数据驱动，正在成为新一轮智驾功能升级、体验优化的关键。
这背后，除了感知模型的持续训练（比如，Corner Case），还有轨迹规划与控制，尤其是端到端自动驾驶技术落地，后者的权重正在提升。
就在去年的小鹏汽车科技日活动活动上，该公司宣布，在进一步开放城市NGP覆盖范围的同时，小鹏汽车将启动影子模式邀请用户参与开放计划，以完善更多具有地域特征的红绿灯、车道线等信息数据。
众所周知，在全球范围内，特斯拉是第一家提出基于数据驱动闭环开发模式的主机厂。基于“影子模式”收集数据，完成相关可行性验证后，逐步激活进行功能的小范围试用。
在影子模式下，特斯拉的智能驾驶系统处于开启状态，但系统不会采取任何主动行动，也不会干预驾驶员的任何正常操作。
在这个过程中，系统对自身模型（规控）与人类驾驶员操控行为进行决策匹配；比如，根据实际的路况，通过算法模拟出的“影子”去做出变道行为，并和驾驶员的变道行为去做出对比。
而这种真实训练的结果，就是让智驾系统具备「拟人化」的能力。这背后的本质能力，就是面向数据驱动的规控模块开发。
「在上一代的决策规划架构中，曾有车主反馈称算法不够聪明，不够拟人。而在最新的XPlanner架构中，我们坚持化繁为简，持续以模型和数据来驱动进化。」小鹏汽车自动驾驶负责人李力耘表示。
有意思的是，相比于早期基于规则定义的规控开发，偏向拟人化的规控算法开发岗位的薪资也是水涨船高。高工智能汽车研究院监测数据显示，目前，不少公司开出的薪资高达80-100K/月。
而对于车企来说，更直接的好处，来自于降本。
公开信息显示，小鹏汽车的新一代基于神经网络的XPlanner可结合分钟级以上的时序连续分析动机，并依据周边环境信息及时变通，生成最优运动轨迹。
「更重要的是，XPlanner的能力，能让小鹏X9减少两颗前向角雷达，实现轻雷达方案。」在李力耘看来，这也是高阶智驾降本的路径之一。
与此同时，从用户端获取大量真实数据而不是基于自有车队或者从第三方购买数据，对于车企来说，本身也是智驾系统开发的一种降本路径。
“在将来即使在没有开放的城市我们也会使用影子模式，希望我们朋友越来越多，帮我们跑的路也越来越广，开放城市的速度也会越来越快。”李力耘强调，用户数据返回至关重要。
卖出更多的车，拿到更多的道路数据，这无疑是高阶智驾系统完成从可用到好用的关键。换个角度来说，搭载智驾传感器的车型保有量，将是车企未来算法持续、快速提升的战略资源储备。
此前，吴新宙也公开坦言，以前在高通做自动驾驶研发，根本不可能拿到主机厂的数据，会让整个研发节奏变慢很多。
“基本上到百亿公里的规模是面向L4算法所需要的训练量。”理想汽车商业副总裁刘杰此前透露，截至去年8月公司累积训练数据已经超过7亿公里。
而这得益于理想汽车在智驾功能上的标配策略。“从算法训练上来说，用户在非辅助驾驶状态下的数据是可取的，所以我们的训练数据量相对会更多。”
其次，对于目前头部车企主攻的城区NOA，小鹏汽车原自动驾驶副总裁吴新宙曾坦言，城市的场景极为复杂，每个城市的道路规则也不一样，需要做大量的泛化性测试，解决海量的工程问题。
这意味着，对于目前销量没有达到预期目标的小鹏来说，是一个致命伤。数据显示，2023年小鹏新车销量为14.2万辆，同比增长17%，未能完成20万台的年度销量目标。
而在智驾硬件搭载率方面，相比于理想的全系标配，小鹏也在一定程度上受困于此前几年差异化的配置策略。
数据显示，小鹏汽车在2020年交付的新车中，搭载前向ADAS的比重不到30%；2021年更是下滑至22.44%，2022年小幅回升至24.81%。而随着2023年新车配置的优化，这个比例才快速攀升至90%以上。
另一组数据也在验证。按照小鹏汽车公开的信息，2024年春节期间，小鹏车主累计智驾总里程超372万公里，是2023年春运同期的2.71倍。
对于小鹏汽车来说，如何最大化算法、工程化能力的转化，就需要更大规模的市场保有量。答案来自于去年小鹏与滴滴的资产整合和战略合作。
去年11月13日，小鹏汽车发布公告，宣布已完成对滴滴智能汽车开发业务资产的首次交割，并计划推出第二品牌“Mona”，定位在15万元级别。
按照计划，除了私人消费市场，Mona的重要目标市场就是网约车。其中，滴滴将负责Mona项目车型在网约车渠道的销量，目标是年销量超过10万辆。
目前，小鹏汽车已经明确，Mona的定位是以智能驾驶为亮点的15万级别新品牌，并将陆续推出多款具备不同等级智驾能力的新车型。
而网约车的特性，意味着，Mona可以帮助小鹏汽车在城区场景快速采集规模化道路数据。公开信息显示，通常专职网约车的每天行驶里程在300-400公里左右，是私家车的4-6倍左右。
此外，相比于私家车的高频固定AB点通勤模式，网约车可以覆盖城区主要的道路，甚至是一些相对偏僻的路线。按照滴滴此前发布的数据，该平台注册的网约车，每年可以获得近1000亿公里的有效驾驶场景数据。
尤其是去年特斯拉率先开启FSD的端到端自动驾驶架构落地，不需要大量的人工策略、只需要采集足够多的优质数据来训练即可，可以通过规模化的方式（不断扩展数据）来不断提升系统的能力上限。
而按照行业人士的预测，未来，数据会占据端到端自动驾驶开发中80%以上的研发成本。如何从海量clips中提取有效的特征、如何统计数据的分布、应该考虑哪些维度，都需要大量的工作。
在高工智能汽车研究院看来，除了头部自研智驾的车企，对于第三方供应商来说，谁具备数据闭环驱动开发能力，也将是未来市场竞争的金子招牌。
知情人士透露，目前，已经在上汽、比亚迪、广汽、通用等车企陆续拿到高阶智驾定点并开启交付的Momenta，也已经拿下了丰田项目。这意味着，这家中国公司已经锁定全球两大汽车巨头。
截图来自Momenta公司对外招聘
2023年，比亚迪成为全球首个年销量突破300万辆大关的新能源车企；丰田全年销量则是实现创纪录的1120万辆，连续四年成为全球销量老大。
作为国内首家在前装量产实现全流程数据驱动技术能力的公司，Momenta去年和上汽智己率先将数据驱动的规划算法应用于量产项目，正式发布行业首个D.L.P.人工智能模型。
“要实现完全无人驾驶，就必须要有约千亿公里的路测数据，相当于数百万辆车在路上跑一年的数据量。”在Momenta创始人曹旭东看来，只有基于海量数据，才可以大幅降低解决每个长尾问题的研发成本。
