特斯拉首席执行官埃隆·马斯克近日就无监督全自动驾驶（FSD）技术的数据需求发表看法，指出要实现这一目标需要积累约100亿英里的训练数据。他强调，现实驾驶场景中存在大量复杂且罕见的长尾问题，这些边缘案例对算法可靠性构成重大挑战。
这一论断源于马斯克对苹果与Rivian前工程师保罗·拜塞尔社交媒体分析的回应。拜塞尔在公开讨论中指出，特斯拉通过海量真实道路数据构建的自动驾驶壁垒难以被超越，单纯依赖模拟测试或有限路测的追赶策略过于理想化。他特别提到，特斯拉在数据规模、处理能力和迭代效率三个维度已形成代际优势。
根据特斯拉官方披露的测试数据，截至2025年初，其FSD系统的累计测试里程已突破70亿英里，其中城市复杂路况占比超过35%。这一数据量较马斯克此前在《宏图计划第二篇章》中提出的60亿英里监管审批标准又有显著提升，显示特斯拉正持续扩大数据采集规模。
马斯克在评论英伟达自动驾驶项目时进一步阐释技术难点，他比喻称："完成99%的进度如同攀登珠峰大本营，但解决最后1%的长尾问题相当于征服顶峰。"这种观点得到特斯拉AI软件副总裁阿肖克·埃卢斯瓦米的认同，后者在社交平台强调："现实世界的复杂性远超实验室模拟，边缘案例的数量呈指数级增长。"
行业分析指出，特斯拉通过全球数百万辆搭载摄像头的量产车构建了独特的数据采集网络，这种"影子模式"使其能持续捕捉罕见驾驶场景。相比之下，多数竞争对手仍依赖专业测试车队，数据获取效率存在数量级差距。不过也有专家提醒，数据规模并非唯一决定因素，数据清洗、标注效率及算法架构同样关键。
随着自动驾驶竞赛进入深水区，数据积累速度正成为核心竞争指标。特斯拉最新测试数据显示，其FSD系统每周新增里程超过1.5亿英里，按当前增速推算，有望在2026年前达成100亿英里里程碑。但马斯克也承认，即便达到这一目标，仍需持续优化算法以应对不断涌现的新边缘案例。
