【ZiDongHua 之驾驶自动化收录关键词：自动驾驶 传感器 大数据】
　　
　　《中国自动驾驶数据闭环与数据合规市场产业链图谱（2024）》
　　
　　智能驾驶已经进入数据驱动的时代，仅依赖于硬件的升级或软件的优化已无法满足高阶智驾的发展需求。
 
　　
　　日前，泰伯智库正式发布《中国自动驾驶数据闭环与数据合规市场产业链图谱（2024）》。通过产业洞察和研究，泰伯智库研究团队从基础设施层、数据层、平台/模型层及应用层，绘制了最新版自动驾驶数据闭环与数据合规市场产业链图谱，勾画产业格局。
　　
　　01
　　
　　核心观点
　　
　　观点一：“大模型+大数据”的数据驱动模式成为智能驾驶技术进化的关键。
　　
　　目前进入市场的自动驾驶都经历了传感器、算法、算力的进化，需要做大量的数据标注、行为预警、道路点位等工作。但这些只是智能化的冰山一角，或者说，是自动驾驶的“上半场”。随着L2级辅助驾驶功能在新车渗透率超过30%，人们对智能驾驶提出了更高的要求，会逐渐开始关注冰山下的部分。
　　
　　但是，随着智能驾驶系统不断升级，数据量呈现出指数级增长。除了数据处理成本、研发成本较高等问题外，数据涉及个人隐私和安全问题，如何合规地获取数据，如何有效利用数据，并将数据转化为产品竞争力，还面临诸多挑战。
　　
　　观点二：智能驾驶已经进入数据驱动的时代，仅依赖于硬件的升级或软件的优化已无法满足高阶智驾的发展需求。
　　
　　随着智能驾驶系统不断升级，数据量呈现出指数级增长。AI驱动的数据闭环正在重新定义汽车的开发流程，采取大数据大模型的模式化解长尾难题、打造高效率低成本的数据获取体系，是开启智能驾驶下半场量产快速迭代的关键所在。
　　
　　02
　　
　　行动建议
　　
　　建议一：提高模型的泛化能力。
　　
　　当前，高等级的辅助驾驶正在从高速向城市进军。受城市场景的复杂度、城市路况差异等影响，很多自动驾驶Tier1以及车企对场景打通的诉求很强烈——即车辆的辅助驾驶系统可妥善应对各主流城市的各种路况。因此，要实现场景打通的目标，就要尽可能地把各种各样的场景对应的数据都采集到，大幅提高模型的泛化能力；而只有基于大规模真实人驾数据的乘用车辅助驾驶才有能力积累到足够规模和足够多样的数据。
　　
　　建议二：企业数据合规治理做为数据安全治理方面的专项合规规划，应同时考虑开发数据流通价值与保障数据安全两方面的需要。
　　
　　通过对数据进行分类分级分层防护，对数据进行全寿命周期安全防护，技术赋能等方式对企业数据安全遵守义务与风险进行识别，增强对企业内外偶联性与复杂性数据安全风险环境抵御能力，实现商业效益和数据安全的动态平衡。
　　
　　以下是泰伯智库《中国自动驾驶数据闭环与数据合规市场产业链图谱（2024）》具体内容：（请将手机横屏浏览）