加载失败
讨论源自Electrek（一个偏向报道电动汽车的媒体）基于NHTSA（美国国家公路交通安全管理局）SGO数据库的汇总文章，称Tesla在奥斯汀的Robotaxi项目一个月内新增5起碰撞并据称事故率约为人类的4倍。评论围绕三大疑点展开：NHTSA条目包含低速刮蹭等传统人类统计通常不计的事件、Tesla对事故叙述的大段删减/保密阻碍独立核验、以及Tesla坚持camera-only的传感器策略与行业内采用LiDAR冗余路线的技术分歧。讨论还涉及安全员（safety drivers）实际作用、样本量与统计可比性、监管与法律责任，以及公众对品牌与CEO个人影响的认知偏差。
报道基于NHTSA SGO数据库条目，指称Tesla在奥斯汀的Robotaxi一个月内新增5起碰撞，引出对厂商与联邦记录的可核查性质疑。评论强调Tesla在向NHTSA提交的事故叙述中大量删减或申请保密，阻碍第三方判定责任与系统失效模式，而Waymo、Zoox等公司则更倾向公开详细叙述以便核验。还有人指出Tesla自报的FSD安全数据口径存在巨大差异（如不同版本/硬件报告出数值相差数千个百分点），在没有统一报告标准时单凭厂商或经删减的联邦记录无法得出可信结论。
反对者认为将NHTSA SGO里的“任何物理接触”（包括1–4mph的倒车擦碰）与传统的人类驾驶统计直接比较是口径不一致的错误。评论指出分子（事故计数）与分母（里程）可能并非同一类里程，例如paid miles与非营运的调度里程常被混用，导致外推估算不可靠。还有人强调样本量极小（仅数起事件、单一区域）且需做严重度分层与匹配暴露分析并用恰当统计检验（如Fisher's exact test）来量化不确定性，否则“4x更差”的结论容易成为夸张标题。
这些Robotaxi实验通常配备安全员，但评论普遍指出安全员角色在实践中多是作为‘紧急刹车开关’而非持续主动驾驶，把复杂监督任务变成高度乏味的监视工作。人类在持续低刺激的监督情境中警觉性会迅速下降，实测经验（如铁路看守案例）表明很难长期保持及时接管能力，因此安全员可能能阻止严重碰撞但对低速、近距或突然的感知失误反应不足。还提到安全员位置与职责随试验扩展而变迁（副驾→驾驶位→远程追车），这反映出测试管理与安全文化同样影响事故率的判读。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6]
大量评论质疑Tesla坚持camera-only（仅摄像头）路线的可行性，认为没有LiDAR和雷达的冗余会留下可预见的盲区和反复失效模式。行业对比中Waymo等公司采用LIDAR+Radar+RGB的多传感器冗余被视为更稳健的工程路线，能提供更可验证的感知数据。另一方面Tesla宣称的“photon counting”摄像头处理方式被讨论为技术主张或营销术语，评论中有工程细节（相机动态范围、传感器质量、硬件版本）被反复拿来说明为何单摄像头在复杂城市环境难以稳定达到L4级可靠性。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6]
许多评论担忧Tesla Robotaxi的负面新闻会损害公众对整个自动驾驶领域的信任，因为普通消费者往往不会区分厂商与实现细节。有人认为Waymo在公众心目中已成为“更安全”的代表，但Tesla品牌长期与Elon Musk高度绑定，其政治立场和媒体战放大了公众认知偏差。讨论也涉及媒体立场（例如Electrek被指有反特拉斯拉倾向）以及公司对媒体策略的历史影响，指出报道方式会放大或淡化风险的感知。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7]
评论把NHTSA允许厂商申请事故叙述保密视为制度性盲点，这导致公众与研究者无法独立核查责任归属与系统失效模式。有人指出美国现有政治/监管环境可能缺乏对新型ADS（自动驾驶系统）做出有力干预的意愿，而欧盟等地区会更早采用强制性披露与安全要求。讨论还延伸到责任归属、车队保险/自保策略以及托管工具（类比deepfake事件）的法律责任，强调只有强制化、标准化的报告与第三方审计才能保护公共利益。
评论频繁以Waymo作为对照点：Waymo公布详细事故叙述、行驶里程远超Tesla的试验规模，并被认为在数据透明与稳步扩展场景方面更保守和更安全。有人提到Waymo每天/每周级别的高里程与碰撞类型（多数为静止状态或可解释事件），这形成了更强的安全证据链；也有评论提醒Waymo并非绝对无误，但在传感器冗余、披露与渐进式部署策略上与Tesla存在明显差距。总体上，Waymo被用来对比Tesla在感知硬件、运营策略与披露透明度上的不足。
部分评论直接呼吁暂停或收紧Robotaxi部署，要求Tesla公开全部事故细节、补齐传感器套件并接受独立审计；另一些人则强调需要更强监管与标准化报告机制来约束试验边界。也有人指出商业与估值压力可能推动提前规模化测试（把风险外部化以维护股价），并质疑车队投保、自保与监管套利如何影响公众安全。总之讨论把技术缺陷、运营管理与商业动机连在一起，认为只有同时改进技术、披露与监管才能缓解风险。
FSD (Full Self-Driving): 特斯拉对外称的自动驾驶软件套件简称FSD，厂商分不同版本和硬件代号发布功能与里程统计，但在实际使用中仍需人为监控，且统计口径存在争议。
Robotaxi: 泛指无人驾驶出租车服务；讨论中常特指Tesla宣布的付费/无监督或受控运营项目及其事故与运营策略。
LiDAR: LiDAR（光学激光测距传感器）通过激光扫掠生成高精度点云，常被自动驾驶公司用作与摄像头和雷达互为冗余的环境感知传感器。
Teleoperation / teleoperator: 远程操控或远程辅助系统：当车辆无法自主处理某些情况时，由远端人员提供控制或高阶指令的方式，用于补偿自动系统短板。
NHTSA SGO数据库: NHTSA（美国国家公路交通安全管理局）SGO数据库是联邦层面收集的ADS相关事故与通报记录，但厂商可基于保密条款对事故叙述进行删减。
自动驾驶等级（L2 / L4）: 行业通用的SAE自动化分级：L2为部分驾驶自动化（仍需人类持续监控），L4为高度自动化（可在限定场景下无需人类介入）。
photon counting: Tesla对其摄像头处理提出的术语，宣称直接利用原始光子级别数据提升暗光与动态范围感知，评论中对此技术细节与实际效果存在质疑。