玩美案例丨玩美数据解读：自动驾驶从“能用”到“好用”的三个关键指标

最近自动驾驶行业出了两件大事。国内针对L3、L4级自动驾驶的强制性国家标准正式公开征求意见，国际上首个自动驾驶全球技术法规也获批发布了。监管从宣传端到技术端同步收紧，很多业内人士开玩笑说，自动驾驶的“吹牛时代”终于结束了。宣传可以降温，但技术竞赛从未减速。2026年被业内看作自动驾驶普及的关键一年，真正决定谁能跑在前面的，不是芯片算力，不是传感器数量，而是三件看似枯燥却至关重要的事：路测跑了多少公里、数据标注得有多精细、罕见场景覆盖得有多全。

一、路测里程的长度，决定AI的眼界

2025年7月，Waymo宣布完全自动驾驶路测里程突破1亿英里（约1.6亿公里）。同年，Waymo在美国完成了超过1400万次出行，车队规模约2500辆，覆盖旧金山、洛杉矶、凤凰城、奥斯汀、亚特兰大五座城市。每一次出行，车上的摄像头、激光雷达、毫米波雷达都在不停地记录周围环境，同时把车辆自己的每一个决策和操作也一并保存下来。这些真实道路上的记录，就是训练自动驾驶模型最宝贵的原材料。

再看百度Apollo这边，截至2025年5月，路测总里程已经超过1.7亿公里。更关键的是，中国城市的道路情况比美国复杂得多。据百度汽车机器人部总监徐宝强透露，北京亦庄经开区的交通参与者密度大约是加州的15倍。也就是说，在中国跑一公里积累的数据，里面包含的复杂情况可能比在美国跑一公里要多得多，对模型训练的帮助也更大。

截图来源：百度百科

为什么路测里程这么重要？说白了，因为自动驾驶AI的能力上限，取决于它见过多少种真实路况。一个从来没见过逆行的电动车、从来没见过施工路障的模型，在虚拟测试里表现得再好，到了真实道路上依然可能出问题。

二、数据标注：把画面翻译给AI听

路测跑完了，数据也存下来了，但传感器记录的只是大量的像素和信号点，AI根本看不懂。要让AI学会识别，就需要把每一张画面里的每个物体都标注出来——这是车，那是行人，锥桶在哪里，边界线怎么画。

这个环节催生了一家叫Scale AI的公司。2016年，19岁的Alexandr Wang发现一个问题：自动驾驶公司花了大把钱搞路测，但采集到的数据必须靠大量人工标注才能变成训练素材，效率很低，成本很高。Scale AI做了一个云端标注平台，帮Waymo等公司更快地把原始数据变成可用的标注数据。Waymo成了他们的早期客户，后来通用汽车、微软、谷歌也陆续加入。一家靠数据标注起家的公司，估值涨到了将近300亿美元，足以说明这个环节在整个产业链里的分量。

截图来源：Scale AI官网(https://scale.com/automotive)

不过随着技术升级，标注本身也在变难。简单画个框已经不够了，三维点云的精确分割、行人意图的时序标注、跨帧轨迹匹配，难度越来越大。据玩美数据搜集到的信息来看，国内的海天瑞声从语音标注起步，2018年转向多模态传感器数据标注，和百度Apollo、小马智行都有合作；云测数据则通过自动化平台实现规模化处理。数据标注这个行业，正在从劳动密集型往技术密集型转变。

三、长尾场景：那些少见但致命的情况

路测里程管的是数据够不够多，标注精度管的是数据能不能用，而长尾场景覆盖度，才是真正把顶级系统和普通系统区分开的标准。

什么是长尾场景？暴雨天激光雷达失灵、夜间逆光什么都看不清、隧道进出的瞬间光线突变、高速上前车突然急刹车、路口有人闯红灯。这些事碰到的概率不高，但每次碰到都可能是生死攸关的时刻。而最麻烦的是——越是要命的场景，越难在真实路测里遇到足够多次。被遮挡的行人突然从盲区窜出来，暴雪天气传感器失效，一年路测可能就遇上几回，这点数据根本不够模型好好学习的。

于是行业走了两条路。一是搞仿真数据，在虚拟环境里批量制造各种极端情况。好处是要多少次都可以，坏处是虚拟和现实始终有差距，模型在仿真里学的东西，到了真实路上不一定管用。二是跨区域互补，小马智行在中美两边都跑，不同国家的路况差异大，两边的数据能互相补上；文远知行在广州这种混行交通复杂的城市积累的经验，在处理各种突发状况时有独特优势。

玩美数据观察到，这类数据的稀缺，正在变成越来越深的壁垒。想采集长尾场景，要么靠大规模车队长时间在真实路上慢慢等，要么在特定季节、特定地点集中去跑。这不是有钱就能立刻解决的，要靠时间慢慢攒。

四、数据之争还没到终点

数据这场仗还在变。端到端大模型普及之后，对标注的要求跟以前不一样了。以前感知、预测、规划每个模块都要单独标注，现在端到端可以直接从传感器输入学到输出，某些环节对人工标注的依赖确实在减少，但对真实路测数据的总需求量反而更大。

合成数据也在往前探索。NVIDIA、Wayve这些公司正在尝试用生成式AI大批量制造驾驶场景，想弥补真实数据里长尾场景不足的问题。但这条路的可行性目前还有争议，模型从合成数据里学到的东西，到底能不能在真实世界里用，行业里还没达成一致。玩美数据在对算法工程师群体的调研过程中也发现，相当比例的受访者对合成数据的真实泛化效果仍持保留态度。

监管也在变化。谁有权采集路测数据、数据能不能传到境外、地图数据的安全等级怎么划，中国、美国、欧盟各有各的节奏，直接影响着各家公司的数据策略。

五、看得见是传感器的事，看得准是数据的事

回头来看，自动驾驶这场竞赛，真正的赛场从来不在展台上，而是在每一条城市道路上——在那些测试车队每天产生的、被仔细标注过的、用来训练模型的每一段数据里。谁在这个环节做得更早、更扎实、更系统，谁才有可能走到最后。

这也是我们做调研一直秉承的理念。玩数圈APP作为玩美数据旗下的自有调研平台，覆盖超过300万高质量样本会员，长期追踪汽车、科技、金融等多个产业的真实人群。数据驱动决策，不只适用于自动驾驶。如果您的品牌也需要这样的行业洞察与专业调研支持，欢迎关注【玩美数据】公众号，我们将持续输出一手行业资讯，并提供定制化的数据解决方案。