站在十字路口的自动驾驶，是该降温，还是该添把柴？( 三 )

在L2时代以前，为开发辅助驾驶场景，车企往往要采集100-500万公里里程。而L3及以上的自动驾驶呢？若想真正开发出一套完整的系统，则需要采集几亿到几十亿公里的行驶里程数据。

但有了百亿公里的数据积累后就能彻底安全了吗？其实更大程度上是“相对更加安全” 。
海量规模的数据是自动驾驶的根本所在，但在强调数据规模的同时也要重视数据的“质量” ，在一条简单的路上反复跑100亿公里这种数据就没有什么意义。就好比有企业在上海某条路上搞自动驾驶演示，技术很成熟，面对行人、电动车都应对自如，堪比老司机中的战斗机。
问题在于，系统在这条路上已经跑了多少遍了。工程师可以把这条路上所有可能发生的场景“穷尽”出来，但如果换一条新的道路呢？从一小片区域换成一个城市呢？从一个城市换成一个国度，换成全球呢？

自动驾驶汽车作为一个商品是需要在全球范围流通，从一线城市到三四线，海拔几十到几千米……永远不可能知道用户会在什么场景下使用自动驾驶，永远不可能知道系统会遇到什么工况，更不可能去“穷尽” 。
因此，数据量即便足够大，也是一个“相对安全”的概念。到底自动驾驶需要小数点后多少个9（99.999……999%）才能安全，这没有办法量化， “长尾问题”是个极其棘手的问题。
正因自动驾驶是AI的最大应用领域，在将来的AI社会，人与AI如何相处、人与AI的关系格局如何发展、AI时代的法规构建等等，也是影响自动驾驶进程的关键所在。