2026-06-18 — views
Physical AI 安全紀錄——自駕車事故率對比人類駕駛及終極基準
加州 DMV、NHTSA 數據與 Waymo 安全報告揭示：AV 事故率與人類駕駛的差距，以及為何這是 Physical AI 的終極基準。
Physical AI 基準系列第 120 篇——Physical AI 安全紀錄：AV 事故率對比人類駕駛、加州 DMV 與 NHTSA 數據揭示的真相，以及為何安全統計是 Physical AI 的終極基準
每一個自駕車的商業論點——單位經濟效益、監管批准、乘客 NPS、投資者估值——最終都建立在一個根本問題上：自駕車比人類駕駛更安全嗎？這不是次要考量，也不是監管勾選項目，而是整個產業的核心前提。若 AV 無法證明比人類更安全，監管窗口將縮窄、保險經濟惡化、公眾信任崩潰、投資論點瓦解。若能證明更安全，商業模型中的每個變數都會同步改善。安全統計不只是眾多基準之一——它是其他所有基準的依附根基。
本文使用公開可查的數據，建立比較安全統計框架：加州 DMV 年度脫離報告、Waymo 自身安全報告、NHTSA 事故數據，以及 Tesla 向 NHTSA 提交的季度安全報告。目標是釐清 AV 目前相對於人類基準的位置、趨勢線的走向，以及為何安全基準在結構上遠比單純的「每英里事故數」比較更為複雜。
第一節——人類駕駛基準
在評估 AV 安全數據之前，必須先確立 AV 必須超越的基準。美國人類駕駛基準來自 NHTSA 年度交通安全事實數據庫，涵蓋所有道路類型、所有天氣條件、所有駕駛年齡及所有醉駕/分心狀態。這是美國駕駛的全貌——不是精心篩選的理想條件子集。
| 安全指標 | 美國人類駕駛平均值 | 備註 / 來源 |
|---|---|---|
| 每 1 億英里致命事故數 | 每 1 億英里約 1.37 起死亡（NHTSA 2022 數據） | 全國平均值；包含所有道路類型、所有條件、所有年齡及醉駕狀態 |
| 每 1 億英里傷亡事故數 | 每 1 億英里約 77 起（NHTSA 估計） | 傷亡 = 任何需要就醫的事故 |
| 每 1 億英里全部事故數 | 每 1 億英里約 200-250 起（NHTSA 估計，含輕微事故） | 財損 + 傷亡 + 死亡合計 |
| 醉駕貢獻 | 約 37% 的交通死亡涉及酒精（NHTSA） | AV 完全消除此類別 |
| 分心駕駛貢獻 | 約 8-9% 的致命事故涉及分心（NHTSA） | AV 完全消除此類別 |
| 疲勞駕駛貢獻 | 約 2-3% 的致命事故涉及昏睡（NHTSA；可能低報） | AV 完全消除此類別 |
| 人為錯誤整體佔比 | 約 94% 的嚴重事故涉及人為錯誤（NHTSA 估計） | AV 的核心安全論點：消除人為錯誤 |
| 年輕駕駛風險 | 16-19 歲駕駛事故率是 20 歲以上的 3 倍（NHTSA） | AV 無論「年齡」均提供一致表現 |
94% 人為錯誤這個數字是 AV 安全論點的核心依據。若幾乎所有嚴重事故都源於人類決策——醉酒、分心、疲勞、判斷失誤、超速——那麼移除人類控制者的系統在理論上應能消除大多數事故。「理論上」這個詞需謹慎對待：AV 必須消除人為錯誤，同時不引入新的故障模式（感測器失效、軟體邊緣案例、惡劣天氣、不尋常道路配置）。因此安全基準不是「比普通人類更安全」，而是「比普通人類更安全，且不引入新的失效類別」。
第二節——Waymo 安全數據（已揭露）
Waymo 是唯一累積足夠里程並公開安全數據、可與人類基準進行統計意義比較的全無人商業 AV 營運商。截至 2026 年初，Waymo 已累積 5,000 萬英里以上的無人商業里程——樣本量足以進行死亡率和傷亡率比較。
| 指標 | Waymo 已揭露數據 | 與人類基準比較 | 可信度 |
|---|---|---|---|
| Waymo One 無人里程（累計） | 截至 2026 年初超過 5,000 萬無人商業英里（Waymo 公告） | 足以進行統計比較的樣本量 | Waymo 揭露 |
| 每 1 億英里傷亡事故率（Waymo 無人） | Waymo 2023 年安全報告：在可比較城市里程中遠低於人類基準 | 城市人類基準：每 1 億英里約 76 起傷亡事故（估計）；Waymo 遠低於此（已報告） | Waymo 安全報告 |
| 氣囊展開 / 嚴重事故率 | Waymo 報告 2023 年報告期間無人模式下零氣囊展開事故 | 人類基準氣囊展開事故：每 1 億英里約 4-5 起（估計） | Waymo 2023 年安全報告 |
| 報告事故中的責任歸屬 | 加州 DMV 報告的事故中，大多數由對方駕駛造成（追撞停止的 Waymo、闖紅燈衝入 Waymo 路徑） | Waymo 車輛操作保守；更可能被撞而非主動碰撞 | 加州 DMV 事故報告 |
| 脫離率（加州 DMV 報告） | Waymo 在加州 DMV 報告的 AV 公司中脫離率最低之列；2022-2023 年報告持續改善 | 脫離率是系統信心的代理指標（非直接安全指標） | 加州 DMV 年度 AV 報告 |
| 需警察報告的事故率 | Waymo 公開聲明其需警察報告的事故率低於可比較城市駕駛的人類基準 | 城市美國事故率：每 1 億英里約 200 起（所有嚴重程度，估計） | Waymo 部落格揭露 |
| 行人 / 自行車事故 | 截至 2026 年中，Waymo One 無人服務中無行人死亡（估計） | 人類駕駛每年在美國造成約 7,500 起行人死亡（NHTSA） | 估計；Waymo 尚未揭露死亡事故 |
Waymo 2023 年安全報告中零氣囊展開事故的數字特別重要。氣囊展開是高嚴重性撞擊的代理指標——衝擊力足以觸發車輛自身安全系統的事故。人類基準的氣囊展開事故率約為每 1 億英里 4-5 起（估計）。Waymo 在數百萬城市無人里程中報告零氣囊展開，這一安全差距難以單純歸因於樣本偏差。
第三節——Tesla FSD 安全數據
Tesla 的安全數據揭露方式與 Waymo 根本不同。Tesla 向 NHTSA 提交季度安全數據並在官網發布摘要統計，而非向政府數據庫提交全面安全報告。關鍵區別在於：Tesla 的 FSD 系統——包括商業部署的「Full Self-Driving」監督模式——始終有人類安全駕駛在場並能介入。這是監督式自動化系統，而非無人系統。與 Waymo 無人數據的比較需要此方法論說明。
| 指標 | Tesla 已報告數據 | 備註 |
|---|---|---|
| Tesla Autopilot/FSD 事故率（NHTSA） | Tesla 向 NHTSA 提交季度安全數據；2023 年 Q4：Autopilot 下每 570 萬英里 1 起事故 vs 未啟用時每 150 萬英里 1 起（Tesla 季度報告） | Autopilot 包含人類安全駕駛；非完全無人比較 |
| 比較注意事項 | Autopilot 和監督式 FSD 不等同於無人駕駛；人類在監控且可介入；安全效益包含人類干預，不僅是 AI 表現 | 與 Waymo 無人數據的直接比較方法論複雜 |
| NHTSA 調查 | 多起 NHTSA 對 Tesla Autopilot 事故的調查；多起涉及緊急車輛（停放的消防車、救護車）；Tesla 已通過 OTA 更新回應 | NHTSA 尚未判定 Autopilot 有缺陷；調查為持續過程 |
| Tesla 安全聲明 | Tesla Autopilot 下的車輛比美國平均駕駛安全約 4 倍（Tesla 季度安全報告表述） | 方法論爭議：Autopilot 主要在高速公路啟用，事故率本就較低 |
| FSD 無人駕駛（奧斯汀） | Tesla 奧斯汀機器人計程車採用監督式 FSD；無監督無人駕駛操作的安全紀錄尚未公開建立 | 這是關鍵數據缺口；隨奧斯汀規模擴大將逐漸浮現 |
Tesla「安全 4 倍」聲明背後的方法論爭議是真實且重要的。Autopilot 主要在高速公路和受控道路上啟用，而這些本就是低事故率環境。在州際公路上啟用 Autopilot 的駕駛，與在城市交通中手動駕駛的人相比，本就處於較低風險環境。有效比較需要控制道路類型和駕駛環境——而 Tesla 的公開統計未能充分說明這一點。
第四節——為何安全統計是 Physical AI 的終極基準
安全統計在 AV 商業模型中佔據獨特地位：它同時是監管門檻、投資者信心信號、保險定價輸入、公眾信任驅動力，以及核心技術論點的主要驗證。沒有任何其他單一指標具有如此廣泛的下游影響。
| 機制 | 安全數據如何影響商業推進 | 風險 |
|---|---|---|
| 監管門檻 | 一起嚴重的 AV 責任死亡事故可暫停公司整個商業運營待查；加州在 2023 年事故後暫停了 Cruise 的運營 | 一起致命事故 = 數月至數年的監管審查；風險高度不對稱 |
| Cruise 事件先例（2023 年 10 月） | GM Cruise 車輛撞上已被另一輛車擊倒的行人，隨後將其拖行 20 英尺；加州 DMV 在數週內暫停 Cruise 的無人許可證；Cruise 再未恢復商業運營（GM 於 2023 年底關閉該業務） | 行業定義性事件：證明監管機構會對安全事故迅速行動；為所有 AV 營運商設立標準 |
| 投資者信心 | Alphabet 持續對 Waymo 的投資部分依賴於乾淨的安全紀錄；重大責任事故將影響估值和融資 | Waymo 450 億美元以上的估值意味著市場相信安全紀錄將持續 |
| 保險精算數據 | AV 保險公司需要統計數據來準確定價商業車隊保障；更多里程加上乾淨紀錄 = 更低保費（複利經濟效益） | 良性循環：安全 → 更低保費 → 更好單位經濟 |
| 公眾信任形成 | 公眾對 AV 技術的信任脆弱；任何地方的高知名度事故（即使是不同公司）都會損害整個類別的信任 | 行業外部性：Cruise 事件使公眾對 AV 的接受度下降 12-18 個月 |
| 94% 人為錯誤論點 | 若約 94% 的事故涉及人為錯誤（NHTSA），且 AV 消除人為錯誤，理論安全上限巨大；但 AV 也不能引入新故障模式 | 安全基準不是「比普通人類更安全」，而是「比最佳人類更安全且無新故障模式」 |
2023 年 10 月的 Cruise 事件尤其值得關注，因為它確立了整個行業的監管風險模板。一輛 GM Cruise 機器人計程車在舊金山無人駕駛時，撞上了已被另一輛車擊倒並拋入 Cruise 路徑的行人。Cruise 車輛隨後靠邊停車——標準事故後行為——在此過程中將行人拖行約 20 英尺才停下。這一事件的監管後果是毀滅性的：許可證暫停、平行調查、公眾信心崩塌，最終導致 GM 於 2023 年底關閉整個 Cruise 業務。數十億美元的投資、龐大的舊金山車隊，以及多年商業運營經驗——在一起嚴重事故的數月後消失殆盡。
第五節——安全基準評分表：Waymo vs Tesla vs 人類基準
| 安全維度 | 人類駕駛 | Waymo（無人） | Tesla（監督式 FSD） |
|---|---|---|---|
| 醉駕風險 | 存在（約 37% 的死亡） | 已消除 | 已消除 |
| 分心駕駛風險 | 存在（約 8-9% 的死亡） | 已消除 | 降低（人類監控） |
| 疲勞風險 | 存在 | 已消除 | 降低 |
| 每 1 億英里傷亡事故率 | 約 76（城市估計） | 遠低於人類基準（已報告） | 比未啟用 Autopilot 低約 4 倍（Tesla 聲明） |
| 氣囊展開事故率 | 每 1 億英里約 4-5 起（估計） | 無人商業服務中約為 0（已報告） | FSD 未單獨揭露 |
| 行人死亡 | 美國每年約 7,500 起 | Waymo One 無人駕駛中無（估計） | Autopilot 下多起 NHTSA 調查事故 |
| 責任歸屬模式 | 因駕駛而異 | 大多數事故：對方負責（加州 DMV 數據） | NHTSA 調查進行中；緊急車輛事件 |
| 趨勢 | 持平 / 緩慢改善（美國） | 隨里程累積快速改善 | 隨 OTA 更新改善 |
趨勢線與絕對數字同等重要。Waymo 的安全指標隨里程累積而改善——更多里程產生更多訓練數據，進而改善模型，進而改善安全表現。這種複利動態意味著，今日的比較低估了 Waymo 在 5 億英里對比 5 千萬英里時的安全優勢。人類駕駛基準則多年來基本持平——車道偏離警告、自動緊急制動等 ADAS 功能帶來的邊際改善，並未實質移動每英里全國死亡率。
第六節——邁向「可證明比人類更安全」表現的路徑
統計挑戰在於罕見事件——死亡事故——需要龐大的樣本量才能確立信心。美國人類駕駛死亡率約為每 1 億英里 1.37 起（NHTSA 2022）。要以統計顯著性證明 AV 系統的死亡率低於此水準，需要足夠的里程使預期死亡數達到若干起。在 1 億英里時，按人類基準預期死亡數約為 1.37 起——統計力不足以斷定 AV 費率更低。在 5 億英里時，圖像變得更清晰。在 10 億英里時，比較具有統計穩健性。
Waymo 累計超過 5,000 萬無人英里，正在接近傷亡事故率比較具統計意義的區間，但死亡率比較仍受樣本量限制。無人駕駛中無死亡的紀錄是正面信號，但尚未是統計上更低死亡率的證明——它與「系統戲劇性地更安全」和「系統略微更安全且尚未碰上死亡概率」兩種解釋均相符。在 5 億英里零死亡時，後者的解釋將變得極不可能。軌跡指向可證明性。
注意： 標註「（估計）」的所有數字均來自截至 2026 年中的公開監管文件、公司公告、安全報告和行業估計。NHTSA、Waymo 和 Tesla 引用的安全統計反映各自在所述日期的已發布數據。事故率為方向性比較；公司揭露與 NHTSA 人口數據之間的方法論差異影響直接比較。本文不構成投資或法律建議。
來源
- NHTSA 2022 年交通安全事實 — NHTSA ↗
- Waymo 2023 年安全報告 — Waymo ↗
- Tesla 季度安全報告 — Tesla ↗
- 加州 DMV 自駕車測試年度報告 — 加州 DMV ↗
- NHTSA 自動駕駛系統調查 — NHTSA ↗