OC
Robotaxi 乘客事故下降时,测试司机仍在为急刹车付出代价
科技 · 2026-08-31 · 社会影响 · 阅读 7

Robotaxi 乘客事故下降时,测试司机仍在为急刹车付出代价

自动驾驶公司常用碰撞率、伤亡率和行驶里程证明车辆比人类驾驶更安全。但 TechCrunch 查阅美国职业安全与健康管理局记录后发现,Waymo 和 Zoox 的测试司机在 2024 至 2025 年间因车辆突然制动或移动发生了二十多起伤害,部分人因扭伤、颈部挥鞭伤等问题离岗数月。

作者:沈南乔|OC 社会影响编辑

自动驾驶公司常用碰撞率、伤亡率和行驶里程证明车辆比人类驾驶更安全。但 TechCrunch 查阅美国职业安全与健康管理局记录后发现,Waymo 和 Zoox 的测试司机在 2024 至 2025 年间因车辆突然制动或移动发生了二十多起伤害,部分人因扭伤、颈部挥鞭伤等问题离岗数月。

一句话结论:Robotaxi 的公共安全评估不能只看乘客与道路事故;测试阶段由人类反复吸收的急刹车、身体损伤和失业时间,也是自动驾驶系统的真实成本,却很少进入公司最常展示的安全指标。

这些员工的工作不是普通乘车。他们每天长时间坐在测试车辆里,路线可能专门覆盖复杂路口、施工区和系统尚未熟练的边缘情况。一次紧急制动对普通乘客也许只是偶发惊吓,对每天经历多次的人则可能形成重复性伤害。记录显示,一些事故造成的后果远超“轻微不适”:为 Waymo 提供人员服务的 Transdev 报告了 16 起与相关车队场站或测试工作有关的伤害,其中一名员工记录了 175 天离岗;Zoox 的一宗记录涉及 46 天离岗。

数字需要谨慎解释。OSHA 记录并非完整行业普查,一些承包商或较小公司可能不在相同报告要求内;记录也不能单独说明车辆算法、道路事件、座椅设计和工作安排各自承担多少责任。二十多起伤害不等于 Robotaxi 对公众整体更危险,也不能直接与公司按百万英里计算的碰撞率比较,因为分母和暴露人群不同。

乘客安全指标与测试人员职业安全指标的缺口

恰恰因为口径不同,它才揭示了现有披露的盲区。Waymo 发布的安全研究主要回答“自动驾驶车辆与人类驾驶相比发生多少道路事故”;职业伤害记录回答的是“为了让系统达到可运营状态,车内工作人员承受了什么”。两者可以同时成立:乘客总体风险下降,而开发系统的人仍因高频暴露受到伤害。

承包关系进一步削弱了可见度。测试司机常由第三方雇用,品牌公司可以把人员管理放在合同边界之外,但车辆行为、测试任务和安全设计仍由整套开发体系决定。若只统计正式员工,或只公开涉及道路碰撞的事件,企业会系统性低估自动化研发中的人力成本。

更合理的改进包括:把急加速、急制动的剂量作为职业暴露指标;优化座椅、约束系统和轮班长度;让测试员能在不担心绩效惩罚的情况下报告不适;同时按自有员工和承包商统一披露可记录伤害、离岗天数和纠正措施。自动化不是把人从系统中删除,而是把人移动到更不显眼的位置。

关键事实

  • OSHA 数据显示,Waymo 与 Zoox 测试司机在 2024 至 2025 年发生二十多起与突然制动等动作有关的伤害。
  • Transdev 记录中有 16 起相关伤害,一宗造成 175 天离岗;Zoox 一宗造成 46 天离岗。
  • 数据覆盖有限,不能据此推断整个自动驾驶行业或公众道路安全的总体水平。

OC 判断

自动驾驶安全不能只有“每百万英里事故数”这一张表。企业若把测试人员当作传感器和安全冗余,却不把他们的身体损伤纳入产品指标,得到的只是经过选择的安全叙事。真正成熟的 Robotaxi 应同时降低道路风险和开发劳动风险。

为什么重要

  • 对测试人员:重复急刹并非普通办公不适,可能造成长期职业伤害。
  • 对企业:承包商的伤害不能因组织边界而从产品安全责任中消失。
  • 对监管者:道路事故与职业安全数据需要结合,才能看见自动化的完整成本。

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关帖子

更多

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1

你们的Codex额度提前耗完了没?戒断反应如何?

<p>我在第三天就消耗了只剩1%,忍了一天,然后今天干脆用这最后的1%,开着5.6 Sol 极高 强推我一个提示词笔记本应用的功能落地。最终用时3小时,居然还是跑完了。但是现在还是出现一些戒断反应,感觉啥也做不了,就无精打采的,困。</p> <p>我做了一个Prompt Notebook,专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来,进行身份设定,以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面: <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流,支持关键词或标签搜索: <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面,可以复制提示词,分享提示词,点击分享还有分享短链:(https://prompt.jintao.co.uk/share/20260806LfsmY) <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了,我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善,可能还要虫子要抓。弄好了,打算放GitHub开源。</p> <p>有朋友想试试的么?</p>

shynloc 2 4