从内部爆料到公众质疑，特斯拉FSD安全数据的“注水”问题已经不再是捕风捉影。但比“数据不透明”更可怕的，是现行的监管框架根本拿它没辙——所有安全统计几乎都来自企业自报，缺乏独立的第三方验证和统一的衡量标准。要堵上这个窟窿，监管必须从“看报告”转向“查系统”。
别让企业“自说自话”：强制第三方审计与数据脱敏
最直接的漏洞在于，特斯拉可以自行定义“安全”指标。比如他们宣传“每百万英里事故率比人类低”，但事故统计口径是否包含轻微碰撞、系统接管前的危险状态、以及因系统恐慌而人为干预的场景？监管应当要求企业将原始行车日志（脱敏处理后）提交给独立的第三方机构进行审计。美国的NHTSA虽然升级了调查，但更多是事后“找茬”，而非事前“审账”。欧洲的UN R157法规要求自动驾驶系统通过型式认证，但其中对安全统计的验证仍依赖制造商声明。一个可行的做法是，由国家认可的实验室随机抽取车辆的路测数据，复现其安全统计计算过程，核对原始数据与最终报告是否一致。这就像财务审计一样，不能只看企业自己做的利润表。
告别“玄学”对比：建立行业统一的安全基准指标
马斯克那句“比人安全10倍”之所以经不起推敲，是因为“人类驾驶”的基准本身就模糊——是新手还是老司机？白天还是夜间？城市还是高速？监管机构应该牵头制定一套强制性的“安全性能基准指标”，类似智能驾驶测试的“标准工况”。例如，明确要求企业报告：在典型城市交叉口、学校区域、夜间弱光等特定场景下的接管频率、碰撞预警触发率、以及系统强制退出（disengagement）次数。这些指标必须与公开的、由监管机构采集的“人类驾驶黄金数据”进行对比，而不能任由企业选择对自己有利的对比对象。
罚到痛处：让数据造假成本高于收益
当前对虚假安全宣传的处罚，往往止于“暂停宣传”或小额罚款。但FSD背后是数千亿美元的市值预期，几十万美元的罚款无异于挠痒痒。监管应当引入“举证责任倒置”原则：一旦企业声称某项安全数据优于人类，就须主动提供完整的验证流程和原始数据副本；若被发现数据统计有重大遗漏或误导性结论，则按“虚假宣传”处以年度全球营收的固定百分比罚款，并强制召回相关软件版本进行重新认证。欧洲的《通用安全法规》和美国的《自动驾驶汽车法案》草案中都提到了类似条款，但执行力度远远不够。
说到底，安全统计不是营销话术，而是人命关天的凭证。监管要做的不是替企业“擦屁股”，而是把统计过程放在阳光下暴晒。当每一个“安全10倍”都需要掏出一份经过第三方签名的审计报告时，所谓的漏洞也就不攻自破了。