Waymo受伤事故率比人类低5倍，为什么还跑不过一辆Lyft？

人类司机平均每开1亿英里，才出1起致死车祸。Waymo的无人驾驶里程刚过2000万英里，致死事故为零。这个零听着漂亮，样本量还不足以下结论。更扎心的对比在别处：Timothy B. Lee在旧金山养成了一个习惯，每次叫Waymo，同时打开Lyft查同一段路。结果很稳定，Waymo贵一点，还慢5到10分钟。走高速的长途差距更大，有人测过同一条路线，特斯拉上高速20分钟，Waymo绕地面街道40分钟，差一倍。

这是Cognitive Revolution播客2024年8月7日一期的内容。主持人Nathan Labenz请来Timothy B. Lee，科技通讯《Understanding AI》的作者，从2016年起追踪自动驾驶行业，几乎踩着这波浪潮的每个节点。两个人聊了两个小时，技术路线、安全数据、监管现状翻了个底朝天。下面把干货捡出来。

方向盘后面有没有人，就是两种车

行业通行的SAE分级把自动驾驶从L1排到L5。Tim觉得这套分级没什么用，尤其L3，车开为主、人随时准备接管，听着两全，实际是体验和安全的双重噩梦：车突然把控制权丢回来，你正扭头给孩子系安全带，哪来的上下文做正确决策。

他给了一个更简单的分法，全世界的车就两种。一种叫驾驶辅助，特斯拉FSD属于这类，系统可以干很多活，但责任在你，手放方向盘，眼看路面，出了事故你赔。另一种叫无人驾驶，Waymo属于这类，方向盘后面没人，出了事故公司担责，目前都带地理围栏，只在划定服务区里跑。

判断一辆车属于哪类，就问一句：撞了之后，被起诉的是车主还是公司。特斯拉的系统再先进，出了事故它照样说是你没盯着。至于L5那种「去哪都行」的车，Tim认为是个伪概念。他打了个比方，像手机信号，荒郊野外没基站就是没信号，没人因此说手机是假的。无人驾驶车也一样，永远有服务区，值得问的只有一个问题：服务区有多大。

两种车的实际体验，两个人都亲测过。Nathan去年开特斯拉FSD跑了8小时往返，送祖母回家。系统盯人盯得极严，后视镜摄像头监视你是否清醒，方向盘要求持续施加一点扭矩，走神就靠边退出。整体表现让他印象深刻，出错的全是模糊场景：一个朝向有歧义的停车标志，一次在高速匝道上不该停却停了。还有个细节，他沿用了邻居的默认设置，车速比限速高20%，夜里冒雨以84英里的时速跑在限速70的高速上，事后想想有点后怕。

Tim今年3月在旧金山开了45分钟FSD，接管两次：一次转弯时差点撞上自行车道的塑料隔离桩，一次走错车道往车流里硬并，后车喇叭按成一片。Waymo这边是另一种画风，Tim坐了9次、累计3小时，没见过哪怕一次小失误；Nathan坐了约1小时，觉得比普通Uber司机还稳。两人提到同一个细节：头一两回全程紧盯着看，到第五六次就开始看书刷手机了。众包数据也印证差距，最新版FSD大约每300英里需要人类接管一次，而Waymo早在2016年就做到了每5000英里一次，那时它还叫谷歌自动驾驶项目。

卡住行业的，是最后0.1%的离奇场景

2017年2月，谷歌自动驾驶项目向加州监管机构报告，2016年安全员平均每5000英里接管一次。管理层觉得成了，2018年向克莱斯勒和捷豹下了6万辆订单，真心以为全国性的无人出租车近在眼前。结果2018年上线的服务带了两年的安全员，2020年才去掉人，之后又蛰伏两年才真正起量。

为什么？Tim把原因集中在边缘场景，最典型的是车祸和火灾现场。平时开车有车道有红绿灯，规则清晰。到了事故现场，警察用手势指挥交通，每辆车行为都不一样，系统得做反事实推理：这辆车想并出去，我得让；这个手势是让我停。这种场景可能每1万到10万英里才遇到一次，有安全员时无所谓，真无人驾驶就必须自己扛。一辆99.9%场景都能应付的车，真上路还是会频繁卡死，偶尔还会撞人，这远远不够。Waymo过去五年干的事，就是从99.9%爬到现在这个接近可用的位置。

特斯拉为什么追得慢？Tim给了一个数据层面的解释。这类场景太罕见，攒够训练数据需要海量里程。真车祸现场有几十辆车乱停乱放，测试场里雇人演警察，演不出那种混乱。更麻烦的是，特斯拉车主的本能是看到前方有事故现场就提前关掉FSD自己开，系统连犯错的机会都没有，也就拿不到「我在真实场景里怎么错的」这条关键数据。人类接管后的驾驶数据当然也录，但很多问题的答案要等3秒后才揭晓：刚才那个决定，会不会让三个路口外的交通打成死结。

顺带拆一下这些系统的内部结构。主流技术栈大致三层：感知层把传感器数据变成世界模型，标出每个物体的位置、速度和类型；预测层推演未来1到3秒世界会变成什么样；规划层在此基础上找一条不撞车的路。五到十年前，这套栈里塞满了手写规则，如今越来越多环节换成了神经网络，但仍是屈指可数的几个网络分工协作，没人做到一个大网络从传感器直通方向盘。Tim对此并不意外，自动驾驶需要的可靠性远高于语言模型，你得能检查它是不是真的看见了那个物体、预测得靠不靠谱，全黑箱就没法验证了。

激光雷达之争，其实是生意之争

传感器路线的分歧被讨论烂了。特斯拉纯视觉，8到12个摄像头，雷达前两年也拆了。Waymo三样全上：车顶一个长距激光雷达，车身四周4到6个短距广角激光雷达，专门盯着车边有没有小孩和宠物，再加一批摄像头和雷达，全车20到30个传感器。

Tim不认同「摄像头已赢」的流行说法。激光雷达靠激光往返时间直接测距，摄像头拍到二维图像，距离靠算法推算。平均情况下两者差距不大，要命的是长尾：视觉算法看走眼时，认错物体和测错距离这两个故障是相关的，会一起发作；激光雷达再笨也会告诉你，前方多少米有个多大的东西。

「如果我是自动驾驶公司的CEO，我会对纯视觉路线非常紧张。它可能99%的时间没问题，剩下1%出错的时候，我的公司会吃上一张1000万美元的账单。」

当然这是经验问题，特斯拉如果两三年内持续快速进步，也许真能证明摄像头就够了，目前它还没证明。但Tim点破了这场争论的底色：商业模式。2016年特斯拉开卖「FSD-ready」车型时，激光雷达一个5万美元，只有一到三成的买家会购买FSD，这生意没法做。Waymo是垂直整合的出租车生意，几百辆车，装得起贵传感器，赌的是量产之后价格掉下来。它的数据量比特斯拉小，质量却更高：激光雷达测量准，职业安全员逐条标注接管原因，是「系统犯错了」还是「安全员想上厕所」，信号清清楚楚。

顺带一提，被吐槽得很凶的高精地图成本，Tim认为被夸大了。他今年3月参观Waymo，看到后备箱里装着硬盘，每晚把车辆采集的数据传回总部。车队天天在路上跑，地图采集几乎是顺手的活。

安全账本要这么读

先立基准。人类司机大约每1亿英里出1起致死事故，每35万英里出1起受伤事故，每20万英里出1起需要警方报告的事故。Waymo去年12月的报告覆盖700万英里，发生2到3起受伤事故，折合每240万英里1起，对比同区域同类型道路的人类司机，受伤事故率低约5倍，警方报告事故率低约2.5倍。更妙的是他们和瑞士再保险合作的版本：这家再保险公司手里有全美多年的车险报案数据库，拿Waymo运营的具体街区做逐一对齐的比较，结论类似。让一家要给风险定价的金融机构署名，比自卖自夸有说服力得多。

但Tim提醒，致死事故那一级还不敢下结论。严重事故太稀少，可能存在某种每5000万英里才触发一次的随机bug，和低级别事故率完全不相关。他的判断是Waymo大概率更安全，可能安全不少，但要等几亿英里的里程积累才有统计意义。

特斯拉官网的数据是开着Autopilot每750万英里出1次碰撞，远好于人类平均。Tim的质疑在于里程分布不透明：高速上事故少但最致命，城市街道事故多，用户大概率在最安全的环境开Autopilot，复杂路况自己来，这个数字可能只是反映了使用场景的选择，特斯拉也没把数据交给第三方校验。

还有一个常见的认知陷阱：试驾20英里零失误，什么都说明不了。人类司机99%的20英里行驶也不出错，想知道一辆车是否达到人类水平，得开几千英里。

监管没挡路，Cruise栽在态度上

很多人默认自动驾驶被监管卡死了，Tim给出的图景几乎相反。美国联邦层面管车辆设计，走车企自我认证：NHTSA发布联邦机动车安全标准，车企自己测试、自己申报达标。Waymo买一辆已认证的车，加装传感器和计算设备就行。州层面管驾驶，加州最严，要报告、要牌照，但牌照并不难拿；德州基本随便跑。加州几个月前刚批准Waymo把服务区扩到整个旧金山半岛直到硅谷，Waymo至今没启用，原因纯粹是他们自己觉得高速还没准备好。

反例是Cruise。2023年10月，一辆人类驾驶的车撞飞一名女性，她弹落到Cruise车前，Cruise没能及时刹停，停车后又自动靠边，把她拖出去好几英尺。更致命的是后续处理：监管机构称Cruise只提交了撞击片段，没提交拖拽片段。此前还有挡路救护车的争议，Tim找他们要过一段内部视频，对方条件是不能截图、不能引用，连示意图都不给。他的形容是，Cruise进入了辩护律师模式。真正激怒监管者的，一两次事故之外，更是一贯的遮掩。Cruise随即停摆，如今在休斯顿、达拉斯、菲尼克斯带着安全员重新测试，落后Waymo三四年。

至于Waymo，扩张慢的原因很朴素：技术没完全到位，重资产模式扩张本来就慢。一年前每周约1万单，现在约5万单，一年涨了5倍。还有一个少有人知的细节：Waymo的后台没有人远程开车，车辆拿不准时，会向远程团队提问，「我打算这么走，安全吗」，得到确认再动。真正的爆发点在高速，Waymo的城市策略是拿不准就停，城市街道上这招安全有效，70英里时速的高速上急刹等于找撞，它得学会驶向应急车道或最近出口，凤凰城的高速测试今年已经启动。Tim的判断很直接：搞不定高速，这生意就赚不到钱。

这条赛道上还有别的选手：亚马逊旗下的Zoox还在测试阶段，没开始真正的无人驾驶运营；英国公司Wayve几个月前融了约10亿美元，押注端到端大模型路线；Aurora准备年底在休斯顿和达拉斯之间跑无人卡车；Nuro在做洗衣机大小的配送机器人。中国的百度等公司部署规模不小，但缺少独立信源，安全记录难以核实。

明天就能用上的几件事

聊了两个小时，Tim留给普通人的判断框架其实很清晰。

• 买车看责任，别看宣传词。只要出事故后担责的是你，它就是驾驶辅助，方向盘后面的你不能真撒手。想体验真无人驾驶，目前只有Waymo服务区里的打车App，凤凰城、旧金山、洛杉矶、奥斯汀。
• 评估任何自动驾驶演示，先问里程。20英里的完美体验没有意义，要看几千英里量级的接管率和事故率，还要看数据有没有第三方背书，瑞士再保险署名的报告和公司自报的数字，含金量不同。
• 别等L5。无人驾驶会像手机信号一样按服务区扩张，值得追踪的指标很明确：Waymo什么时候搞定高速，什么时候开进你的城市。

Tim自己押的时间线是：Waymo再以每年5倍的速度涨两三年，服务区铺开，之后车企会把无人驾驶订阅功能装进新车，按月付费，那大概还要10年。至于特斯拉的无人出租车愿景，他持保留态度，车在路上爆了胎，车主还在外地度假，谁来处理？这需要一套运维网络，特斯拉目前没建。顺便说一句，特斯拉已把FSD从一次性1.5万美元改成按月订阅，Tim认为方向是对的，服务就该收订阅费。

至于谁来干修车、调度这些脏活，Tim也没答案。谷歌习惯了高毛利生意，他甚至担心一种局面：Waymo技术完美，成本却比Uber运营高出50%。可能的出路是特许经营，或者把运力交给Uber这样的平台，毕竟双边市场的烧钱大战，Uber和Lyft已经替所有人打过一轮了。自动驾驶这场仗，技术只解决一半，另一半全在这些不起眼的活上。