在智能驾驶领域，数据、算法与算力被视为推动技术进化的三大支柱，其中数据被形象地比喻为驱动大模型跃进的“燃料”。然而，在这条由数据主导的发展道路上，车企与供应商的命运却似乎出现了分歧。
凭借与用户之间的直接联系，车企在数据积累上构建了坚实的壁垒。理想、奇瑞、吉利等车企纷纷宣布，其数据量已达到千万级别Clips（数据片段），而小鹏更是将数据规模翻倍，达到了2000万Clips。马斯克曾指出，对于端到端辅助驾驶系统而言，经过千万级别的Clips训练，系统将展现出惊人的表现。这似乎预示着，车企在数据积累上的优势将助力其更快触及大模型的升级临界点。
然而，供应商在数据积累上则面临更多挑战。除非能够获得车企的信任，否则在千万级别Clips的数据积累上，供应商需要付出更多努力。但值得注意的是，数据驱动的竞争并非单纯依赖数量取胜。
地平线创始人兼CEO余凯提出了一个反共识观点：“在AI时代，99%的用户数据其实不值得学习。”这一观点背后，是对数据价值的深度重构。在端到端架构与生成式AI的冲击下，数据战争的胜负关键不再是谁拥有更多的“燃料”，而是谁能高效利用有限的数据实现效能的飞跃。
那么，千万级别的Clips究竟意味着什么？首先，我们需要明确“Clip”的含义。Clip通常指的是由激光雷达、摄像头、毫米波雷达等多种传感器同时捕获的、在特定时间段内的多模态数据片段。这些数据片段通常与4D标注技术密切相关，即在传统三维空间坐标之外，还加入了时间维度，从而能够更全面、准确地描述物体在空间中的运动情况。
业内专家指出，一个Clip通常代表一段约30秒左右的视频切片。毫末智行认为，相比以往的2D、3D数据标记方式，4D Clips的数据规模实现了百倍级的增长，是当前最具价值的感知数据形态。因此，千万级别的Clips意味着系统拥有了千万个信息密集的视频切片，这些切片在极端场景覆盖率和数据场景分布上都具有显著优势。
理想汽车将道路行驶中的场景分为静态场景和动态场景，通过筛选不同复杂程度的场景进行训练，使得辅助驾驶系统的处理能力更加拟人化和高效。理想认为，千万级别的Clips模型相当于系统具备了一名职业老司机的能力，能够安全、舒适、高效地应对各种驾驶情况。
小米、吉利、奇瑞等车企在展示数据储备时，也将千万级别的Clips作为重要论据。这一论据不仅传递了系统可靠性和未来潜力的信息，还通过大模型的体验提升印证了数据驱动方式的高效与先进性。例如，理想AD Max V13系统在经过千万级别Clips的训练后，已经能够展现出更加灵活和智能的驾驶决策。
然而，数据的质量同样至关重要。轻舟智航CEO于骞强调，数据训练的关键在于覆盖维度和数据质量。在数据清洗过程中，需要剔除重复场景和不合理驾驶行为的数据。余凯的反共识观点也指出，大部分人类司机的驾驶技术和习惯并不合理，因此大部分人类司机数据并不值得学习。建立严格的数据筛选和评估标准成为必要举措。
理想汽车从百万用户的真实驾驶数据中，仅筛选出5%的高质量数据纳入训练集。这一“极致提纯”的过程折射出辅助驾驶领域的核心矛盾：数据价值不在于量的堆砌，而在于质的穿透。车企和供应商在获取高质量数据上采取了多种方式，包括众包模式、自建路测团队和数据仿真等。
众包模式允许车企在用户授权后匿名采集真实驾驶数据，而自建路测团队则能够精准控制采集场景并提升训练效率。数据仿真技术则通过生成式AI技术批量生成虚拟场景，以覆盖真实路测中难以遇到的极端情况。然而，目前数据仿真技术仍主要扮演辅助角色，随着辅助驾驶技术的持续进阶，三种数据采集方式的权重也将发生动态变化。
在后端到端时代，行业正呈现出全新生态。技术焦点已经从“是否端到端”转变为“端到端之后的研究方向”。在算法、算力、数据的共同推动下，技术的演进对数据产生了新的需求。强化学习和视觉-语言-动作（VLA）模型等新技术趋势逐渐成为共识，它们对高质量数据的渴求不变。
强化学习通过虚拟环境的“奖惩反馈”主动试错探索，使系统能够自主探索复杂场景。VLA模型则使系统能够听懂并执行指令，同时在陌生环境中表现出色。然而，在数据应用过程中，如何规避幻觉数据干扰、构建科学的评价体系仍是一个持续探索的过程。
随着辅助驾驶赛道向深水区延伸，玩家之间的分化不断加速。由技术投入强度、数据积累速度、场景覆盖广度构成的核心筛网，让头部玩家与追赶者的差距不断扩大。在当前这个关键赛点上，谁先迈过千万级别Clips的数据门槛，谁就将获得辅助驾驶第一梯队的入场券。
