目录1 引言2 为什么 “只跑里程” 证明不了自动驾驶安全2.1 里程大多集中在简单常规工况2.2 里程无法复现，不具备可审计性2.3 无法区分 “运气好没出事” 和 “系统能力足够”3 法规下安全自证的完整证据体系3.1 大规模闭环仿真 + 标准化场景库3.2 封闭场地测试（确认性试验）3.3 影子模式与车队实车数据3.4 故障注入测试3.5 ODD 边界分析与最小风险策略 MRM 验证各验证手段能力边界对比4 安全档案的核心组成（法规要求）5 行业落地应用案例案例 1：国内 L3 准入安全档案实践案例 2：Waymo Driver 安全报告体系案例 3：华为 ADS 安全档案体系案例 4：Mobileye 安全验证体系6 Python 仿真代码：智驾安全指标评估仿真代码模块解读7 当前行业现实挑战7.1 Sim‑to‑Real 鸿沟带来仿真证据效力的争议7.2 安全档案不是一次性交付，OTA 版本需要持续维护7.3 长尾 OOD 场景永远无法 100% 穷尽7.4 中小企业的合规成本压力8 总结摘要：随着国内 L3/L4 强制性国标落地，行业彻底告别 “以测试里程论安全” 的时代。单纯累计百万、上亿公里路测里程，已经不足以作为智驾安全的直接证明材料。车企需要依靠结构化安全档案作为核心载体，组合功能安全分析、预期功能安全 SOTIF、大规模仿真场景库、封闭场地试验、实车影子模式数据、故障注入、黑匣子数据回溯，形成 “声明‑论证‑证据” 完整可追溯证据链，完成安全自证。本文拆解安全档案体系的核心组成，分析各类验证手段的定位与边界，结合行业落地案例，提供 Python 仿真代码模拟安全指标评估流程，厘清各类验证手段之间的互补关系。 标签：# 自动驾驶安全 #安全档案 #SOTIF #L3 法规 #仿真验证1 引言在早期智驾行业宣传中，“累计仿真多少亿公里、实车几百万公里” 是最常被拿来证明系统安全性的指标。但随着 GB 44721‑2026 等强制性自动驾驶国标正式实施，监管明确提出：总行驶里程只是佐证材料，不能直接等价于系统安全。海量里程只能代表系统见过大量常规工况，但无法证明对鬼探头、路面深坑、异形障碍物等长尾高危场景的处置能力。部分车企出现过：总测试里程很高，但少数边缘工况依旧会发生失效的现象。法规要求车企提交完整安全档案（