自动驾驶研发逻辑生变：高质量数据取代规模成新赛道
当前，自动驾驶产业正经历从技术验证向规模商用转型的关键期。数据驱动的发展逻辑，也随之从追求总量扩张，转向对场景深度与工况覆盖质量的更高要求。这一转变不仅关乎算法性能的持续提升，更在深层次上重塑着行业竞争格局与基础设施演进方向。
在市场规模加速扩容的背景下，这一演进趋势相对突出。iiMedia Research（艾媒咨询）发布的《2025-2026年DeepSeek撬动产业链的商业机会及布局策略报告》显示，2025年中国智能网联汽车应用服务市场规模达到2223亿元。人工智能技术从信号控制、车流预测到智能驾驶辅助等环节的深度应用，正不断驱动行业数字化转型，这一规模扩张为行业底层数据逻辑的转变提供了必要的产业基础与商业支撑。
自动驾驶数据竞赛进入“质量时代”
7月27日，在2026世界智能网联汽车大会媒体圆桌会上，中国信息通信研究院车联网与智慧交通研究部主任葛雨明的一番表态，在业内激起回响。
他指出，当前自动驾驶研发数据已不单纯以量取胜，而是对极端场景、边角工况等高质量数据存在更大诉求。这一判断并非空穴来风，而是精准击中了自动驾驶产业从实验室走向规模化商用的关键痛点。
过去数年，行业普遍信奉“大力出奇迹”的数据逻辑，通过海量泛化数据训练模型，在高速公路、城市环路等常规场景取得了显著进展。然而，当高阶智能驾驶试图深入拥堵老城区、恶劣天气环境、人车混行路口等复杂场景时，算法对边角案例的应对能力仍显脆弱。
从产业发展规律看，自动驾驶系统要在安全性上达到甚至超越人类驾驶员，必须实现对低频高危场景的充分认知与稳健决策，而这恰恰无法依靠普通数据的简单堆叠实现。
葛雨明将高质量数据诉求置于大会核心议题，表明政策研究机构与产业界形成共识：自动驾驶的竞争已从“数据规模”的上半场，正式进入“数据质量”的下半场，极端场景数据的覆盖密度与处理精度，正在成为影响技术天花板与商业化速度的首要变量。
企业与国家协同补齐数据短板
艾媒网（iiMedia.cn）获悉，面对高质量数据的结构性缺口，葛雨明从企业与国家两个层面提出了系统性解决方案。
在企业端，他建议加速供给模式向多元协同演进，打破单一主体闭门造车的局限；加强生成式自动驾驶数据生产技术研发与应用，利用人工智能合成逼真的极端场景数据；同时探索可信可控的数据跨主体流通，激活沉睡在不同企业服务器中的数据资产。
在国家端，则需通过深化试点验证引领、组织核心技术攻关、加快核心标准制定、注重国际协作等四方面发力，为数据要素的市场化配置与全球化流动奠定基础。这一“企业-国家”协同的破局框架，直指当前行业面临的困境。
事实上，极端场景数据具有天然的稀缺性：暴雨中的路面反射、夜间无保护左转、异形障碍物识别等有效样本的采集概率可能低至百万分之一，导致企业自有车队的获取成本高昂。
与此同时，由于缺乏统一的数据格式、标注规范与质量评价体系，各企业积累的数据往往难以互通互认，形成了严重的“数据孤岛”现象。生成式AI被寄予厚望，其能够在虚拟环境中批量制造罕见场景，降低对真实路测的绝对依赖，但合成数据与真实物理世界的一致性验证、安全边界认定仍是技术难题。
因此，国家层面的顶层设计至关重要——只有建立公共数据资源池、明确数据产权归属、完善定价与交易机制，并引入隐私计算、区块链存证等技术保障流通安全，才有可能降低全行业获取高质量数据的边际成本，让数据从各企业的“私有财产”转变为产业共同进化的“公共品”。
规模化落地倒逼数据基建加速
在技术与政策的双重牵引下，产业界与地方政府正以规模化落地场景反向推动高质量数据基础设施建设，形成了自上而下的战略共振。
6月18日，吉利远程新能源商用车与曹操出行在香港车博会现场达成战略合作，宣布至2030年将累计投放10万辆远程超级VAN，共同推进无人配送车在物流场景的规模化运营。这一宏大的商业计划，实际上对城配物流中的极端工况数据提出了刚性需求——狭窄巷道通行、非标装卸点停靠、小区人车混行、恶劣天气配送等长尾场景的数据质量，影响Robovan能否从“示范运营”走向“常态运营”。
同时，上海市政府于6月1日印发《上海市服务业发展“十五五”规划》，明确提出支持多模态智能体开发与应用，有序推进智能驾驶在共享出行、物流运输等多场景落地，并大力发展生成式人工智能技术，打造AI软件技术及服务产业集群。
地方政策与头部企业的密集布局，印证了一个产业铁律：缺乏高质量数据支撑的场景扩张，无异于空中楼阁。无论是10万辆智能物流车的云端调度系统，还是上海超大城市复杂路网中的共享出行网络，其本质都是数据驱动的实时决策系统。
这些规模化应用一旦铺开，不仅将产生比当前测试阶段更丰富、更逼近真实的边缘场景数据，反哺算法迭代升级，更有望通过“应用催生数据、数据优化应用”的正向飞轮，加速中国自动驾驶数据生态的成熟。
值得注意的是，生成式AI在两地战略中均被重点提及，预示着“合成数据+真实数据”的双轮驱动模式，正从理论构想快速走向产业实践。
数据生态影响自动驾驶商业化顶部
综上所述，2026年年中以来，从国家智库的权威发声到头部企业的百亿级商业订单，再到头部城市的五年产业规划，中国自动驾驶产业正在完成一次关于“数据价值”的集体觉醒。高质量极端场景数据已从制约产业发展的隐性短板，升级为关乎全球竞争位次的显性瓶颈。
短期来看，生成式数据技术与跨主体数据流通机制的积极探索，有望在一定程度上缓解高质量数据的供给压力，降低对天价路测成本的过度依赖；中长期而言，必须加速构建国家级自动驾驶数据基础设施，统一数据采集、清洗、标注、交易与安全保障的全流程标准，真正打通“采-存-算-用”的数据价值链。
同时，数据要素的市场化配置需与个人隐私、国家安全保护统筹兼顾，以防止在打破企业数据孤岛的过程中衍生出新的系统性风险。自动驾驶的下半场竞争，将更多体现为数据生态、算力支撑、制造工艺与制度创新等多维能力的综合较量。
中国拥有全球最大的新能源汽车市场、最为复杂的道路交通场景以及较为完整的智能产业链，这些禀赋如能通过高质量数据资产得以有效激活，有望为全球智能网联汽车发展提供具有参考价值的中国实践样本。
反之，如果数据瓶颈持续存在，则较大规模的车队投放与较为积极的政策支持在实际转化为用户体验与产业效益的过程中也可能面临制约。基于此，以标准引导、流通促进与安全兜底为着力点，加快构建适应AI时代的自动驾驶数据新生态，被视为推动行业由“示范运营”迈向“大众普惠”的重要路径之一。
