在智能駕駛領域，數據、算法與算力被視為推動技術進化的三大支柱，其中數據被形象地比喻為驅動大模型躍進的“燃料”。然而，在這條由數據主導的發展道路上，車企與供應商的命運卻似乎出現了分歧。

憑借與用戶之間的直接聯系，車企在數據積累上構建了堅實的壁壘。理想、奇瑞、吉利等車企紛紛宣布，其數據量已達到千萬級別Clips（數據片段），而小鵬更是將數據規模翻倍，達到了2000萬Clips。馬斯克曾指出，對于端到端輔助駕駛系統而言，經過千萬級別的Clips訓練，系統將展現出驚人的表現。這似乎預示著，車企在數據積累上的優勢將助力其更快觸及大模型的升級臨界點。

然而，供應商在數據積累上則面臨更多挑戰。除非能夠獲得車企的信任，否則在千萬級別Clips的數據積累上，供應商需要付出更多努力。但值得注意的是，數據驅動的競爭并非單純依賴數量取勝。

地平線創始人兼CEO余凱提出了一個反共識觀點：“在AI時代，99%的用戶數據其實不值得學習。”這一觀點背后，是對數據價值的深度重構。在端到端架構與生成式AI的沖擊下，數據戰爭的勝負關鍵不再是誰擁有更多的“燃料”，而是誰能高效利用有限的數據實現效能的飛躍。

那么，千萬級別的Clips究竟意味著什么？首先，我們需要明確“Clip”的含義。Clip通常指的是由激光雷達、攝像頭、毫米波雷達等多種傳感器同時捕獲的、在特定時間段內的多模態數據片段。這些數據片段通常與4D標注技術密切相關，即在傳統三維空間坐標之外，還加入了時間維度，從而能夠更全面、準確地描述物體在空間中的運動情況。

業內專家指出，一個Clip通常代表一段約30秒左右的視頻切片。毫末智行認為，相比以往的2D、3D數據標記方式，4D Clips的數據規模實現了百倍級的增長，是當前最具價值的感知數據形態。因此，千萬級別的Clips意味著系統擁有了千萬個信息密集的視頻切片，這些切片在極端場景覆蓋率和數據場景分布上都具有顯著優勢。

理想汽車將道路行駛中的場景分為靜態場景和動態場景，通過篩選不同復雜程度的場景進行訓練，使得輔助駕駛系統的處理能力更加擬人化和高效。理想認為，千萬級別的Clips模型相當于系統具備了一名職業老司機的能力，能夠安全、舒適、高效地應對各種駕駛情況。

小米、吉利、奇瑞等車企在展示數據儲備時，也將千萬級別的Clips作為重要論據。這一論據不僅傳遞了系統可靠性和未來潛力的信息，還通過大模型的體驗提升印證了數據驅動方式的高效與先進性。例如，理想AD Max V13系統在經過千萬級別Clips的訓練后，已經能夠展現出更加靈活和智能的駕駛決策。

然而，數據的質量同樣至關重要。輕舟智航CEO于騫強調，數據訓練的關鍵在于覆蓋維度和數據質量。在數據清洗過程中，需要剔除重復場景和不合理駕駛行為的數據。余凱的反共識觀點也指出，大部分人類司機的駕駛技術和習慣并不合理，因此大部分人類司機數據并不值得學習。建立嚴格的數據篩選和評估標準成為必要舉措。

理想汽車從百萬用戶的真實駕駛數據中，僅篩選出5%的高質量數據納入訓練集。這一“極致提純”的過程折射出輔助駕駛領域的核心矛盾：數據價值不在于量的堆砌，而在于質的穿透。車企和供應商在獲取高質量數據上采取了多種方式，包括眾包模式、自建路測團隊和數據仿真等。

眾包模式允許車企在用戶授權后匿名采集真實駕駛數據，而自建路測團隊則能夠精準控制采集場景并提升訓練效率。數據仿真技術則通過生成式AI技術批量生成虛擬場景，以覆蓋真實路測中難以遇到的極端情況。然而，目前數據仿真技術仍主要扮演輔助角色，隨著輔助駕駛技術的持續進階，三種數據采集方式的權重也將發生動態變化。

在后端到端時代，行業正呈現出全新生態。技術焦點已經從“是否端到端”轉變為“端到端之后的研究方向”。在算法、算力、數據的共同推動下，技術的演進對數據產生了新的需求。強化學習和視覺-語言-動作（VLA）模型等新技術趨勢逐漸成為共識，它們對高質量數據的渴求不變。

強化學習通過虛擬環境的“獎懲反饋”主動試錯探索，使系統能夠自主探索復雜場景。VLA模型則使系統能夠聽懂并執行指令，同時在陌生環境中表現出色。然而，在數據應用過程中，如何規避幻覺數據干擾、構建科學的評價體系仍是一個持續探索的過程。

隨著輔助駕駛賽道向深水區延伸，玩家之間的分化不斷加速。由技術投入強度、數據積累速度、場景覆蓋廣度構成的核心篩網，讓頭部玩家與追趕者的差距不斷擴大。在當前這個關鍵賽點上，誰先邁過千萬級別Clips的數據門檻，誰就將獲得輔助駕駛第一梯隊的入場券。