死亡確認的紀錄，是全球任何商業自動駕駛業者中最強的安全記錄。加州 DMV 和亞利桑那州 DMV 均已在許可決定中引用這一紀錄。此數據支持 Waymo 目前在舊金山、鳳凰城、洛杉磯和奧斯丁的多州擴張策略，因為安全紀錄為監管機構提供了統計上有意義的評估數據集。
Tesla 的法規路徑：
Tesla 的 SGO 數據因 L2 與 L4 的區別而變得複雜。監管機構在核發無人駕駛商業許可前，需要 L4（無人類監督員）安全數據。Tesla 逾 5 億英里的 L2 FSD 數據展示了在人類監督下的軟體能力，但並未直接回答監管機構的核心問題——FSD 在無人在車情況下是否安全。截至 2026 年中，Tesla 尚未積累足夠的 L4 商業無人駕駛里程，以滿足無人駕駛許可的監管評估框架。這是 Tesla 法規路徑中最大的數據缺口。
Cruise 的教訓：
2023 年 10 月的行人拖行事件——Cruise 車輛在撞上行人後未能停車，將傷者拖行約 20 英尺——不僅是一次安全失誤，更是一次事故響應失敗。Cruise 未能及時、完整地向加州 DMV 披露事件。2023 年 11 月隨之而來的許可吊銷，與其說是事故本身引發的，不如說是事故響應不當所導致的。Waymo 對此事件的回應是發布更詳細的安全透明度報告。所有自動駕駛業者的教訓：監管機構信任是透過數據透明度逐步建立的，任何隱瞞的跡象都會迅速摧毀這種信任。
第四節——每百萬英里事故率趨勢（Waymo 估算）
下表顯示 Waymo 商業無人駕駛事故率隨時間改善的估算情況。Waymo 不公布精確的每英里事故率；以下估算源自公開安全報告、SGO 數據及業界分析。所有數字均為估算值。
| 時期 | 每百萬英里事故率（估算） | 關鍵運營變化 |
|---|---|---|
| 2020–2021（商業初期） | 3–5（估算） | 初期商業運營，小範圍地理圍欄 |
| 2022 | 1–2（估算） | 軟體改進、地圖優化、車隊擴張 |
| 2023 | 不足 1（估算） | 在既有地理圍欄內的成熟運營 |
| 2024–2026 | 不足 0.5（估算，成熟市場） | 第五代車隊、高置信度運營區域、擴展地理圍欄 |
公開數據所呈現的趨勢是持續改善，與各城市的軟體成熟度和累積運營經驗高度相關。這一趨勢正是 Waymo 向監管機構申請許可擴張時所倚重的核心量化論據。
第五節——安全作為法規貨幣
NHTSA SGO 框架實際上創造了一個安全數據市場：積累更多無人駕駛里程且事故率更低的公司，能更快地獲得監管信任。下表彙整目前各業者的狀況。
| 公司 | 安全記錄 | 許可狀態 | 擴張準備度 |
|---|---|---|---|
| Waymo | 無人駕駛零死亡；每百萬英里不足 1 件事故（估算） | 4 個州的完整無人駕駛商業許可（加州、亞利桑那州、德克薩斯州、內華達州） | 高——安全數據直接支持新城市許可申請 |
| Tesla | 強勁的 L2 監督數據；L4 無人駕駛數據有限 | 無無人駕駛商業許可（L4 數據尚未積累） | 中——需要大量 L4 商業里程才能申請加州及多州無人駕駛許可 |
| Cruise | 嚴重事故加上事故響應不當（2023 年 10 月） | 加州許可吊銷（2023 年 11 月） | 需要全面的安全文化改革及監管信任重建方可復業 |
| 百度 Apollo Go | 中國安全記錄強（逾 600 萬次無人駕駛乘車） | 僅限中國；無美國許可 | 若無 NHTSA SGO 參與及美國運營數據，不適用於美國市場擴張 |
從 SGO 數據浮現的量化標準：
目前沒有任何監管機構公布明確的安全門檻——即每百萬英里事故率低於某個數字便自動獲批許可。但加州 DMV 決策的軌跡隱含著一個非正式標準：在大量無人駕駛里程（逾 1,000 萬英里）中保持零死亡且事故率呈下降趨勢的業者獲准擴張；有未解決事故或透明度不足的業者則不獲批准。
SGO 數據並不完美——某些維度仍屬自願申報，各業者的格式不統一，且存在 L2 與 L4 的正規化問題。但它是美國針對自動駕駛系統現有的唯一強制、標準化安全數據庫，也是當前許可決定的主要證據基礎。在安全數據品質和透明度上投入的公司——不只是在安全表現上——正在建立決定其擴張速度的監管資產。
本文在系列中的位置
本篇為實體 AI 基準系列第 19 篇。系列迄今涵蓋：
- 第 1–9 篇：技術、法規、資本與主要評分卡
- 第 10–13 篇：四項供給側結構性制約（高精地圖、遠程操作、OTA、FMVSS）
- 第 14 篇：整合四項制約後的更新評分卡
- 第 15 篇：需求側——乘車體驗、採用曲線與定價
- 第 16 篇：供應鏈——製造夥伴、車隊運營與分發生態系
- 第 17 篇：投資級競爭護城河分析——持久性與暫時性優勢
- 第 18 篇：Tesla Cybercab 對 Model Y 機器計程車——兩款車、兩條時間線、一條量產路
- 第 19 篇（本篇）：自動駕駛安全數據——NHTSA SGO 報告、每百萬英里碰撞率與法規準備度