埃隆・马斯克给大家提了个醒，要想实现真正安全的无监督自动驾驶，就得先把100亿英里（也就是160.9亿公里）的训练数据攒够。这事儿的核心就在于现实道路那极其复杂的“长尾”场景，虽说它们出现的次数不多，一旦碰上了却很要命。特斯拉之前在《宏图计划2.0》里算过一笔账，说要过监管这关大概需要跑60亿英里测试里程。好在现在的情况很不错，特斯拉的全自动驾驶系统已经累计跑了快70亿英里了，光是城市里的路就跑了超过25亿英里。 苹果和Rivian前员工保罗・拜塞尔也挺有感触，他觉得从演示到落地中间隔了条巨大的鸿沟。特斯拉就是靠着量产车天天在路上跑，把真实的数据给收集起来，这种迭代速度短时间内很难被别人追上。拜塞尔说了实话，光靠在电脑上仿真或者在小范围内路测是搞不定系统性安全难题的。真正的拼刺刀还得看规模、数据和迭代速度。 现在的自动驾驶技术圈挺有意思的，分成了两派：一派是像特斯拉这样的数据驱动派，靠着现有的车不停地在路上跑；另一派大多数还是依赖仿真测试或者限定场景路测。这两者在数据规模和多样性上差距挺大的。大家普遍认为，解决了大多数常见场景后，剩下的1%难题才是最麻烦的。阿肖克・埃勒斯瓦米就说过，这类问题的复杂程度比我们想象中要深得多。马斯克也吐槽过其他公司：“拿到99%的技术目标其实不难，但剩下的这1%长尾风险才是真正的拦路虎。” 因为大家对安全监管越来越严了，谁能高效地搞到高质量的训练数据，谁就能在这场竞争中占据主动。未来想让自动驾驶大规模落地可没那么容易，不光要看算法行不行，更要看能不能攒下足够多的经验。这个百亿英里的门槛既说明了现实路况有多难搞，也告诉我们以后的竞争主要是在“盖房子”的工程能力上比高下。