Reuters: Tesla FSD safety data lacks credibility

•路透社調查指出，特斯拉聲稱FSD比人類駕駛安全十倍的說法，是透過將FSD觸發安全氣囊的事故率與涵蓋所有需要拖車處理的聯邦事故數據進行不對等比較，導致其安全優勢被誇大約三倍。
•特斯拉在比較FSD安全性時，也未考慮其車隊平均車齡（約4.1年）遠低於美國整體車輛平均車齡（約12.8年）的事實，因為新車通常配備更多主動安全功能，本身事故率就較低。
•多名前特斯拉數據標註員和工程師透露，FSD在實際操作中仍難以處理基本任務，例如避讓緊急車輛、在校車停靠時停車，甚至曾有影像顯示FSD車輛撞擊動物或險些撞到兒童。
•為準備公開展示和Robotaxi服務（如2023年奧斯汀試點），特斯拉員工需花費數月時間人工繪製路線並針對特定情境訓練軟體，這種高度依賴人工干預的模式被認為無法大規模部署。
•美國國家公路交通安全管理局（NHTSA）目前正對FSD和Autopilot進行多項調查，包括FSD可能導致交通違規行為以及2023年Autopilot召回的充分性，顯示監管審查日益加劇。

📊 競品分析▸ Show

特性/指標	Tesla FSD (監督式)	Waymo (完全自動駕駛)
安全數據比較方法	將FSD觸發安全氣囊的事故率與涵蓋輕微事故的聯邦數據比較，且未考慮車隊車齡差異，被指存在誤導性。	採用更嚴謹的方法，將其完全無人駕駛車輛與同一市場內人類駕駛車輛在相同道路和社區環境下的事故率進行對比，並聚焦嚴重事故指標。
數據透明度	未公開原始事故數據，也未接受同行評審。	公開更多事故數據，並接受同行評審。
感測器策略	「純視覺」（Vision Only）策略，主要依賴8個攝影機和AI，已取消雷達和光達。	通常採用多重感測器融合，包括光達（LiDAR）、雷達和攝影機，以提升冗餘性和安全性。
Robotaxi車隊規模 (德州, 2026年5月)	德州獲准運營的Robotaxi僅42輛。	德州獲准運營的Robotaxi達577輛，遠超特斯拉。
技術成熟度	仍需駕駛員全程監督，內部員工對其大規模安全部署表示懷疑。	已在多個城市提供完全無人駕駛服務，無需人類安全員。

特斯拉FSD的核心是「純視覺」（Vision Only）策略，完全依賴8個攝影機和人工智慧進行環境感知，已取消雷達和光達。
系統採用端到端（End-to-End）神經網絡模型，將感知、決策到控制的整個過程由統一的AI模型完成，大幅減少了模組間的錯誤傳遞，並降低對C++程式碼的依賴。
FSD v12版本（2024年初推出）的決策高達99%由神經網絡直接產生，使其更接近人類大腦的運作方式，能從攝影機影像直接輸出車輛控制指令。
FSD系統的輸入包括來自多個攝影機的像素資訊、車輛運動學訊號（如速度）、音訊以及地圖/導航資訊，並輸出車輛控制指令。
特斯拉自主開發了FSD電腦（HW3/HW4）和Dojo超級電腦，用於高速學習海量的駕駛數據。
最新一代FSD硬體4.0（HW4.0）於2023-2024年逐步應用，將攝影機解析度從120萬像素提升至500萬像素，視覺感知距離從約250米擴展到424米。
FSD v14版本（2026年初）被描述為「端到端成熟版」，整合了Grok以實現意圖理解和決策可解釋性，能夠將模糊的用戶指令轉譯為可執行的駕駛條件，並解釋其駕駛決策。

監管審查將持續加劇

由於對FSD安全數據和實際表現的質疑，監管機構（如NHTSA）將繼續對特斯拉的自動駕駛技術施加壓力，可能導致更嚴格的法規和潛在的召回。

特斯拉需調整其行銷策略與數據透明度

為重建市場信任並避免法律風險，特斯拉可能被迫更正其FSD的命名和安全聲明，並公開更透明、可比的事故數據。

自動駕駛技術的商業化進程將受影響

FSD大規模安全部署的挑戰以及Robotaxi車隊規模的落後，可能延緩特斯拉在自動駕駛服務領域的商業化進程和市場擴張。

2016-10

特斯拉宣布所有新車都將配備支援全自動駕駛的硬體（HW2）。

2020-10

FSD Beta 版向部分車主發布。

2021年中期

特斯拉推動「Tesla Vision」策略，全面取消雷達，轉而完全依賴攝影機。

2024-01

特斯拉推送FSD v12版本，採用端到端神經網絡模型，大幅減少C++程式碼依賴。

2026-03

美國國家公路交通安全管理局（NHTSA）將對Tesla FSD的調查升級至工程分析，涵蓋約320萬輛車。

2026-05

路透社發布調查報告，質疑特斯拉FSD的安全數據可信度，並指出內部員工對其安全性表示懷疑。

路透社：Tesla FSD 安全數據缺乏可信度