Waymo 比人類司機安全 91%？自駕車安全數據的真相與盲點

本文整理自《Freakonomics Radio》2026 年 3 月播出的單集，由 Search Engine 主持人 PJ Vogt 製作的自駕車系列第一集。

{{< youtube HNC7jqVrmq0 >}}

{{< spotify "episode/3Mj14NyewY7vc7GR6cOhKp" >}}

{{< apple-podcast "tw/podcast/are-human-drivers-finally-obsolete/id354668519?i=1000756309578" >}}

---

20% 和 76%

根據數據分析公司 J.D. Power 的調查，沒有搭過自駕計程車的人當中，只有 20% 對這項技術有信心。但搭過的人，這個數字飆升到 76%。Search Engine 主持人 PJ Vogt 自己也有同樣的體驗。他因為受傷行動不便，在舊金山叫了一輛 Waymo。他的描述是：「第一次搭的感覺像第一次坐飛機，第三次搭就像搭電梯。」

這個落差說明了一件重要的事：人類對自駕車安全性的懷疑，主要不是來自數據，而是來自一種本能的不信任。看到一輛沒有人開的車自己在路上跑，腦子裡的第一個反應是「這安全嗎？」而不是「數據怎麼說？」

Freakonomics Radio 最新一集花了大量篇幅拆解 Waymo 的安全數據。節目邀請了 Understanding AI 電子報作者 Timothy B. Lee 一起分析。以下是我從節目和補充調研中整理出的關鍵發現。

Waymo 的安全成績單

先看硬數據。截至 2025 年底，Waymo 的自駕車在沒有人類安全駕駛員的情況下，累計行駛了超過 1.7 億英里。公司定期公布未經刪改的碰撞和安全數據，這點跟 Tesla 形成鮮明對比（Tesla 把事故細節列為商業機密，拒絕公開）。

Waymo 最新報告中最亮眼的數字是嚴重傷害事故：比人類駕駛少了 91%。觸發氣囊的碰撞少了 84%，一般傷害事故少了 73%。即使是最寬泛的指標，也就是警方通報的碰撞事故，Waymo 也比人類少了 48%。

瑞士再保險（Swiss Re）用自己的保險理賠數據做了獨立驗證，不依賴 Waymo 的自我報告。結果方向一致：在 2,500 萬英里的樣本中，Waymo 的人身傷害理賠率比人類駕駛低了 92%，財產損失理賠率低了 88%。

Timothy B. Lee 在節目中確認，這些數據過去兩年的趨勢非常一致。Waymo 的車隊規模在擴大，事故總數也在增加，但每英里的事故率沒有明顯變化。「到目前為止，它比人類駕駛更安全。我認為允許它繼續這個實驗的理由非常充分。」

致命事故的統計難題

安全數據裡有一個關鍵缺口：致命事故的比較。

人類駕駛每 1 億英里大約造成 1.1 起致命碰撞。Waymo 在超過 2 億英里的行駛中，沒有造成任何一起致命事故。但這裡有一個統計學上的問題。2 億英里聽起來很多，但相對於致命事故的極低發生率（每 1 億英里約 1 起），樣本量還不夠大。有學者估計，需要大約 3 億英里才能具有統計上的信心，才能說 Waymo 的致命事故率真的低於人類。

Waymo 在這 2 億多英里中確實牽涉了兩起致命事故，但根據調查報告，兩起都不是 Waymo 造成的。第一起是一輛超速的人類駕駛追撞了停在紅燈前的車流，空駛中的 Waymo 剛好在被撞的車列裡。第二起是一輛 Waymo 正在禮讓行人時被一輛機車追撞，機車騎士隨後又被另一輛車撞上。

節目裡 Timothy B. Lee 的評估是：到目前為止，Waymo 在致命事故這個指標上的表現是「有希望的」，但還不能蓋棺論定。這是一個需要更多里程才能回答的問題。好消息是，以 Waymo 目前每週 50 萬趟的速度，數據會越累積越快。

聖塔莫妮卡的那個早晨

2026 年 1 月 23 日，在洛杉磯聖塔莫妮卡的 Grant 小學附近，一輛 Waymo 撞到了一名 10 歲女童。

事件發生在上學時段。女童從一輛雙排停車的 SUV 後方跑過馬路。Waymo 緊急煞車，將車速從時速 17 英里降到 6 英里以下才撞上。Waymo 聲稱它的反應比人類駕駛更快。女童受了輕傷，撞擊後自行站起走到路邊。

接下來發生的事回答了一個我很好奇的問題：自駕車發生事故後，沒有人類司機在場，怎麼處理？

Waymo 雇用了所謂的「車隊應變人員」（fleet response agents），這些人無法遠端駕駛車輛，但車子如果遇到困惑的情況可以向他們求助。聖塔莫妮卡事故發生後，Waymo 自動聯繫了一名應變人員，應變人員撥打了 911。然後，根據 Waymo 的聲明，這輛車就待在事故現場，等到警方允許它離開為止。一輛沒有駕駛的車，待在現場「等警察放行」，這個畫面有一種難以言喻的詭異感。

美國國家公路交通安全管理局（NHTSA）和國家運輸安全委員會（NTSB）都已對此事件展開調查。結果尚未公布。

5.6 秒和 13 英里

要理解 Waymo 的安全紀錄為什麼值得關注，把它跟競爭對手比一比就清楚了。

2018 年的 Uber 致命事故是自駕車產業最沉痛的教訓。一輛 Uber 自駕車在亞利桑那州坦佩市撞死了推著腳踏車過馬路的 Elaine Herzberg。媒體把焦點放在安全駕駛員用手機看影片上，但更深層的問題在技術和管理。

當時 Waymo 的安全駕駛員平均每 5,600 英里才需要人類介入一次。Uber 的數字是每 13 英里。相差超過四百倍。五個月前，Uber 還不顧內部反對，把車上安全人員從兩人縮減為一人。

事故本身的技術細節更令人膽寒。在 Herzberg 生命最後的 5.6 秒裡，Uber 的自駕系統不斷在「不明物體」「車輛」「腳踏車」之間反覆切換分類，始終無法確定路上那個東西是什麼。在這 5.6 秒裡，車子沒有減速。一個人類駕駛即使在注意力不集中的情況下，看到前方有東西也可能本能踩煞車。但 Uber 的系統連「前方有東西要避開」這個最基本的判斷都做不到。

Uber 在事故後暫停了測試，後來完全退出自駕技術研發。現在回頭跟 Waymo 合作，但只負責提供叫車平台，不再碰技術本身。

這個對比很重要，因為它提醒我們：「自駕車」不是一個單一的技術。不同公司的系統成熟度差異巨大。用 Uber 2018 年的災難來推論 Waymo 2026 年的安全性，就像用 1990 年代的手機來評價今天的 iPhone。

令人不安的邊緣案例

Waymo 的統計數據整體看來很亮眼，但數字無法完全捕捉的，是那些零星但令人不安的邊緣案例。社群媒體上不時出現 Waymo 行為異常的影片：被壞掉的紅綠燈困住動彈不得、擋住救護車的去路、開過正在上下學童的校車旁邊而沒有停車。

節目中 Timothy B. Lee 提到了奧斯汀的校車問題。在美國，當校車停下來伸出停車標誌時，所有車輛都必須停車。這是一條非常明確的規則。但 Waymo 的車有時會忽略它。

Lee 的看法是，這類邊緣案例仍然非常罕見。如果它是千萬分之一的事件，只要 Waymo 持續改進，問題就不大。但他也指出一個值得注意的盲點：Waymo 在「遠端車隊應變人員」的運作上不夠透明。這些人員，部分在美國、部分在菲律賓，具體做什麼、能介入到什麼程度、隨著車隊擴大後能不能維持品質，這些問題 Waymo 沒有給出充分的說明。

機器學習如何學會開車

理解 Waymo 的安全性，不能不談它背後的技術演進。

自駕車的核心任務可以拆成三件事：感知（路上有什麼）、預測（它會往哪走）、決策（我該怎麼做）。在 Waymo 的早期，這三件事主要靠人工撰寫的規則來處理。工程師會定義數千條邏輯：看到紅燈要停、前方車輛煞車要跟著減速、有行人過馬路要讓行。

但規則寫不完所有情境。節目裡，前 Google 自駕車工程師 Don Burnette 舉了一個精彩的例子：側向加速度。上高速公路匝道時，2 公尺/秒平方的側向加速度感覺完全正常。但如果在社區的迴車道做同樣的 U 型轉彎，同樣的物理力道會讓乘客覺得車子瘋了。數字完全一樣，但人類的感受截然不同，因為脈絡不同。迴車道能接受的側向加速度只有匝道的三分之一，大約 0.75 公尺/秒平方。

這種「脈絡決定一切」的問題，靠人工寫規則是寫不完的。Google Brain 團隊在 2010 年代中期開始與自駕車團隊合作，用大量行駛數據訓練神經網路。車子透過觀察數十億個人類駕駛場景，自己學會了什麼情境下該怎麼反應。Waymo 創辦人 Sebastian Thrun 在節目中感嘆：當你把一千億份資料塞給 AI，它的表現會「不可思議地聰明」。

這也解釋了為什麼 Waymo 比 Uber 安全得多。不只是因為 Waymo 更謹慎，更因為 Waymo 的系統已經消化了數十億英里的數據，而 Uber 當年遠遠沒有達到這個數量級。

我的觀察：我們用不同的標準評判新舊技術

拆完 Waymo 的安全數據，有一件事讓我覺得很值得想一想。

美國每年大約有 4 萬人死於車禍。這個數字跟死於槍枝和鴉片類藥物的人數差不多，是全國排名前幾的死因。但社會對此的態度基本上是：遺憾，但接受。很少有人因為這個數字而主張禁止人類開車。

然而，一輛 Waymo 撞到一個小女孩（女孩輕傷，自行走回路邊），全國新聞連播好幾天，聯邦兩個機構同時啟動調查。我不是說不該調查。該調查。但這個反應的強度，跟人類駕駛每天造成的傷亡對比，暴露了一個深層的認知偏差：我們對新技術的容錯空間，遠遠小於對既有技術的容錯空間。

這不是自駕車獨有的現象。核能比燃煤安全得多，但核電廠的事故能讓整個國家改變能源政策，燃煤造成的慢性死亡卻被默默接受。AI 生成一段錯誤資訊會引發輿論風暴，但人類專家每天在電視上講的錯誤判斷卻很少被追究。

Waymo 的數據並不完美。聖塔莫妮卡事件需要徹查。校車問題需要修正。遠端應變人員的透明度需要提高。但如果我們的目標是讓道路更安全、讓更少人死於車禍，那麼評判自駕車的標準應該是「它比人類好多少」，而不是「它是不是零事故」。因為人類駕駛從來就不是零事故，我們只是習慣了而已。