汽车智驾的数据闭环:钱花在标注,胜负在场景挖掘
智能驾驶的数据闭环通常分四段:采集、挖掘、标注、训练验证。四段里最容易被低估的是挖掘——它不产生直接的模型指标,却决定了标注预算花得值不值。
标注是明账。公开案例中,自动标注可以把数据生产成本压降 40%–70%,但前提是已有可用的预标注模型;冷启动阶段仍需大量人工,这部分预算不能省。按帧计价的项目,尤其要把返工率写进合同。
挖掘是暗账。长尾场景(加塞、施工区、异形车辆)靠规则检索效率很低,目前主流做法是向量检索加聚类,把相似场景成组送标。没有这套机制,数据量再大也只是重复常见场景。
约束比技术更难。车规与功能安全要求训练、验证、量产版本一一对应且可追溯;数据出境受限,跨国车企的闭环往往要建两套。这些约束会直接改变项目排期。
判断标准。每万公里接管次数是否随版本迭代持续下降。如果版本在涨、接管次数不降,说明闭环没有真正闭合,只是数据在增加。