在輔助駕駛的黃金三角——數據、算法、算力中，數據被普遍視為驅動大模型進化的「燃料」。

然而，在數據驅動的這條主軸上，車企與供應商似乎面臨著不同命運。

車企憑借終端用戶的天然觸角，構建起數據護城河：理想、奇瑞、吉利等車企近期都宣稱數據量達到了 1000 萬 Clips；小鵬更是把這一數字拉到了兩倍：2000 萬 Clips。

馬斯克認為，對于端到端輔助駕駛，用 1000 萬個 Clips 進行訓練，系統會有驚人表現。

這似乎意味著，車企憑借數據積累將更容易抵達大模型的升維奇點。而供應商除非獲得車企信任，否則在 1000 萬 Clips 的數據積累上勢必要下更多功夫。

但數據驅動的競爭邏輯，從來不是單純的「以量取勝」。

地平線創始人兼 CEO 余凱一針見血指出，「AI 時代，99% 的用戶數據其實不值得學習」。

這條「反共識」觀點背后，是數據價值的深度重構。

由此，在端到端架構與生成式 AI 的沖擊下，數據戰爭的勝負手不再是「誰擁有更多燃料」，而是「誰能用 1% 的數據實現 100% 的效能躍遷」。

后端到端時代，有必要對數據課題重新審視了。

01、1000 萬 Clips 等于「職業老司機」

在明確 1000 萬 Clips 的意義之前，需要先明晰「Clip」的含義。

「Clip」通常指向一個特定時間段內的多模態數據片段，這些數據由激光雷達、攝像頭、毫米波雷達等傳感器同時捕獲。

而這一概念通常與 4D 標注技術密切相關。

所謂 4D 標注，是在傳統三維空間坐標之外，還加入了時間維度。對比以往的單幀 2D 框、3D 框標注，4D 標注除了要記錄當前幀的車輛坐標，還要追溯前幾幀的運動軌跡，因而能夠更加全面與準確地描述物體在空間中的運動情況。

一位業內人士指出，Clip 指一段時間的視頻切片，時間取決于模型設計，一般在 30 秒左右。

毫末智行認為，4D Clips 的數據規模對比此前 2D、3D 數據標記方式，達到了百倍級的驚人增長，是當前價值最高的感知數據形態。

由此，1000 萬 Clips 模型，意味著其擁有 1000 萬個信息高密度的視頻切片，具備兩個維度的特點。

一是極端場景覆蓋率高。

數據包含難以處理的極限場景，例如高難度、連續 S 彎的山路；180°發卡彎等大曲率彎道；通過岔路口并連續變道進入轉彎車道場景等。

二是數據場景分布合理。

理想汽車將道路行駛中的場景，分為靜態場景和動態場景，靜態場景包含城市主干道、國省道、輔路等，動態場景包含繞行、變道等。在系統訓練過程中，按照靜態和動態兩類場景進行篩選，將不同復雜程度的場景均涵蓋其中，使得輔助駕駛的場景處理能力更加擬人和高效。

這是一個給系統投喂經驗的必要過程。

數量級大小相當于一個人駕駛經驗的多少，如果從體驗程度出發，可以將司機能力劃分為普通司機、熟練司機、職業老司機三個級別。

理想認為，1000 萬 Clips 模型意味著系統具備了一名職業老司機的能力，能夠臨危不懼，以高超的駕駛技術安全、舒適、高效地開車。

由此，這是大模型進階的關鍵節點。

實際上，除了理想，小米、吉利、奇瑞在展示數據儲備時也將 1000 萬 Clips 數據作為重要論據。

這一論據主要傳遞了兩點關鍵信息：

一是用數據規模傳遞系統可靠性及未來潛力，增強用戶信任。

在 AI 時代，輔助駕駛依靠大量數據驅動。1000 萬 Clips 代表著豐富的駕駛場景和數據量，能讓輔助駕駛系統學習到各種復雜路況和駕駛情況。

以理想 AD Max V13 為例，用戶可以明確感受到 1000 萬 Clips 訓練下，系統不再是基于規則呆板得執行程序，而是有了一種「活人感」。

比如系統變道控車時會遵循更合理的策略，避免變道博弈失敗，在提升變道效率同時提升用戶乘坐的舒適感，并減少對旁車的影響。以及在繞行二輪車場景下，系統會更早對二輪車行駛意圖做出判斷并完成繞行，速度控制更加精細、平順。

二是用大模型的體驗提升印證數據驅動方式的高效與先進性。

在數據驅動下，理想輔助駕駛水平提升有目共睹，成為首批率先達成「車位到車位」成就的車企之一。

這背后，是訓練數據量的線性增長曲線。

自 2024 年 7 月底開啟千人團內測以來，理想僅用 7 個月時間，完成了 100 萬 Clips 初版模型向 1000 萬 Clips 模型的優化迭代。

端到端技術路徑的持續演進下，數據模型將在不斷膨脹下，反哺輔助駕駛性能躍入 L3 時代。

而 1000 萬 Clips，也會成為輔助駕駛第一梯隊的核心量化條件。

02、數據「提純」技術是關鍵

1000 萬 Clips 有個核心限定詞：高質量。

輕舟智航 CEO 于騫曾在 2025 電動車百人會上公開表示，數據訓練的關鍵在于覆蓋維度與數據質量。

前者指「泛」，后者指「精」。即在數據清洗過程中，要剔除掉重復場景與不合理駕駛行為數據。

這點與余凱的反共識觀點異曲同工，「99% 的人類司機數據不值得學習」的金句背后，是指大部分人類司機的駕駛技術與習慣并不合理，存在闖紅燈、隨意變道等不良行為。

建立嚴格的數據篩選和評估標準成為必要舉措。

于騫就強調，需要通過專業評分系統從 100 名司機中篩選出 1 名最優駕駛者（如禮賓車司機級）進行數據對齊。

理想汽車的做法亦是如此。

從 116 萬用戶的真實駕駛數據中，理想依據駕駛順暢度、操作規范性等維度建立篩選標準，最終僅將 5% 的高質量數據納入「五星老司機」的訓練集。

這一「極致提純」的過程，折射出輔助駕駛領域的核心矛盾：數據價值不在于量的堆砌，而在于質的穿透。

倒推來看，數據難題的本質并非「缺水」，而是「水質凈化」。這就好比淘金者必須先囤積大量礦砂，才能通過篩洗提煉出黃金。

數據提純的前提，是擁有足夠龐大的「原始水源」。

當前車企與供應商獲取「水源」的方式主要有三種：

第一種是對車企更友好的眾包模式。

正如理想一般，讓用戶授權后，匿名采集用戶的真實駕駛數據。

特斯拉的影子模式已經打好了樣。用戶在駕駛車輛時，系統在后臺模擬駕駛決策，將其與駕駛員實際操作進行對比，若兩者不同則上傳相關數據，用于優化算法。

某種程度上，車賣得越多，用戶開得越多，數據資源就積累得越多。

關鍵一點，在眾包模式下，車企還能把用戶接管數據的驅動閉環（回傳-存儲-分析-訓練）也全部打通。

但上游的智駕供應商注定與大批量數據資源之間隔著一道坎，這道坎關乎車企信任。

Momenta 創始人兼 CEO 曹旭東說過一句很體面的話：供應商與車企之間信任關系的建立，關鍵在于供應商能否為用戶和客戶創造價值。

說白了，數據主動權不在自己手里，想要獲得數據資產，得看表現。

既然不能輕易調動水源，就只能自己建水庫——也就是第二種方式：組建專業的路測團隊自采數據。

這已經是輔助駕駛供應商的必有任務。即將傳感器安裝在測試車上，在行駛過程中感應周圍環境，進行物體辨識、偵測與追蹤，并結合高精度地圖數據采集數據。據悉，一輛測試車每天路面測試產生的數據可達 TB 級。

除了采集，路測車隊的另一核心任務在于測試。因此，自采數據的優勢一方面在于精準控制采集場景，比如根據研發需求定向采集特定場景數據（如暴雨、隧道、復雜路口等），另一方面在于提升訓練效率，針對長尾場景的數據被訓練后，系統可以在實地測試中反哺算法迭代。

當然，自建車隊采集數據的成本注定會隨著數據累積水漲船高。

看得見的是車隊數量、設備配置、人員薪酬等硬性成本，看不見的則是數據存儲與傳輸的隱形成本。

有媒體報道過，一家頭部智駕供應商企業每年回傳數據的流量費以億元為單位，云端數據存儲成本每月可能數百萬到上千萬元。

可以說，自采數據就像在走獨木橋，在人力、財力耗費大量成本的同時，還伴隨著采集極端場景的高安全風險。

因為在真實道路上，暴雨、暴雪、夜間強光等極端天氣場景出現概率極低，需要耗費大量精力才能采集到。Waymo 就曾披露過，其路測車隊需累計行駛超 10 億英里才能覆蓋約 2.5 萬種長尾場景。

由此，第三種數據采集方式——數據仿真，走進輔助駕駛玩家們的視野。

即在仿真平臺中通過生成式 AI 技術，批量生成數百萬種虛擬場景，來覆蓋真實路測中難以遇到的極端情況。

AI 企業在這點上掌握先發優勢，比如商湯絕影打造的「開悟」世界模型，基于一個 BEV 視角下的初始主車和他車位置，就可以生成主車視角下 11V（11 個攝像頭）的傳感器仿真數據，并且 1 個 GPU 產生的仿真數據相當于 500 臺量產車的數據采集效果。

可見，仿真數據通過低成本、高安全、廣覆蓋的特性，能夠解決真實世界「測不全、測不起、測不快」的難題。

但這僅局限于未來的理想狀態，目前數據仿真技術仍主要扮演數據采集過程中的輔助角色。

不過，可以確定的是，隨著輔助駕駛向 L3、L4 級持續進階，優質的數據資源將越來越稀缺，這也意味著三種「找水源」方式的權重也將發生動態變化。

就像馬斯克篤定認為，現實世界中能夠用于 AI 訓練的數據幾乎已經被消耗殆盡，而數據仿真才是未來數據驅動的有效解法。

03、后端到端時代，打的還是數據資源戰

在輔助駕駛的當下語境內，行業討論的技術焦點不再是「你端沒端」，而是「端到端之后，下一步該研究什么？」

后端到端時代，行業正呈現出全新生態。

最直觀一點，在量產落地場景上，城區智能輔助駕駛的擂臺已經被選手擠滿了，主要區別在于搭載哪種芯片，基于多大算力，滲透到多少萬車型。

而在更高一層的「車位到車位」競技場，華為、理想、小鵬、Momenta、極氪等多名玩家也已經沖線。

L3 成為了新的挑戰門檻。

投射到技術層面上，一些技術趨勢浮出水面，逐漸成為共識。

一是從模仿學習到強化學習。

簡單而言，模仿學習是依賴人類駕駛數據的「標準答案」，被動模仿人類司機，而強化學習是通過虛擬環境的「獎懲反饋」，主動地試錯探索。

強化學習的最直觀優點，在于系統可以自主探索人類沒有教過的復雜場景，讓駕駛決策更加靈活智能。

在地平線提出的輔助駕駛算法「快思考、慢思考」路徑中，就是引入強化學習來實現駕駛模型的智能涌現。

Momenta 也計劃在今年下半年，推出基于強化學習框架的 Momenta R6 飛輪大模型。

二是從 VLM（視覺語言模型）到 VLA（視覺-語言-動作模型）。

理想是 VLA 的代表選手。李想曾將從規則算法到「端到端+VLM」，再到 VLA 的技術路線進化類比為昆蟲動物智能、哺乳動物智能、人類智能三個階段。

相當于，基于 VLA 路徑，系統表現得像專職司機，可以隨時聽懂并執行「開快點、左拐」等指令，也能在陌生地庫漫游尋找車位。

相比 VLM，VLA 在可解釋性、泛化性及復雜場景適應性上都有顯著提升。

由此，在算法、算力、數據三者的命運共同體之下，算法的演進同樣倒逼數據產生新的化學反應。

但主軸依然還是：數據閉環。

可以說，現在沒有一家車企或供應商能繞開數據閉環。

曹旭東做過一個簡單總結，在輔助駕駛這條路上，百萬數據大概能做個演示樣品，千萬數據大概能做一個及格產品，上億數據大概能做到接近比較好的一個產品，十億級別能做到超越人類水平的產品。

小鵬做好了準備，在達到 2000 萬 Clips 數據節點后，年底預計數據存儲量會飆升至 2 億 Clips。

毫無疑問，海量且高質量的數據是推動智能駕駛前進的核動力。

所以無論是強化學習還是 VLA，兩條技術趨勢對于高質量數據的渴求是不變的。

只不過，如今關于數據探討的分歧，已演變為在「從真實數據中提取有效數據」與「從仿真數據中生成有效數據」之間，二者權重該如何權衡的博弈。

目前來看，兩者并重是最優解。

• 一方面，強化學習生長的虛擬環境同樣需要高質量數據充當數據采集源頭。

• 另一方面，仿真模擬和 AI 生成數據的質量目前還不如實車行駛收集的數據。

余凱就指出，數據差別的關鍵在于，人類還無法教機器充分認識世界，也無法在虛擬世界中完整復刻現實。

在小馬智行創始人樓天城看來，真實駕駛數據對建立世界模型的作用存在局限性。世界模型若想真正理解真實世界，不僅需要駕駛數據，還需大量涵蓋環境、生活等多維度的真實數據。這就如同 DeepSeek 能夠解決物理問題，并非僅靠學習物理知識，而是融合了物理、化學、生物等多學科內容。

可以確定的是，輔助駕駛的未來發展離不開世界模型，且世界模型的精度直接決定了車載模型的上限。

不過，在數據應用過程中，如何規避幻覺數據干擾、構建科學的評價體系，仍是一個持續性探索過程。

而如果跳出技術細節用更宏觀的視角看待這個過程，各玩家對于高質量數據的追求背后，其實是對龐大資源的不斷消耗，關乎人力、物力、財力。

曹旭東在采 訪中直言，現在一年投入小幾十個億，就能做到第二梯隊或準第一梯隊水平，但再往后，要幾百億才能做到同樣水平。如果要做到量產 L4 自動駕駛，每年的研發投入至少是百億甚至幾百億。

輔助駕駛賽道越向深水區延伸，越需要具備「高舉高打」的戰略視野。

特斯拉已經做了示范，但極高的競爭壁壘下，還沒有玩家能抄到特斯拉的作業。

因此輔助駕駛開啟淘汰賽后，規則很清晰，競爭格局也很清晰。

由技術投入強度、數據積累速度、場景覆蓋廣度構成的核心篩網，讓頭部玩家與追趕者的分化不斷加速。

在當前這個關鍵賽點上，一個最直觀的實力刻度已經出現，即誰先邁過 1000 萬 Clips 的數據門檻，誰就能拿到輔助駕駛第一梯隊的入場券。

返回第一電動網首頁 >