Waymo 1700万公里零死亡，但一份学校门口的刹车记录让它破

「我们不是在证明机器比人聪明，是在证明机器比人更不容易犯困。」Waymo 安全主管在内部会议上说过这话。1700万英里（约2735万公里）的自动驾驶里程，零致命事故，这个数字放在人类司机身上几乎是天方夜谭。但就在 Santa Monica 一所小学门口，一辆以17英里时速行驶的 Waymo 出租车撞倒了一个孩子——刹车踩了，速度降到了6英里，孩子受了轻伤，可调查程序还是启动了。

安全数据漂亮得让人怀疑，事故细节琐碎得让人清醒。这就是 Waymo 现在的处境：一边用92%的严重事故降幅说服监管者和投资人，一边用每一份事故报告回应公众那句「那我的孩子呢」。

一张图里的三个数字

Waymo 的安全报告核心就三张牌。第一张是里程：1700万英里，相当于200个美国人一辈子的驾驶量。第二张是频率：每周400万英里，3000辆车分布在10个城市。第三张是结果：每8天「理论上」阻止一起严重伤害事故。

这三个数字构成了一个完美的传播链条——大到让人记不住，小到可以日常化，最后落脚在一个具体的「救人」叙事上。但「理论上」这个词是 Waymo 自己加的。它假设的是：如果这3000辆车都由人类驾驶，会发生什么。

这个假设没法证伪，也没法证实。你只能选择信或不信。

安全倡导者的质疑集中在数据的「筛选口径」。Waymo 只统计「造成或可能造成严重伤害」的事故，轻微剐蹭、财产损失、无人员受伤的碰撞不在对比范围内。换句话说，你知道它比人类安全92%，但不知道它比人类多撞了多少次护栏。

学校门口的6英里时速

Santa Monica 的事故发生在2025年12月。Waymo 的披露节奏很标准：先公布初步调查结果，强调车速从17mph降至6mph，再说明孩子仅受轻伤，最后补充 NTSB（美国国家运输安全委员会）已介入。

6mph 是什么概念？普通人快走的速度。这个细节被反复强调，几乎成了公关话术的一部分——「看，我们的系统工作了，它把伤害压到了最低」。但另一个细节被轻轻带过了：系统在识别到行人后，为什么没能在17mph之前完成制动？

NTSB 的调查中提到了一个关键词：「学校区域」。这不是普通街道，是限速更低、行人更密集、儿童行为更不可预测的场景。Waymo 的传感器配置——激光雷达、摄像头、毫米波雷达的组合——在理论上对这类环境有专门优化。但「理论上」又出现了。

更微妙的是时间线。这起事故之前，NTSB 已经宣布要调查 Waymo 车辆「驶过学校区域」的行为模式。两起调查并行，说明问题可能不是孤立的。

3000辆车的「幸存者偏差」

每周400万英里，3000辆车，10个城市。把这些数字摊开，Waymo 的运营模式更像是一个精心设计的实验，而非真正的公共服务。旧金山、凤凰城、洛杉矶的测试区域经过严格挑选，天气条件以晴朗为主，道路标线清晰，交通参与者相对「规矩」。

这不是批评，是自动驾驶发展的必经阶段。但问题在于，Waymo 的安全数据被当作「普遍适用」的证据来宣传，而它的运营边界却被有意无意地模糊化。你在凤凰城晴天里测出的92%安全提升，能自动迁移到波士顿的暴风雪夜吗？

安全倡导组织「公路与汽车安全倡导者」的发言人直接点破：「我们看不到完整的数据集，不知道这些车在哪里撞过、为什么撞、后来怎么修的。」Waymo 的回应是发布了一份更详细的技术报告，但关键信息——比如具体事故地点、天气条件、系统决策日志——仍然属于商业机密。

这就形成了一个奇怪的信息不对称：公众被要求相信机器更安全，却无权查看机器「思考」的过程。

「每8天救一个人」的算术题

Waymo 的「每8天阻止一起严重事故」是怎么算出来的？公式并不复杂：先估算人类司机在同等里程下的严重事故率，再乘以 Waymo 的92%降幅，最后除以周里程得到频率。

这个算法的漏洞在于「同等里程」的假设。人类司机的1700万英里分布在各种场景——高速公路、乡村小道、暴雨夜、结冰桥——而 Waymo 的里程高度集中在「友好环境」。用 A 场景的安全数据去预测 B 场景的事故率，统计学上叫「外推偏差」，产品经理叫「乐观估算」。

更实际的问题是：就算这个数字准确，它改变得了什么？一个 Phoenix 的居民不会因为「每8天有个陌生人没被车撞」而感到更安全，他只关心自己过马路时那辆车会不会停下。

Waymo 自己也意识到了这层隔阂。它的安全报告里开始出现更多「用户视角」的描述，比如「乘客反馈显示97%的行程感到舒适」。但舒适不等于信任，信任需要的不只是数据，是「万一出事了我找谁」的确定性。

监管者的两难：快还是慢

NTSB 的介入让 Waymo 陷入一个经典困境。调查本身是中性的，但调查的存在会被解读为「有问题」。公司可以选择配合并沉默，也可以选择主动披露以掌握叙事权。Waymo 选了后者，但披露的内容经过严格过滤——足够回应媒体，不足以满足质疑者。

联邦层面的态度更暧昧。交通部长在公开演讲中称赞自动驾驶「拯救生命的潜力」，但 FDA 式的预审批机制始终没有建立。各州各自为政，亚利桑那州欢迎测试，加州要求更多报告，得克萨斯州干脆放手。Waymo 的安全数据在这种碎片化的监管环境里，既是通行证，也是挡箭牌。

一个未被充分讨论的细节：Waymo 的1700万英里里，有多少英里是「有人监督」的，多少是完全无人？这个区分对安全评估至关重要，但公司从未单独披露。早期的测试车配有安全员，可以在系统犹豫时接管；现在的商业运营车辆已经取消了这个角色。两种模式的事故率是否相同？不知道。

数据透明度的边界，就是企业叙事能力的边界。Waymo 显然更擅长后者。

竞争对手的沉默与喧嚣

Cruise 的退出让 Waymo 成了美国自动驾驶出租车事实上的独苗。这本来是好事——少了分散注意力的对手，监管资源可以更集中。但这也意味着，Waymo 的任何事故都会被放大审视，没有「行业平均水平」可以参照。

Tesla 的 FSD（完全自动驾驶）走的是另一条路。它用消费者车辆收集数据，用影子模式训练模型，用「测试版」标签规避责任。Waymo 批评这种方式「把公众当试验品」，但自己的「每8天救一人」宣传又何尝不是一种道德绑架？——不接受我的技术，就是在放任那些本可被阻止的伤害。

中国厂商的进度是另一个变量。百度 Apollo、小马智行、文远知行在特定城市的运营规模已经逼近 Waymo，但安全数据的披露方式完全不同——更侧重政府背书，更少强调具体数字。这种差异反映了监管文化的不同，也让跨国比较变得困难。

Waymo 的1700万英里在全球自动驾驶里程榜上能排第几？这个问题本身就没有标准答案，因为「里程」的定义、统计口径、验证方式各不相同。

那个孩子的轻微伤

Santa Monica 事故的后续很少被追踪。孩子受了轻伤，家长没有公开起诉，NTSB 的调查报告尚未发布。在 Waymo 的安全叙事里，这是一个「系统正常工作」的案例——识别、减速、碰撞、低伤害。但在另一个叙事里，这是一个「系统本应更早识别」的警示。

两种解读都成立，取决于你站在哪边。Waymo 选择站在数据这边：1700万英里，92%降幅，每8天救一人。批评者选择站在个案这边：那个孩子，那6mph，那所小学。

技术乐观主义者会说，没有零风险的创新。技术怀疑论者会说，没有零代价的信任。Waymo 的处境是，它必须同时说服两种人——用数据说服前者，用透明度说服后者。目前看来，它只做好了前半句。

下一个8天，Waymo 的车队会再跑400万英里。理论上，这足以阻止一起严重事故。但「理论上」这个词，在 Santa Monica 的小学门口，听起来格外轻飘。

如果你住在 Phoenix 或 LA，下次叫车时可以留意一下：Waymo App 的行程结束页面会弹出一个评分框，问你是否「感到安全」。这个设计很产品经理——把抽象的「信任」转化为可量化的「满意度」，再转化为可以汇报的「97%用户感到舒适」。但评分框下面没有留言功能，你不能告诉它，你注意到那辆车在学校区域刹车有点晚。