Tesla Robotaxi 安全最近多了一個很容易被誤讀的里程碑：Tesla 在 2026 年第二季官方電話會議表示，無人監督 Robotaxi 已累積超過 38 萬英里，並把這段紀錄描述為零起「notable incidents（值得注意的事故）」。這是值得肯定的早期訊號，但它不能證明車隊已經比人類安全 10 倍，更不能把第一次致死事故精確排進某一季。
先說結論：Poisson 公式可以算出條件機率，公開資料卻不足以識別日期。原因不是數學太難，而是分子、分母、肇責與營運範圍沒有對齊。即使暫時接受風險率固定的理想模型，在 2024 年全美道路死亡率下，38 萬英里沒有致死事件的機率本來就約 99.55%；若真的安全 10 倍，這個機率約 99.95%。兩者都幾乎必然觀察到零事件。
AlphaLab 的判斷：38 萬英里支持「Tesla 已在真實道路快速累積經驗」，不支持「安全 10 倍已被證明」。第一次致死事故可能很早，也可能在數億英里後；在事件定義與同口徑里程公開前，任何年月都是假設的投影，不是資料推論。
若你想先理解 38 萬英里與雙位數周成長為何推不出車隊或 EPS，可搭配 AlphaLab 的 Tesla Robotaxi 成長率分析；本文只處理更窄也更重要的問題：這批里程對安全到底證明了什麼？
Tesla Robotaxi 安全：先定義你在算哪一種死亡
「Robotaxi 第一次死亡」至少有四種不同問題：乘客在車內死亡、任何道路使用者死於涉及 Robotaxi 的事故、ADS 在事故前曾啟用，或 Robotaxi 被認定為主要肇責。這四者的分子不一樣，不能共用一條事故率。
| 問題 | 分子要算誰 | 還缺什麼 |
|---|---|---|
| 乘客死亡 | Robotaxi 車內乘員 | 乘客里程、乘車時數與安全帶狀態 |
| 事故涉及死亡 | 乘員、他車乘員、行人、騎士 | 同一 ODD 的車英里與完整事件對帳 |
| ADS 啟用時死亡 | ADS 在事故前一定期間內啟用的死亡事件 | 啟用狀態、版本、遠端協助與監督模式 |
| Robotaxi 肇責死亡 | 經一致規則認定由系統造成的死亡 | 公開、可重現的肇責方法 |
NHTSA 的 FARS 定義涵蓋公共道路上涉及機動車、且車內乘員或非乘員在事故後 30 天內死亡的案件。這個「任何道路使用者」口徑，不能和只算乘用車乘員的死亡率混用；同樣地，事故涉及某輛 Robotaxi，也不等於監管機關已認定它肇責。
38 萬英里零死亡，為何仍分不出 1 倍與 10 倍？
NHTSA 最終資料顯示，2024 年美國有 39,254 人死於道路事故，死亡率為每 1 億車英里 1.19 人。這是全國、所有道路使用者與所有道路類型混合後的粗基準，不是 Tesla Robotaxi 的城市 ODD 對照組；但它很適合先校準稀有事件的量級。
計算很簡單。若把死亡人數近似為稀有事件計數，每英里死亡率為 r、累積里程為 M，固定風險 Poisson 模型下，至少一人死亡的機率是 1 − exp(−rM)。把 1.19／1 億英里代入 38 萬英里，至少一人死亡的機率只有約 0.451%；把風險降為十分之一，機率約 0.045%。因此，兩個安全水準都會交出一張看似完美的「零死亡」成績單。
更直觀的檢查是零死亡樣本的單側 95% 上限。即使把 Tesla 的「零 notable incidents」最寬鬆地解讀成這 38 萬英里有 0 人死亡，Poisson 死亡率上限仍約等於每 1 億英里 788 人，遠高於全美 1.19。要讓零死亡樣本的上限壓到 1.19，理想化模型至少需要約 2.52 億英里；若要壓到十分之一的 0.119，則約需 25.2 億英里。這不是 Tesla 必須等到這些里程才可營運，而是說只靠罕見死亡結果，統計證明會非常慢。
第一次致死事故要多少里程？能算里程，不能算日期
若先接受「風險率固定、每英里獨立」的假設，累積到 50% 機率至少發生一件事件所需里程是 ln(2) ÷ r。以 2024 全美粗基準計算，中位數約 5,825 萬英里；安全 2 倍約 1.16 億、安全 5 倍約 2.91 億、安全 10 倍約 5.82 億英里。
中位數不是截止日。即使真實風險完全等於某個情境，事件也可能在第一百萬英里出現，或跑過中位里程後仍未出現。把它進一步換成「2027 年春季或秋季」，還得知道未來每周里程、車隊上線速度、停駛、城市開放、天候與軟體版本，誤差會被複合成長放大。
Tesla 在官方 Q2 2026 電話會議說明超過 38 萬英里無人監督里程與每周雙位數成長，但沒有給出固定 14% 成長率，也沒有承諾同一百分比一路延伸。公司股東簡報另顯示約 250 萬累積付費 Robotaxi 里程，並將七個都會區分成安全駕駛、擴張無人監督與準備中等不同狀態。付費里程與無人監督里程不能在沒有對帳表時視為同一分母。
Poisson 模型沒有錯，錯在把會變的系統當固定
Poisson 模型適合描述固定暴露下的稀有事件，但 Tesla 的 Robotaxi 並不是固定系統。軟體正在迭代，城市與道路範圍正在增加，安全員、遠端協助、Model Y 與 Cybercab 的組合也在改變。一次軟體缺陷可能讓事件集中發生，修正後又突然下降，這已經違反「每英里同風險、事件彼此獨立」的簡化前提。
更誠實的形式是把累積風險寫成 H(t)=∫r(t)×m(t)dt：r(t) 是當時系統在特定 ODD 的風險，m(t) 是里程流量。至少一件事件的機率仍可寫成 1−exp(−H)，但公開資料目前既沒有可重現的 r(t)，也沒有逐周、同口徑的 m(t)。公式仍然成立，日期卻沒有被資料識別。
官方事故資料已提醒：事件與分母目前對不上
NHTSA Standing General Order（SGO）是目前最重要的公開 ADS 事故資料之一，但 NHTSA 自己反覆提醒：初始報告可能不完整或未經驗證、不同業者的遙測能力不同、同一事故可能有多個版本，而且原始件數沒有按車隊、里程或 ODD 正規化。因此，不能直接拿公司 A 的事故件數除以公司 B 的里程。
AlphaLab 下載截至 2026 年 6 月 15 日的官方 ADS CSV，對 Tesla, Inc. 每個 Report ID 只保留最新版本後，現行資料窗共有 22 個不同 Report ID。其中 12 件的事故月份落在 2026 年，最高傷勢欄均列為財損無人受傷或無人受傷。另有兩件 2025 年 7 月報告列為疑似輕傷：一件涉及遠端操作把車開上路緣並碰撞圍籬，另一件是 Tesla 在讓行時遭後車追撞、車內安全監控員其後就醫。
這 22 件不是 NHTSA 的肇責判決，也不能證明全部屬於 Tesla 所說的 38 萬英里；兩件傷勢紀錄都提到車內安全監控員，資料期間與無人監督子集合也不一致。它們真正證明的是：若有人要預測「第一次受傷」或「第一次肇責死亡」，必須先回答是否排除安全員、遠端操作、靜止遭撞與非付費測試。否則連「第一次」都會因定義不同而改變。
Waymo 的反例：先匹配城市與道路，再談安全倍率
目前更接近可重現比較的公開範本來自 Waymo。其官方 Safety Impact截至 2026 年 3 月涵蓋 2.206 億英里 rider-only 里程，將無人駕駛結果和營運城市的地表道路人類基準比較，採「不論肇責」口徑，並公布每百萬英里事件率與 95% 信賴區間。
Waymo 的公司分析顯示，所有城市合計的重傷或更嚴重事故率為每百萬英里 0.01 件，人類匹配基準為 0.23 件，差約 94%。這不是監管機關替 Waymo 背書，也不能直接推論 Tesla 比 Waymo 安全或危險；兩者的城市、ODD、車型與資料期間不同。它的價值在於示範：業者可以同時公開里程、事件定義、地理基準、方法與不確定性，而不是只給一個形容詞。
要證明 Tesla Robotaxi 安全 10 倍，至少要公開什麼？
安全 10 倍不是一個能靠「尚未出大事」得到的稱號，而是一個需要可反駁資料的比較命題。最低限度應該公開以下六組欄位：
- 同口徑里程：付費載客、空駛、工程測試、安全駕駛與完全無人監督分開。
- 版本與車型：軟體版號、硬體、Model Y 或 Cybercab，不把重大更新前後混成固定風險率。
- ODD 分層：城市、道路類型、時段、天候、速限與施工環境。
- 事件階梯：接觸、拖吊、氣囊、疑似傷勢、就醫、重傷與死亡，並公布一致門檻。
- 責任規則：涉及、ADS 啟用、系統觸發與肇責分開；無法判定就保留未知。
- 不確定性：除了點估計，也公布信賴區間、缺漏、修訂與可下載資料。
這套資料也會改善投資判斷。Robotaxi 若能在里程快速成長時維持或降低同口徑重傷率，代表軟體與營運品質能一起擴張；若里程成長主要來自放寬 ODD，而事件率上升，車隊、保險、監管與遠端支援成本都會改寫單位經濟。更完整的商業門檻可見 Tesla Robotaxi 四道閘門，財務底盤則可搭配 Tesla Q2 2026 財報健檢。
最強反方：不能等到數十億英里才讓技術上路
對上述審慎框架，最有力的反方是：若一定要先用真實道路死亡率證明安全 10 倍，任何新系統都不可能開始營運。這個反方是對的。RAND 的自駕可靠度研究早已指出，靠真實道路里程證明罕見死亡與傷害結果，往往需要數億到數十億英里；單靠試駕不是完整安全方法。
合理做法不是停在原地，而是把證據組合起來：封閉場域與模擬測極端場景，安全案例說明失效模式與保護層，小規模 ODD 逐步放寬，真實道路用碰撞、氣囊、傷勢與遠端介入等較常見指標監測，再由監管事故資料追蹤罕見嚴重結果。Tesla 的高速里程成長可以是這套證據的一部分，但不能代替事件定義與分母。
最後判斷：不要預測死亡日期，預測資料何時變得可驗證
Tesla 已經跨過「只有展示影片」的階段。超過 38 萬英里無人監督里程、約 250 萬累積付費里程、多城市營運與 Cybercab 開始生產，都代表 Robotaxi 正在進入真實營運。若公司所說的零重大事故能在里程快速放大時持續，這會是重要的正面訊號。
但今天最誠實的答案仍是：第一次致死事故的日期算不出來。全美死亡率不匹配城市 ODD；「涉及」不等於「肇責」；38 萬英里太少，零事件幾乎是各種合理風險情境的共同結果；未來里程又不是固定函數。硬把這些空格補成一個季度，只會讓模型看起來比資料更確定。
真正值得追蹤的里程碑不是某個悲劇年月，而是 Tesla 何時能公開同口徑的無人監督里程、事件階梯、ODD、版本與信賴區間。當這些欄位能和 NHTSA 報告逐件對帳，「安全 10 倍」才會從敘事變成可被推翻、也可被相信的工程命題。更多後續資料可持續追蹤 AlphaLab 特斯拉專區與美股專區。
Tesla Robotaxi 安全常見問題
38 萬英里零重大事故，是否證明比人類安全？
不能。按 2024 全美 1.19 人／每 1 億車英里的粗基準，38 萬英里零致死事件的機率本來就約 99.55%。這批里程能支持早期營運訊號，還不足以估出精確死亡率或安全倍率。
Poisson 模型可以用來估第一次事故嗎？
可以做條件情境，但必須先固定事件定義、每英里風險與未來里程。Tesla 的軟體、城市、ODD、車型與監督模式都在變，因此適合做敏感度分析，不適合宣稱某一季必然發生。
NHTSA 的 Tesla ADS 報告能直接除以 38 萬英里嗎？
不能。SGO 公開檔案含不同月份、版本與監督狀態，NHTSA 也明確說資料沒有按 VMT、車隊或 ODD 正規化。必須先證明事故與里程屬於同一車隊、期間和口徑。
Waymo 的 2.206 億英里是否證明 Tesla 輸了？
不是。兩家公司公開期間、城市、ODD 與車型不同，不能粗暴排名。Waymo 的意義是示範如何發布 rider-only 里程、匹配基準、事件率與信賴區間，讓外部可以重算。
投資人下一個最該等的安全數字是什麼？
不是更多形容詞，而是「同一軟體版本、同一 ODD 的完全無人監督里程」搭配傷勢分級事件數與信賴區間。只要分子與分母能連續幾季對帳，安全與單位經濟才有共同基礎。