无人驾驶汽车在多数常规场景下的安全性已超越人类驾驶。这背后是技术对人为失误的消除，但它在特定环境下仍面临挑战，需要客观看待。

在高速、城市快速路等结构化道路上，自动驾驶系统凭借360度感知和毫秒级反应，避免了人类驾驶员因分心、疲劳导致的大部分事故。多项数据印证了这一点：

事故率显著降低：Waymo在凤凰城累计运营超5670万英里，其交叉路口碰撞事故率较人类驾驶低96%。百度Apollo的测试出险率仅为人工驾驶的1/14。

主动安全能力突出：自动紧急制动（AEB）系统在AI赋能下，识别范围已从车辆、行人扩展到动物。例如，由Momenta飞轮大模型赋能的AEB能有效识别突然闯入道路的牛、马、羊；华为的AEB系统对大型动物的识别，可将相关碰撞风险降低40%。

海量避险实证：从实际运营数据看，安全价值正在释放。理想汽车在2026年单周主动安全避险达18万次，累计避免1300万次潜在碰撞。华为乾崑ADS系统的平均安全行驶里程，更是达到了人类司机的3.58倍。

更关键的是，先进的智驾系统在体验上越来越“拟人”。小米的端到端智驾在遇到“鬼探头”行人时，能灵活绕行而非急刹，处理过程更为丝滑。这些进步让系统在覆盖90%以上高频驾驶场景时，显得比人类更稳定、更可靠。

尽管优势明显，但无人驾驶并非全能。它的安全性存在清晰的能力边界，尤其在非结构化场景和极端条件下。

特定场景风险陡增：在晨昏弱光环境下，自动驾驶的事故率可达人类驾驶的5.25倍；在转弯时，事故率也高出人类98%。这暴露出系统对光线突变和动态轨迹预判的不足。

事故案例揭示短板：部分系统的表现拉低了整体印象。NHTSA数据显示，2025年特斯拉Robotaxi（配备安全员）的事故率约为人类驾驶员的9倍。另一些案例则指向极端天气的感知失效，例如特斯拉Model S在暴雨中曾误将白色货柜车识别为天空。

技术路线的安全争议：安全性也与传感器方案紧密相关。纯视觉路线（如特斯拉）在逆光、弱光下识别误差较大，黑色轿车在夜间更难被准确捕捉。而多传感器融合方案（激光雷达、毫米波雷达等）在恶劣天气下提供冗余感知，安全性更高，但成本也更高。

面对这些挑战，法规正在构建兜底防线。自2026年起，中国强制要求L3及以上车辆安装自动驾驶数据记录系统（即“黑匣子”），为事故责任认定提供统一、可信的数据依据。在L3级“有条件自动驾驶”模式下，法规明确规定：当系统激活且未请求接管时发生事故，由车企承担主要责任。

这种权责划分，既保护用户，也倒逼车企提升系统可靠性。

技术迭代与法规完善正在同步推进，无人驾驶的安全边界，将在攻克一个个具体挑战中持续拓展。