# 2.7 亿英里、伤害事故降 82%，但没人数它堵了几次路：Waymo 这份安全数据最该被抄的是方法论 > 82% 与 95% 是硬数字，20 倍优势是硬趋势；但一位教授指出公开数据里没有堵车、没有阻塞应急车辆、没有违规转弯——衡量什么，决定了你能宣称什么。 ### TLDR - **数据本体**：Waymo 最新安全数据覆盖 **2.7 亿+自动驾驶英里**、**5 个运营区域**；相比人类驾驶员，**伤害事故下降 82%**、**严重伤害事故下降 95%**，相当于避免了 **841 起**致伤事故。 - **趋势比数值更有信息量**：Jeff Dean 指出严重伤害事故率优势从早期的约 **10 倍**，到 1.7 亿英里时（2026 年 3 月）**13 倍**，到本次 2.7 亿英里时 **20 倍**——规模扩大，差距在拉大。 - **交叉口径**：另有对三座城市警方报案事故率的分析，Waymo 比人类低 **80–95%**，取决于采用哪个指标。 - **反驳同样重要**：Thomas Dietterich 指出碰撞只是**最严重、也最容易测量**的那一种坏结果，公开数据里没有**堵在路上的车、被阻塞的应急车辆、违规转弯**，并怀疑部分统计收益来自人类司机在机器车周围开得更谨慎。 - **对具身智能的迁移价值**：这套「拿什么当指标」的争议，可直接翻译成机器人验收口径——只统计最严重的失败，等于只给自己看最好的一面。 ### SRC 本文事实来自 Waymo 于近期发布的公开安全数据，经 AGI HUNT 2026 年 9 月 27 日日报收录并二次转述（URL 见 source_url，含 Jeff Dean 对 10×/13×/20× 趋势的对比，以及 Thomas Dietterich 的反驳与另一份三城警方报案事故率分析）。素材时间窗为「前一日 18:00 → 当日 09:00」，该日报为 2026-09-27 期，属窗口内的中文可达转述落点。边界说明：82%/95%/841 起/20 倍等原始数字出自 Waymo 自行发布的安全数据，为单一信源、企业自述口径，本文未找到对应的同行评议复核；三城分析与 Dietterich 的反驳为第三方意见，非官方口径；「人类司机更谨慎」这一解释被提出但未被量化验证。判断均以「判断：」开头。 ### BODY
先把三张表摆出来：数值、趋势、交叉口径
维度数值来源与限定
累计里程2.7 亿+ 自动驾驶英里Waymo 自述，5 个运营区域
伤害事故下降 82%对比同区域人类驾驶员
严重伤害事故下降 95%同上
避免的致伤事故841 起由上述对比推算得出
严重伤害优势趋势10× → 13×（1.7 亿英里，2026-03）→ 20×Jeff Dean 转述
三城警方报案事故率低于人类 80–95%第三方分析，取决于指标选择
表注：全部数值出自 Waymo 公开安全数据及第三方转述，为单一信源口径；不同行的统计对象与基准不完全一致，不可直接相加或互推。

读这组数字，第一眼会落在 82% 和 95% 上。但真正有信息量的是第三行和第五行：841 起是绝对量，20 倍是趋势。绝对量说明规模已经足够大，不再是小样本故事；趋势说明安全优势不是一次性的静态结果，而是随里程累积在扩大——这一点由 Jeff Dean 点出：早期约 10 倍，1.7 亿英里（2026 年 3 月）13 倍，本次 2.7 亿英里 20 倍。

趋势之所以比数值重要，是因为数值可以被基准选择影响，趋势不能。如果对比基准、里程口径、区域构成在三次发布中保持一致，那么 10 倍到 20 倍的上行只能来自两个方向：系统变好了，或者人类基准变差了。Waymo 的解读是前者，下面会看到有人对后者提出怀疑。

反驳击中的不是数字，是口径

Thomas Dietterich 的反驳值得完整读一遍，因为它没有质疑任何一个数字，而是质疑这些数字覆盖的范围。他的原意是：碰撞是最严重、也最容易测量的那一种坏结果；而公开数据里没有三类东西——堵在路上的车、被阻塞的应急车辆、违规转弯。他还对公司的安全文化提出怀疑，认为问题驾驶行为的修复太慢，并提示部分统计收益可能来自人类司机在机器车周围开得更谨慎——等于把一部分安全外包给了人。

判断：这是一次标准的「指标口径之争」，不是「数字真假之争」。当一个系统只被要求在最严重的结果上达标，它就会把所有工程资源投到那一个指标上，代价是其他失败模式无人统计、无人负责。Robotaxi 如此，机器人也如此：只考核「有没有伤人」，等于默许「卡住不动」和「走错路线」不被计入。

把 Dietterich 的三类未统计项翻译成机器人的语言，它们分别对应：任务超时卡死（堵在路上）、阻碍关键通道（阻塞应急车辆）、违反规则的动作（违规转弯）。这三类的共同特征是——不造成事故，但造成损失。对一台在商场做导览的机器人，堵在通道里不算事故，但直接影响客流；对一台在工厂搬运的机器人，卡死不算事故，但直接停线。

衡量什么，决定了你能宣称什么
易测的（会被公开）

碰撞、伤害、严重伤害
——有法定上报口径，数据齐、可比性强

难测的（常被省略）

卡死时长、阻碍通道、违规动作
——需自定义事件定义，跨公司不可比

三城分析给出的 80–95% 这个区间，本身就是一条重要信息：取决于采用哪个指标。同一批数据，换一个衡量口径，结论可以在 80 和 95 之间移动 15 个百分点。这句话应该被所有做对外披露的团队记住——当你的结论对指标选择这么敏感时，正确做法是把指标定义一起公开，而不是挑一个最好看的数字讲。

「人类司机更谨慎」这个解释也值得认真对待。它描述的是一种外部性：机器车的存在改变了周围人类的行为，从而改善了统计结果。如果这个效应真实存在，那么这部分收益不属于系统本身，且会随机器车渗透率上升而衰减——当道路上大部分都是机器车时，没有人可以「更谨慎」了。这个解释被提出但未被量化，本文不做判断，只标注为一项公开存在的争议。

给具身智能的三条可抄写法

把这场争议迁移到机器人行业，可以整理出三条能直接用在验收文件里的写法。

第一，把失败分等级，不要只报最严重的那一档。参照本站此前沉淀的机器人故障三级分类（现场修 / 拆件修 / 只能返厂），再往前加一档「不影响继续运行但造成损失」——卡死、走错、超时。事故是最后一道线，卡死才是日常损失的主要来源。

第二，任何对外数字都要带上基准定义。82% 这个数字只有在「同区域、同里程口径、同期人类驾驶员」三个限定下才成立。机器人领域的对应写法是：任务成功率必须写明换货、换批次、换工位之后是否仍成立——业内已有共识（本站 245 号稿记录的王兴兴 80/80 判据：80% 陌生场景完成 80% 任务），固定场景里训到接近 100% 并不构成能力证明。

第三，把趋势写出来，而不只是一个点。Waymo 最有说服力的不是 95%，是 10 倍到 20 倍这条线。机器人运营同样：单场的成功率没有意义，连续运行 3000 小时之后的第 2999 小时的成功率才有意义。凡是要给客户看的数字，优先给时间序列。

判断：Waymo 的 82% 与 95% 是行业里少有的、敢把对比基准和绝对量一起公开的样本，这一点值得肯定；Dietterich 的批评也不构成否定，而是一次口径校准。对具身智能从业者，这份材料的正确用法不是把它当安全证明，而是把它当模板：照着它的结构写自己的验收口径（数值 + 趋势 + 基准定义 + 未覆盖范围声明），其中「未覆盖范围声明」这一项，恰恰是绝大多数机器人厂商目前完全空白的地方。
来源：Waymo 公开安全数据（2.7 亿+英里，5 个运营区域）；AGI HUNT 2026-09-27 日报收录与转述 https://agihunt.info/en/p/1a0de96686758c2290242af85ee ，含 Jeff Dean 10×/13×/20× 趋势对比、三城警方报案事故率分析、Thomas Dietterich 反驳。单一信源说明：原始数值为 Waymo 自述口径。素材时间窗：前一日 18:00 → 当日 09:00。
--- *来源：神机百见-具身解读 · https://www.shenjibailian.com/jiedu/article/waymo-270m-miles-safety-metrics-embodied-lesson/*