在自動駕駛領域，經常會聽到數據飛輪這個概念。為什么特斯拉的FSD能從頻繁接管進化到近乎老司機的能力，迭代速度甩開傳統開發模式幾個量級？為什么華為、小鵬這樣的廠商都在不計成本地鋪設數據閉環？答案就藏在飛輪這兩個字里。今天就和大家來聊聊企業是如何做好數據飛輪的。

這個飛輪是怎樣轉起來的？

數據飛輪簡單理解，就是一套讓自動駕駛系統從真實駕駛中自我學習、持續進化的工程閉環。它可以完成車輛采集數據、數據回傳云端、云端完成自動標注與模型訓練、新模型通過OTA部署回車端，車輛繼續采集新數據進入下一輪循環等一整個運轉鏈路。當這套鏈路中各環節的自動化程度足夠高時，飛輪就能夠在極短時間內完成發現問題、訓練改進、驗證上線的完整周期，周而復始地提升智駕能力。

圖片源自：智駕最前沿 

當前行業對數據飛輪的競爭，已從誰有數據轉向誰的迭代效率更高。特斯拉從FSD V12的端到端模型與影子模式構建了業界效率最高的數據閉環，FSD累計行駛里程超過16億英里，且仍在加速。華為則通過八爪魚平臺將數據閉環能力封裝為可交付的產品，為車企提供數據、標注、訓練、仿真、合規等一站式工具鏈。Waymo沒有照搬行業流行的端到端大模型路線，而是構建了獨特的駕駛員、模擬器、評價者三位一體閉環架構，強調安全可驗證。英偉達則憑借Cosmos世界基礎模型與Omniverse仿真平臺，將數千英里真實駕駛數據擴展為數十億英里虛擬駕駛里程，用合成數據角度為飛輪提供動力，對于各企業的具體實施方案，將在第四章節與大家詳細聊一聊。

車端如何精準采集高價值數據？

數據采集是飛輪的起點，一輛具備高階智駕能力的車輛每天產生的傳感器數據可達TB級別，如果全量回傳，網絡成本和云端存儲成本難以承受。因此，車端必須具備在行駛中自動篩選高價值場景的能力，這是飛輪能否低成本運轉的第一道關卡。

特斯拉通過影子模式來實現這一環節，在人類駕駛員操控車輛時，FSD算法在后臺同步運行并獨立做出決策判斷，但不控制車輛。系統實時比對算法判斷與駕駛員實際操作，一旦兩者出現顯著分歧（如算法認為應該減速而駕駛員加速通過），就判定該場景為異常工況，自動觸發數據回傳。這種機制將人類駕駛員的日常操作作為免費的真值參照，系統無需任何人工干預就能自動發現模型表現不佳的場景。

圖片源自：網絡

影子模式是一種被動觸發策略，而主動學習則是云端主動向車隊發起數據采集請求的一種形式。當算法團隊識別出模型對某類場景處理能力不足時，會向全球車隊下發包含目標場景特征描述的輕量級觸發器。車輛在行駛中持續匹配這些特征，一旦命中，就可以將對應時段的數據打包上傳。這種缺什么、找什么的定向采集方式，在控制傳輸成本的同時大幅提升了進入訓練集的數據價值密度。

華為乾崑方案也采用了類似架構，通過量產車數據采集網絡與云基礎設施的配合，實現端云協同的定向數據篩選。其智駕數據閉環模型可以低成本、快速獲取高價值訓練和仿真數據，同時通過端云協同增強復雜場景的理解與決策能力。小鵬則將用戶干預行為作為關鍵觸發信號，車端回傳用戶干預時的操作、環境和系統狀態三維信息，以定點攻克接管場景。

數據上云后怎樣處理和訓練？

數據回傳后，首先要做的是標注環節，傳統標注方式大量依賴人工，一輛車一天產生的激光雷達點云可能需要上百名標注員處理數日。為支撐飛輪的高頻迭代，標注環節的自動化是必須解決的問題。

4D自動標注是當前行業的主流方案。4D意味著在3D空間坐標之上加入時間維度，對點云和圖像數據進行跨時序的連續標注，標注結果能更好地支撐BEV感知模型的訓練。阿里云的ADS 4D標注平臺就可以通過AI預標注技術對點云進行初步識別，再由人工做微調修正，同時引入自動化質檢邏輯，將標注精度從行業通用的98%提升到 9.2%，年度完成數億幀3D點云處理。標貝科技的4D-BEV上億點云標注系統則利用大模型進行多模態預識別，從空間和時序維度對車輛、行人和路標等目標進行多視角標注，將百億點云的標注周期從月級壓縮到周級。

圖片源自：網絡

學術界也在推進標注技術的底層探索，SAM4D方案引入統一多模態位置編碼（UMPE），將相機和激光雷達的特征在共享3D空間中對齊，實現跨模態提示與交互，能夠對相機和激光雷達流中的任意目標進行分割。這些技術共同方向是讓人的角色從標注操作者轉變為質量審核者。

標注完成后就會進入模型訓練環節，大模型時代下，算力基礎設施成為決定迭代速度的關鍵。小鵬在2025年科技日披露，其云端訓練集群規模達3萬卡，基座模型參數量達到720億，訓練數據接近1億clips，可實現每5天完成一次全鏈路迭代，等效覆蓋人類司機6.5萬年的極限場景。騰訊部署的車云一體方案則在數據管理層面發力，通過統一數據目錄管理、端到端數據血緣追蹤和分布式異構算力調度，將數據發現時間縮短90%，存儲成本降低50%，計算成本降低75%。火山引擎提出的全模態數據湖方案，通過引入Lance數據湖格式實現超大規模元數據描述和高級索引，解決了多模態數據異構處理和多團隊協同的效率瓶頸。

圖片源自：網絡

仿真驗證是模型上車前的最后一步，華為的仿真平臺預置了25萬以上仿真場景庫，覆蓋高速、城區、泊車等場景，并支持基于基礎場景庫泛化生成千萬級衍生場景，單日可完成千萬公里的并行仿真里程。阿里云則整合Omniverse仿真平臺與世界模型Cosmos，在虛擬環境中完成模型評測后再部署到邊緣設備。

還有一點要提的是，合成數據在飛輪中扮演的角色越來越重。隨著智駕系統能力的提升，實車采集的數據中有效信息密度持續降低，譬如系統已經能應付雨天場景后，雨天的絕大多數采集數據就失去了訓練價值，真正有價值的只剩暴雪、臺風等更極端的長尾場景，此時合成數據就起到了作用。2023年到2025年間，合成數據在訓練數據中的占比從20%～30%提升到了50%～60%，已成為補充長尾場景的主要方式。這也意味著飛輪的燃料來源正在從純實車采集向實車采集+合成生成的混合模式轉變。

幾家企業走的不同路線詳解

行業對數據閉環的必要性早已形成共識，但具體到實現路徑上，每家企業都給出了完全不同的解法。這些分歧背后，實質是各家對自身戰略定位的考量。

特斯拉作為數據飛輪模式的標桿，其核心優勢建立在一套垂直整合的全棧架構之上。全球數百萬輛能夠運行FSD的車輛組成了一個龐大的分布式數據采集網絡，在這個網絡中，影子模式和定向觸發機制負責高效篩選有價值的數據，當算法判斷與人類駕駛員的操作出現分歧時，系統會自動上傳相關場景數據，整個過程無需人工介入。近期更新的強制接管原因填寫功能，則為每一條接管數據賦予了明確的分類標簽，進一步提升了數據標注的質量。在云端，自研的Dojo超算與自動標注工具打通了訓練鏈路，新模型可通過OTA通道直接部署回車端。從芯片到算法再到數據，這條完整的鏈路全部掌握在特斯拉自己手里，省去了跨供應商協作的摩擦成本。

圖片源自：網絡

特斯拉提出的Data Engine框架將這一循環梳理得更加清晰。它首先采集特定場景的初始素材，然后向全球車隊請求擴充類似場景，接著對數據進行自動標注并投入訓練，通過影子模式驗證效果后，再啟動下一輪循環。這套框架讓數據飛輪的每一個環節都形成了明確的反饋鏈路。近期FSD V14的發布進一步釋放了技術潛力，模型參數規模擴展至V13的十倍，引入了專家混合架構和強化學習，推動智駕能力持續躍遷。

華為的打法與此不同，作為增量部件供應商，它通過八爪魚平臺為車企提供一站式的數據閉環工具鏈，覆蓋數據處理、場景挖掘、標注、模型訓練、仿真測試、合規服務等完整環節，底層硬件基于自研昇騰AI處理器，盤古預標注大模型為其提供AI能力支撐。這套方案的關鍵在于，數據閉環被封裝成一個可交付的產品，車企可按需集成，不必每家都從頭自研。在算法架構上，ADS 5.0搭載的WEWA架構選擇了另一條路，行業主流方向是VLA模型，華為則認為中間的語言層會引入延遲和信息損失，因此轉而采用WA模型，直接從多模態感知數據映射為行駛軌跡控制指令。云端的World Engine則以極高密度生成極端駕駛場景進行訓練，在正式上路前完成高強度的虛擬驗證。

圖片源自：網絡

Waymo的路線與前面兩家截然不同，它沒有押注更大的端到端模型，而是構建了一套以安全可驗證為優先級的AI生態系統，由駕駛員模型、模擬器和評價系統三個組件構成閉環。三者的底層由統一的Waymo基礎模型驅動，內部采用了快思考與慢思考的雙系統架構，一個負責融合多傳感器數據進行毫秒級實時決策，另一個則基于視覺語言模型對罕見復雜場景進行深度語義推理。

Waymo的飛輪可以理解為內外兩層，內環是基于強化學習的仿真到驗證再到上車的閉環，外環則是實車測試的反饋閉環。評價系統負責標記問題，系統據此生成改進行為，經過模擬器高強度的壓力驗證和安全框架審核后，才能部署到真實道路。這套架構讓Waymo的模型并不依賴人類經驗來學習，而是從自身超過一億英里的完全自動駕駛實際數據中直接進化，系統安全性相較人類駕駛提升十倍以上。

英偉達則從算力和仿真工具鏈的角度切入數據飛輪，在2026年GTC大會上，它發布了物理AI數據工廠藍圖，這是一個開放的參考架構，用于統一并自動化訓練數據的生成、增強與評估。藍圖的核心包含三個組件，Curator負責數據處理和標注，Transfer用于數據擴展和多樣化，Evaluator則執行自動評分和驗證。借助Cosmos世界基礎模型，開發者可以將有限的真實駕駛數據轉化為大規模多樣化的數據集，覆蓋現實中難以采集的長尾與邊緣場景。這套數據工廠模式的意義在于，它大幅降低了對實車采集數據的依賴，通過仿真生成的多樣化場景來加速端到端自動駕駛的開發。

小鵬汽車選擇了一條相對激進的技術路線。它在2025年科技日發布了第二代VLA大模型，并在2026年完成量產推送。該模型采用端到端架構，跳過了傳統的視覺識別、語言轉譯、動作執行分步流程，直接將視覺信號映射為駕駛指令，決策延遲被壓縮在80毫秒以內，響應速度較前代提升十二倍，百公里接管次數減少三分之一以上。與此同時，小鵬Robotaxi已正式量產下線，搭載四顆圖靈AI芯片，算力達到3000TOPS，采用純視覺方案搭配第二代VLA模型，實現了L4級自動駕駛能力。在數據層面，小鵬將物理世界模型比作引擎，將數據比作燃料，數據的數量和質量直接決定了引擎能否高效運轉。

圖片源自：網絡

Momenta自創立之初就提出了一個飛輪兩條腿的戰略，讓智能輔助駕駛與Robotaxi共享同一個數據閉環和模型底座，通過兩個應用方向的協同來加速飛輪運轉。在2026年北京車展上，Momenta宣布R7強化學習世界模型實現量產首發，CEO曹旭東曾打過一個比方，數據就像貧礦，原始數據只貢獻了價值源頭的十分之一，剩下的九成來自飛輪的體系能力，其中又包括架構能力和組織能力。目前搭載Momenta系統的量產車輛已超過八十萬臺，且增速持續加快，飛輪效應的加速趨勢正在數據層面得到驗證。

從整個行業來看，各家實現路徑雖有不同，但底層演進方向高度一致，那就是從模塊化架構走向統一的端到端模型，數據閉環的迭代周期從天級向小時級壓縮。隨著合成數據占比持續提升、全流程自動化工具鏈逐步部署，行業的核心矛盾正聚焦于長尾場景覆蓋與成本控制之間的平衡。

-- END --

       原文標題 : 各智駕企業是如何進行數據飛輪工程落地的？