自动驾驶堪称这个春节的顶流。大年初二，来自百度的 " 汽车机器人 " 实力出境，参与了北京冬奥会50-51棒的火炬传递，中国的自动驾驶企业秀足了肌肉，展示出了自动驾驶技术在不同场景下的落地应用。
引擎盖下的数据要求
自动驾驶已从共识走向常识。据OMDIA汽车研究部门Ward Intelligence统计数据显示，2019年约有1.5亿辆联网乘用车，到2022年这一数字将翻一番。对于整个汽车产业链而言，自动驾驶既是红海，亦是蓝海。
自动驾驶技术需要大规模的数据训练其自动驾驶能力，教会汽车认知驾驶环境，正确驾驶。对汽车的感知系统来说，目标识别跟踪、障碍物检测、准确定位等技术的精度要求非常高，而自动驾驶汽车能否规范驾驶取决于感知系统和中央决策系统的精准识别能力，因此行驶环境的数据对自动驾驶的环境感知系统意义重大，自动驾驶本质是数据的军备竞赛。
数据标注热潮
没有处理好的数据等同于垃圾。由于深度学习的兴起，很多人对数据重要性已形成共识，但只是简单地收集数据并不能产生价值，只有真正让人工智能了解数据的含义才是自动驾驶导航技术进步的关键，这也正是“数据标注”发挥关键作用的地方。
标注数据是创建成熟人工智能的第一步。众所周知，人工智能有三驾马车，即“数据、算法、算力”，算法主要研究如何通过计算的手段，利用经验来改善系统自身的性能，而在计算机系统中，“经验”通常以“数据”形式存在，这就需把汽车驾驶的各种情况通过数据的形式输入到系统中，计算机系统再根据已有的各种情况将数据应用至训练模型，如果出现之前数据里没有存储的情况，计算机系统就会无法认知判断。因此自动驾驶对数据标注的需求是庞大的。
自动驾驶将如何成为主流
从技术层面来看，无论是算力，还是数据的积累，或是算法的成熟度，行业都已经积累多年，从零几年开始到现在，已到了一定的破局点。但现在看到的落地场景，离最终期待的自动驾驶仍有很大的距离。
尽管如此，但如何让自动驾驶发展 " 更沾地气 "？
数据的推动至关重要。尽管自动驾驶技术已取得巨大飞跃，但不可否认，它仍需更多地标注数据才能成为主流，高质量、精细化的大量数据能在很大程度上提升汽车自动驾驶的安全性与实用性，助推自动驾驶落地化进程。
在未来，精细化、场景化、定制化的数据将是行业发展的重要方向，自动驾驶公司比拼的，是每个公司对数据的处理能力、对新场景的适应能力，数据将撑起自动驾驶行业的新未来。