特斯拉在自动驾驶数据上对监管机构的拖延，究竟是“交不出来”，还是“不想现在交”？
最近，美国国家公路交通安全管理局（NHTSA）对特斯拉“完全自动驾驶”（FSD）软件涉嫌违反交通规则的调查，正在演变成一场关于数据、透明度和企业责任的拉锯战。
NHTSA在2025年10月启动调查，起因是58起与FSD相关的事故，包括闯红灯和驶入对向车道。到了12月，相关事故案例已增至80起。监管机构要求特斯拉在2026年1月19日前，提交包括视频、事件数据记录器（EDR）和CAN总线文件在内的关键数据。
然后，特斯拉没能按时提交。
特斯拉在截止日期前一周表示，有8313份记录需要人工审查，每天只能处理约300份，同时应付多个调查“负担过重”。NHTSA给了五周延期到2月23日，并暗示这是“最后的通融”。
结果前几天，特斯拉再次申请延期，理由是涉及核心事故数据的具体文件数量，要等事件清单最终确定后才能统计，然后才能开始查询和格式化。NHTSA再次批准，将关键数据的最后期限推到了3月9日。
这场本来严肃的安全调查，为何一而再，再而三地拖延？
是不能，还是不想？特斯拉给出的理由放在其他公司身上，可能说得过去，数据量太大，人手不够，流程复杂。
但它可是特斯拉啊，作为一家拥有数百万辆汽车在路上行驶、号称收集了超过80亿英里FSD行驶数据的公司，面对区区80起事故的数据调取，结果遇到了“技术问题”，这不是在打自己的脸吗？
按理说，特斯拉的核心竞争力是软件和数据处理。它的神经网络模型每天都在处理来自全球车队的EB级数据。
所以，针对特定事件（如事故）建立高效、自动化的数据提取和分析流程，应该是其最基本的数据工程能力之一。如果连80个已知事故的关联数据都无法在几个月内有效整理出来，那只有两种可能：
要么，公司内部的数据治理和合规工具链极度落后。 这意味着，尽管特斯拉擅长收集和利用数据来“训练”AI，却不擅长为了“监管”和“溯源”而管理数据。
要么，这是一个故意的策略性选择。 特斯拉并非“不能”，而是选择将有限的工程资源投入到更能产生商业价值的地方，或者，故意打时间差，而不是优先满足监管机构的合规需求。
我认为，第二个可能性更大。
因为就在NHTSA等待数据的同时，特斯拉正在德州奥斯汀紧锣密鼓地推进其无人驾驶出租车（Robotaxi）服务。
而Robotaxi使用的，正是被NHTSA调查的同一套FSD软件。这给人的感觉就很微妙了。
特斯拉FSD：在L2和L4之间反复横跳特斯拉在最近一份提交给加州公共事业委员会（CPUC）的文件中，展现出了对FSD的矛盾说辞。
一方面，特斯拉主张，所谓的“Robotaxi”服务本质上仍是SAE Level 2级别的辅助驾驶系统。它承认，在奥斯汀和湾区的服务，不仅每辆车里都有一名持证的人类驾驶员，还配备了位于美国本土的远程操作员团队作为后备。特斯拉甚至引用2025年12月旧金山大停电事件，称Waymo的真无人车队因无法处理大量请求而瘫痪，而自己的车队因为有“人”在驾驶，所以“不受影响”。
这相当于公开承认：“Robotaxi”不是真正的无人驾驶，它的优势恰恰在于它“有人”。
但另一方面，在同一份文件中，特斯拉强烈反对Waymo提出的“禁止L2级别服务使用‘无人驾驶’、‘自动驾驶’或‘Robotaxi’等营销术语”的提议。逻辑是，现有的广告法足以应对虚假宣传，无需额外规定。
特斯拉给人的感觉是：在监管和法律责任上，我希望你把我当成一个需要人类监督的L2系统；但在市场营销和用户心智上，我希望你把我当成一个可以实现“无人驾驶”的Robotaxi。
这样，就能享受到两头的好处：既能以L2的身份规避更严格的AV（自动驾驶汽车）法规和数据报告要求，又能用L4的概念来吸引消费者、支撑高昂的股价和FSD订阅费。
如果FSD因大量违规行为而被强制召回或功能受限，其“Robotaxi”的故事就讲不下去了。
“7倍安全”的数据幻想为了支撑其技术领先的形象，特斯拉发布了详尽的车辆安全报告，声称使用FSD（Supervised）的车辆，发生重大碰撞前的行驶里程是人类驾驶员平均水平的7倍。
这个数字听起来非常惊人，但只要稍加分析，就会发现其中充满了“统计陷阱”。卡内基梅隆大学教授Phil Koopman的指出了其中至少存在三重数据陷阱。
首先，比较基线不公。特斯拉将搭载最新安全技术的新款特斯拉，与美国道路上平均车龄超过12年的旧车进行比较。这本身就是一场不公平的比赛。正确的比较对象，应该是同样装配了主动安全功能的新车，或者更直接的，是同一辆特斯拉开启FSD和关闭FSD时的表现。
其次，存在系统性数据偏差。特斯拉对“碰撞”的定义依赖于安全气囊弹开等指标，排除了许多未触发气囊但车辆已严重受损（例如需要拖车）的事故，而人类驾驶员的统计数据则包含了这些情况。
最后，“轻松里程”偏见。FSD用户更倾向于在路况良好、FSD能轻松应对的“简单”路段（如高速公路）开启功能。而在光线不佳、路况复杂等高风险场景下，系统可能会自动退出或驾驶员选择不使用。这相当于FSD只跑了赛道上最容易的部分，却宣称自己比跑完整赛道的选手成绩更好。
特斯拉的这份安全报告，展现了用数据讲故事的高超能力，同时也反向印证了，为何它不愿意将未经“修饰”的原始数据轻易交给NHTSA。因为未经筛选的数据，有可能会得到不同的结论。
Waymo：透明度是最终的护城河与特斯拉形成鲜明对比的，是Waymo。Waymo目前每周在六个城市完成45万次完全无人的驾驶服务。它的车辆里没有安全员，只有乘客。面对技术问题，比如此前被曝出的车辆在特定情况下会绕行校车，Waymo在几周内就主动提交了自愿召回。
更重要的是，Waymo公开发布经过同行评议的研究报告，用详尽、可验证的数据证明其自动驾驶系统在安全性上显著优于人类驾驶员（整体安全约5倍，涉及行人时约12倍）。
Waymo的联席CEO Tekedra Mawakana曾公开呼吁行业提高透明度，她认为，如果你要把没有驾驶员的车辆放到路上，你就有责任告诉公众到底发生了什么。
Waymo的路线，是典型的“重资产、慢功夫”，通过严谨的工程、冗余的传感器（激光雷达、摄像头、雷达融合）和有限地域的精细化运营，逐步建立技术和公众的信任。而特斯拉则试图用“影子模式”和海量数据“暴力破解”通用人工智能驾驶，这条路更快，也更具风险。
两家公司的差异，不仅仅是技术路线之争，更是企业哲学之争。Waymo选择将安全和透明度作为建立信任的基石，而特斯拉则似乎更相信“增长能解决一切问题”的互联网打法。
小结回到最初的问题：特斯拉的数据延迟，是困难还是策略？
答案很可能是两者的结合，但策略性因素的比重显然更大。这是一种利用监管流程的复杂性，为自身技术迭代和商业扩张争取时间的“监管套利”行为。从目前来看，监管机构的行动速度可能跟不上特斯拉的扩张步伐。
长远来看，只有那些敢于将自己的数据放在阳光下，接受最严苛审视的公司，才能真正赢得未来。因为在人命关天的安全领域，透明度不是一种选择，而是一种责任。