特斯拉自駕系統事故率達7成之多?NHTSA:數據不完整,勿以此斷言
特斯拉自駕系統事故率達7成之多?NHTSA:數據不完整,勿以此斷言

美國聯邦公布最新的數據顯示,自2021年六月以來,美國約有400起車禍涉及使用先進駕駛輔助系統(ADAS),其中近七成為特斯拉(Tesla)車款所涉及的事故約佔七成。

對此,美國國家公路交通安全管理局(The National Highway Traffic Safety Administration;NHTSA)初步分析表示,這些數據的參考性仍有待驗證,目前僅能作為初步識別自動駕駛系統安全性的參考,各大車廠應以此為鑑,持續促進車輛安全。

這並非特斯拉第一次捲入「不安全」的爭議——該調查報告指出,2021年的6起ADAS車輛重大傷亡事件中,便有5起與特斯拉汽車直接相關,其中包含 2021年7月發生於美國皇后區著名華人聚集地法拉盛的一名行人車禍,以及今年3月發生於加州舊金山東灣,柏克萊大學附近卡斯特羅谷的一場致命車禍。

「然而,在近一步證實這些數據前,我建議謹言慎行,」NHTSA 管理員 Steven Cliff 於公開活動指出,即便特斯拉所涉及電動車事故報告中的273起事故、3起重傷、5起死亡;本田(Honda)則以90起撞車事故和1起死亡事故遠遠落後,但相比目前市場,特斯拉車款的掛牌數與可蒐集數據皆遠多於其他品牌的各型車款。

特斯拉的自動駕駛比較危險?

然而,特斯拉看似特別高的事故數字,是否就意味著所有車主應該考慮將配備 Autopilot 的 Model 3 換成日產(Nissan)Leaf 系列車款(另一款亦配備自動駕駛系統的知名充電型電動車款)呢?

這是個相當複雜的問題。從數據來看,目前本田汽車(Honda)以 90 起事故位居排名第二,同為日系車廠的 SUBARU 則排行第三(共10起),第四名則為福特汽車(共5起),其他車廠皆號稱有更低的事故數字,其中包括豐田(Toyota)的4起、保時捷3起及通用汽車2起等。

Tesla
圖/ Tesla

美國聯邦政府於2021年6月起強制要求各大車廠針對Level 2以上 ADAS 車款搜集相關事故資訊,目的在於了解自駕車事故可能發生的情境。

這些擁有自動駕駛等級為Level 2以上車款,大多具備數項自動駕駛功能:包括轉向、車道居中、制動以及加速等,其中包含通用汽車在內的部分車廠,皆僅允許其車主在某些指定的高速公路路段使用自動駕駛系統,但特斯拉則允許更廣泛地使用於一般道路駕駛。

不可諱言地,這些數據受制於車廠製造、生產、銷售的車輛總數,且礙於各車廠提供數據的情境、時間、頻率也各不相同,因此客觀地來看,目前在不知道每一個 ADAS 系統運行里程數和位置的情況下,沒辦法直接公平地比較各車輛自動駕駛系統間的安全水準,因為特斯拉目前在自動駕駛車款的交車數、行駛里程和數據搜集的成熟度上,都遠遠優於其他車廠。

即便如此,NHTSA的交通安全專家仍針對特斯拉的自動駕駛技術提出了質疑,由於目前特斯拉正在進行一般道路的測試及培訓,因此近幾個月來,美國聯邦官員針對導入特斯拉Autopilot車款進行越來越多的調查及召回,甚至直接對該公司投以伴隨著一項聯邦命令的警告;命令中要求特斯拉詳細報告涉及ADAS及自駕功能的事故成因,以評估該技術是否存在安全隱患。

因為特斯拉交車數最多、數據最完善,所以最不安全?

根據聯邦數據顯示,特斯拉自動駕駛車款所造成的事故最多,使其車輛「看似」較不安全,然而這樣的推測對特斯拉來說真的公平嗎?

《美聯社》報導,目前特斯拉於美國道路上運行的Level 2以上自動駕駛車款相較其他汽車製造商來得多(大約有830,000輛,並可追溯至 2014 年車型);相比於其他車廠,特斯拉已能做到針對特定車輛搜集實時數據,因此它的回報機制也相對較為完善。

這所有的數據都指向同一個方向——特斯拉的事故率確實較高,然而,同時間其他車廠擁有自動駕駛功能的交車數、數據收集與能夠自動駕駛的範圍和總駕駛里程數,根本無法與其同日而語,加上能夠對事故歸因的報告數據仍顯不足——讓 NHTSA 主張該數據目前仍無法實際反映現況。

儘管如此,各界對於特斯拉車輛安全性的質疑仍如日中天。

0606Teslaphantombraking-5
圖/ Unsplash

TechCrunch 大膽推測,由於使用自動駕駛功能後,駕駛者更容易注意力不集中,因此嚴判所有的 Level 2 以上自駕系統將比人類主動駕駛來得更加危險,而特斯拉所部署的自駕系統,亦相比競爭對手的 ADAS 在技術更加漏洞百出,也更具風險。

「今天發布的數據是一個好的開始,」NHTSA 樂觀地表示,即便該數據報告明顯使特斯拉的安全信譽受到影響,但「NHTSA 提供的是一項包含諸多警告的數據,獨立的數據分析是辨識安全漏洞、準備補救措施的關鍵。」

針對各界對於安全性的質疑,特斯拉並沒有立即做出回應。

華盛頓郵報指出,特斯拉的 Autopilot 與正常人為駕駛進行碰撞數據比較時,得出前者相較後者來得更為安全。對此,特斯拉曾表示,美國道路交通事故死亡人數之所以能於 2021 年大幅降低,這都歸功於 Autopilot 等自駕技術的落實,才有望持續減少交通事故的頻率極嚴重程度,「以此發展趨勢順利推進,(自動駕駛系統)每年將可拯救數千人的生命。」特斯拉表示。

然而,儘管如此,特斯拉仍在不斷進化自動駕駛的功能,執行長馬斯克(Elon Musk)日前就在推特(Twitter)提及,其全自動輔助駕駛(FSD)Beta 10.12.2 版本將推送至10萬輛汽車,且下一代 10.13 版本也將新增交叉路口控制,針對長左轉功能補強,並著手開始處理目前完全沒有地圖數據的路段。

雖然聯邦政府數據與市場反應並不一致,消費者仍公認特斯拉擁有地表上功能最強大、自動駕駛行駛區域最為豐富的先進車款。

資料來源:The Washington PostTechCrunchCNBC

責任編輯:傅珮晴、吳秀樺

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓