數據是數字化時代全新的生產要素，數據與算法、算力的融合，正在促進人工智能行業的發展。自動駕駛作為AI技術的皇冠，數據的作用更是貫穿生產、測試、研發全生命周期。目前，自動駕駛走入以落地應用為目標的下半場，解決極端場景下的安全問題，也離不開大量數據支持。對數據進行高效的采集和利用，提高數據循環鏈路的速度，成為整個自動駕駛技術迭代的關鍵點。

　　構建數據閉環，提升自動駕駛系統的核心競爭力

　　要實現自動駕駛，必然要搞定大數據。利用并轉化收集到海量的實際路況數據，可以幫助系統加速學習和升級，也意味著能夠率先搶占高級別的自動駕駛技術高地，因此整個行業都極為重視并大力投入。

　　車輛要想在道路上實現完全自動駕駛，除了要依靠車輛本身的攝像頭、毫米波雷達、激光雷達等傳感器，還要依靠網聯技術的支持。行駛時車輛依靠各種傳感器“觀察”道路，會產生大量數據，1.5小時的駕駛時間數據量達4TB，車端顯然不適合處理和存儲如此巨大的工作負載。而車端產生的大量數據，是提升自動駕駛體驗、完善算法的關鍵資源，所以最好是共享到云端，再通過人工智能算法提供大量的訓練數據來供機器學習，以搭建虛擬開發測試環境進行驗證。

　　要想在復雜的場景中提升現階段輔助駕駛/自動駕駛安全性，繁復的測試與驗證工作必不可少，由于現實中的駕駛場景難以窮盡，極其復雜且不可預測，在開發和測試的過程中，業界一般通過采集大量的數據構建場景集，幫助汽車打造仿真環境以實現模擬測試。實際路測中，復現一次極端場景的接管可能需要1個月的時間，而依靠數據，不僅可以復現更多極端場景，還可以極大提升測試效率。

　　此外，在部署自動駕駛車輛之后，會產生大量的回傳數據，自動駕駛系統也需要基于這些數據不斷進行迭代升級，并通過OTA的方式為用戶持續推送新的功能、適應更多的場景和提升體驗。

　　由此可見，基于數據驅動的自動駕駛，在完成前期數據的收集、中間數據的存儲與遷移之后，還要對后期核心數據進行訓練與管理。因此，構建自動駕駛數據閉環，是自動駕駛產品研發的核心競爭力。

　　騰訊自動駕駛云平臺驅動數據高效流轉

　　騰訊憑借多年在大數據、AI等領域的深度積累，借助騰訊云強大的算力支持，結合本土化的交通場景和應用需求，成功研發出在工具鏈完整性、場景豐富性、場景真實性等方面行業領先的自動駕駛云平臺，極大地提升了研發和測試效率，在云端高并發運行、真實有效性等方面實現了創新突破。

　　據悉，騰訊自動駕駛云平臺基于云端海量存儲空間與計算資源支撐，構建了數據采集管理、樣本標注、算法訓練評測、診斷調試、云端仿真、實車反饋閉環等全流程云服務，提供支撐自動駕駛研發的全鏈路云服務和開發平臺。

　　在數據治理方面，騰訊自動駕駛云平臺的樣本標注服務采用國際頂級算法預標注，可在實現樣本自動化生產，提升生產效率的同時，積累海量樣本數據，包括全要素目標檢測、跨相機目標跟蹤、語義分割等圖像標注、3D激光點云標注、以及精準圖像與3D點云融合標注、變道標注等多種自動駕駛研發專用樣本等。此外，該技術在計算節點中閉環運行全棧自動駕駛算法，支持一萬個以上場景的并行計算，使得1000個測試場景的運行時間從2天大幅縮減至4分鐘，并實現全自動化測評。在虛擬城市中數以千計的自動駕駛車輛不間斷的持續行駛，并通過隨機工況和激進交通流提升測試復雜度。

　　在數據應用層面，在測試工具之外，對于測試管理、政策制定等相關部門來說，仿真作為智能網聯汽車最重要的測評工具,既可幫助企業掌握在車輛研發、測試和集成的不同階段的安全邊界和質量問題，也有利于相關標準制定和場景庫的建設，通過信息化和標準化的手段提升智能網聯汽車行業透明度。在產業互聯網領域，騰訊致力于做數字化的連接器和工具箱，騰訊自動駕駛云平臺也在和OEM廠商、測試場、政府機構、產業聯盟乃至科研機構廣泛合作，推動應用落地。