2026-06-18 — views

自動駕駛 vs 人類駕駛安全性——數據真正顯示了什麼

Waymo、特斯拉、NHTSA申報資料：自動駕駛安全數據實際顯示了什麼、為何比較困難，以及對Physical AI發展速度的意義。

Physical AI基準系列第92篇——自動駕駛 vs 人類駕駛安全性：統計案例、為何比較困難，以及數據真正顯示了什麼

「自動駕駛車輛是否比人類駕駛更安全？」是整個Physical AI領域最重要的問題。答案決定了完全無人監督商業運營的監管審批、保險定價、公眾信任，以及最終的Physical AI發展速度。

數據存在於公開資料中——NHTSA Standing General Order報告、加州DMV年度脫離接管申報，以及Waymo自己的安全白皮書。但比較確實複雜。自動駕駛車輛運行的條件，使得與人類駕駛統計數據的直接蘋果對蘋果比較變得困難。

本文呈現誠實的統計案例：數據顯示了什麼、沒有顯示什麼，以及對發展速度的意義。

第一節——人類駕駛基準

在任何自動駕駛比較之前，必須先建立人類基準。美國交通死亡數據主要來自NHTSA的死亡事故分析報告系統（FARS），記錄美國公路上每一起有警方記錄的致命事故。

指標	美國人類駕駛統計（NHTSA估計）
年度交通死亡人數	每年約40,000人（美國，2023-2024年估計）
每1億英里死亡人數	約1.37人/每1億英里（美國平均，估計）
重傷率	死亡率的約8-10倍——估計每年300,000-400,000人重傷
主因：酒駕藥駕	酒精和毒品影響：約佔致命事故38%（NHTSA估計）
主因：分心駕駛	手機使用及其他分心：約佔致命事故8-9%（NHTSA估計）
主因：超速	超速作為導因：約佔致命事故29%（NHTSA估計）
主因：疲勞	疲勞駕駛：約佔致命事故2-3%（NHTSA估計）
市區vs高速公路	市區道路每英里事故率更高；高速公路每英里統計上更安全
時段分佈	夜間（晚9時至早6時）：約佔致命事故49%，遠超其占總駕駛里程的比例

關鍵結構性洞察： 絕大多數人類交通死亡是由自動駕駛車輛本質上不存在的因素造成的——酒醉、分心、疲勞和情緒化駕駛。一個僅消除這些因素的系統，即使在其他方面與清醒專注的人類駕駛員表現相同，估計也能預防目前70-80%的交通死亡。

這是根本的不對稱性：人類駕駛在最差狀態下非常危險。自動駕駛系統，從結構定義上，不可能酒醉、分心或疲勞。比較不是自動駕駛 vs 平均人類駕駛員——而是自動駕駛 vs 人類駕駛行為的完整分佈，包括其最差的尾部。

第二節——監管報告框架

理解自動駕駛安全數據，需要了解公開申報中記錄了什麼，以及沒有記錄什麼。

報告要求	詳情
NHTSA Standing General Order（SGO）	要求自動駕駛運營商在30天內（財產損失）或1天內（安全氣囊展開或住院）報告涉及自動駕駛技術的所有事故。適用於所有SAE Level 2+搭載ADAS/AV系統的車輛。
加州DMV年度脫離接管報告	要求所有持牌自動駕駛運營商報告行駛里程及「脫離接管」——自動駕駛系統脫離或人類駕駛員接管的情況。年度報告。
加州DMV事故報告	涉及持牌自動駕駛車輛的所有事故須在10天內報告。公開數據庫。
NHTSA SGO公開數據	按季度發布；按製造商彙總；包括特斯拉、Waymo、GM Cruise等。
關鍵限制	各申報系統對「事故」沒有統一定義。不同自動駕駛運營商對輕微事件採用不同的報告門檻——使跨運營商比較不夠精確。

監管框架正在改善，但尚未統一。事件定義、報告觸發條件和分母方法論（里程計算方式）在各運營商之間存在差異，使得總體比較更具方向性而非確定性。

第三節——Waymo安全數據

Waymo發布了所有商業自動駕駛運營商中最全面的安全數據，將其在等效地理和交通條件下的表現與人類駕駛基準進行比較。

安全指標	Waymo數據（估計，來自Waymo安全報告）	人類駕駛對比
每百萬英里傷亡事故	約0.41（估計，Waymo商業無人駕駛舊金山/鳳凰城，2023-2024年數據）	約1.64（等效條件人類駕駛員，估計）——Waymo傷亡事故率低約75%（估計）
每百萬英里警察記錄事故	約2.1（估計）	約4.2（人類等效，估計）——Waymo可報告事故率低約50%（估計）
過失事故分析	大多數Waymo事故涉及第三方撞擊Waymo車輛；Waymo車輛在多數案例中被認定無過失	人類：在可比事故類型中過失比例大致各佔50%
商業無人駕駛里程（估計2026年中）	超過3000萬英里（估計）	統計基準對罕見事件高置信度結論需要超過1億英里
地理範圍	舊金山、鳳凰城、洛杉磯、奧斯汀——限定地理範圍的商業走廊	人類數據覆蓋全國，包括鄉村、高速公路、所有天氣條件

Waymo在等效條件下對人類駕駛員的方向性安全優勢，是公開記錄中商業部署自動駕駛最強的安全信號。約每百萬英里0.41次傷亡事故對比可比人類駕駛條件的約1.64次，降低75%——這一信號在多份公開安全報告和外部分析中持續出現。

重要警告： Waymo的商業路線限定在城市商業走廊——這些條件與美國全範圍駕駛不同。城市商業走廊限速更低、交通信號更多，行人活動更頻繁。在某些方面更難（複雜性、密度），在其他方面更容易（沒有高速公路速度、沒有鄉村道路邊界案例、惡劣天氣較少）。每英里死亡率的直接比較必須考慮這種地理選擇性。

第四節——特斯拉FSD安全數據

特斯拉的安全數據在結構上與Waymo不同，因為FSD是一個受監督的系統——駕駛員在法律上仍然負責並必須在場。

指標	特斯拉FSD數據
報告基礎	NHTSA SGO——啟用自動駕駛或FSD時發生的所有事故；駕駛員仍負法律責任
自動駕駛事故率	特斯拉報告啟用自動駕駛狀態下每約550萬英里發生一次事故（估計，2026年第一季度）；美國平均每約67萬英里一次事故（估計）——特斯拉聲稱安全約8倍
關鍵選擇偏差	自動駕駛/FSD主要在中速高速公路上使用——這是最安全的駕駛條件。這種選擇偏差誇大了與美國全範圍駕駛基準相比的明顯安全改善。
NHTSA調查	多項NHTSA對自動駕駛事故的調查，特別是涉及靜止緊急車輛。特斯拉已進行空中更新響應。
誠實解讀	特斯拉受監督的FSD在其使用的特定條件下（高速公路、中等交通）可能確實提高了安全性。在所有條件下是否提高安全性，目前公開數據尚不清楚。

特斯拉每英里安全統計常被引用為自動駕駛安全大幅優越的證據。這是一個真實的信號——但分母（啟用自動駕駛的行駛里程）來自高速公路駕駛，本身已是每英里最安全的駕駛環境。與美國平均事故率（包括所有駕駛條件，包括最危險的城市和鄉村條件）的比較，誇大了可歸因於技術的改善。

第五節——為何比較確實困難

五個結構性原因說明自動駕駛 vs 人類安全比較比表面看起來更複雜：

1. 自動駕駛地理選擇偏差。 自動駕駛商業路線的選擇部分是因為可部署性——良好的道路條件、合理的天氣、已測繪的區域。人類隨機駕駛包括暴風雪、未鋪砌道路、陌生路線和沒有信號燈的鄉村交叉口。這使自動駕駛看起來比純每英里比較所能證明的更安全，因為自動駕駛尚未在最危險的駕駛條件下競爭。

2. 新奇效應。 自動駕駛車輛被周圍的人類駕駛員、行人和騎自行車的人以額外謹慎對待，他們注意到感測器陣列並在其周圍更謹慎地行動。這暫時降低了第三方風險。隨著自動駕駛變得普遍，其他道路使用者的這種行為謙讓消失——由此產生的部分安全優勢也隨之消失。

3. 統計樣本量。 Waymo已積累超過3000萬英里商業無人駕駛里程（估計）。美國人類每年駕駛約3.2兆英里。像死亡事故這樣的罕見事件需要龐大的樣本量才能進行統計上有效的比率比較。在3000萬英里和零死亡的情況下，尚不能以統計置信度聲稱自動駕駛死亡率低於人類基準——只能說與更低的率一致。3000萬英里的死亡率估計置信區間仍然很寬。

4. 事故報告不一致性。 NHTSA的SGO與加州DMV報告捕獲不同的事件。有些運營商報告輕微路緣碰撞和低速財產損失；其他設定更高門檻。彙總所有報告者，數據在運營商之間或與以不同方式衡量的人類基準之間並不完全可比。

5. 正確的比較對象不是平均人類駕駛員。 Waymo在人類駕駛表現通常合理的條件下運營——具有已知道路結構、信號燈和限速的城市商業路線。在這些條件下對Waymo的正確比較，不是美國平均駕駛員（包括酒醉駕駛員、發短信的青少年和農村公路上疲勞的長途卡車司機），而是清醒、專注、有經驗的駕駛員。Waymo必須超越這個標準，才能在人類駕駛已經良好的條件下帶來淨安全改善。

第六節——證據顯示什麼

儘管存在複雜性，現有證據在方向上支持以下結論：

結論	置信度	證據基礎
Waymo在商業部署條件下顯著比平均人類駕駛員更安全	中高	超過3000萬英里，傷亡事故率比人類等效低約75%（估計），即使尚未在罕見事件率上達到統計確定性，方向上也是穩健的
特斯拉自動駕駛/FSD在高速公路條件下降低事故	中	特斯拉每英里數據、NHTSA SGO彙總和多項獨立分析表明有所改善；選擇偏差限制了更廣泛的置信度
當前自動駕駛系統存在人類駕駛員沒有的故障模式	高	NHTSA調查確認自動駕駛特有的邊緣案例：靜止緊急車輛、不尋常的道路標記、感測器遮擋、對抗性條件、物體分類中的邊緣案例
完全無監督商業自動駕駛最終將可證明比人類駕駛更安全	高（長期）	人類事故的結構性原因——酒醉、分心、疲勞、情緒化駕駛——在完全自主系統中根據定義被消除
我們尚未達到確定統計證明的門檻	高	3000萬英里不足以進行死亡率層面的罕見事件率統計；需要超過10億英里的商業無人駕駛里程才能進行高置信度的死亡率比較

監管意義： 現有證據足以支持在限定地理範圍條件下進行有監管監督的商業部署——這正是Waymo、Cruise（暫停前）和其他公司的運營模式。尚不足以支持不限地理範圍的全國完全無監督部署，這需要目前公開記錄中尚不存在的樣本量和條件覆蓋度。

發展速度意義： Waymo及其競爭對手積累的每一英里商業無人駕駛里程，都在縮小自動駕駛安全率的置信區間。從「方向性更安全」到「確定性更安全」的路徑，以數億英里商業里程衡量——而這些里程正在積累。完全無監督商業運營的監管審批門檻，很可能首先在自動駕駛擁有最多數據和最清晰安全優勢的特定條件下跨越，然後隨著新條件數據的積累逐步擴展。

對「自動駕駛是否比人類駕駛更安全？」的誠實回答是：根據最佳可用數據，在其目前運營的條件下方向性是的，但尚未在全範圍駕駛條件下有統計證明。 這一區分對監管機構、保險公司和投資者至關重要——也對Physical AI發展速度至關重要。

第七節——關於本系列

這是Physical AI基準系列第92篇。前文涵蓋了：發展速度指數、人形機器人競賽、單位經濟學、全球競爭、高精地圖、軟體與空中更新、消費者需求、競爭護城河、安全數據、Waymo Gen 6、Optimus製造、計分卡快照、2030預測情景、投資者框架、城市擴張管線、特斯拉FSD州批准地圖、自動駕駛天氣限制、監管日曆、機器人計程車定價、人形機器人部署追蹤、供應鏈分析、消費者採用需求指數、估值與IPO分析、Physical AI 2026年中回顧、自動駕駛每英里成本分解、自動駕駛數據飛輪比較、Physical AI供應鏈、自動駕駛車隊運營、全生命週期環境成本、無障礙層、地圖架構比較、中國自動駕駛競賽、模擬與合成數據訓練、自動駕駛城市規劃和城市影響、自動卡車貨運經濟學、歐洲自動駕駛競爭格局、自動駕駛感測器技術之爭、自動駕駛安全指標、自動駕駛人才戰、全球自動駕駛監管地圖、自動駕駛財務可持續性燃燒率、特斯拉Cybercab vs Waymo Gen 6正面對決（第84篇）、自動駕駛網路安全攻擊面（第85篇）、人形機器人商業部署格局（第86篇）、自動駕駛車隊電動化與充電競賽（第87篇）、自動駕駛數據作為業務（第88篇）、自動駕駛保險與責任（第89篇）、無人駕駛艙與乘客體驗（第90篇）以及Physical AI投資格局（第91篇）。

本文增加了安全統計維度：人類駕駛基準、監管報告框架、Waymo和特斯拉安全數據分析、比較困難的五個原因，以及帶置信度評級的方向性結論。

注意： 安全統計數據、事故率和里程數字是基於截至2026年中公開的NHTSA申報、Waymo安全報告、特斯拉車輛安全報告和加州DMV數據的方向性估計。數據不確定或從公開申報估計的地方，以「（估計）」標注，應視為方向性估計而非確認的確定數字。本文不構成安全認證或監管建議。