共计 984 个字符，预计需要花费 3 分钟才能阅读完成。
主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 ” 实力入境，参加了北京冬奥会 50-51 棒的火炬传递，中国的主动驾驶企业秀足了肌肉，展现出了主动驾驶技术在不同场景下的落地利用。
引擎盖下的数据要求
主动驾驶已从共识走向常识。 据 OMDIA 汽车钻研部门 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，主动驾驶既是红海，亦是蓝海。
主动驾驶技术须要大规模的数据训练其主动驾驶能力，教会汽车认知驾驶环境，正确驾驶。对汽车的感知零碎来说，指标辨认跟踪、障碍物检测、精确定位等技术的精度要求十分高，而主动驾驶汽车是否标准驾驶取决于感知零碎和地方决策零碎的精准辨认能力，因而行驶环境的数据对主动驾驶的环境感知零碎意义重大，主动驾驶实质是数据的军备竞赛。
数据标注热潮
没有解决好的数据等同于垃圾。 因为深度学习的衰亡，很多人对数据重要性已造成共识，但只是简略地收集数据并不能产生价值，只有真正让人工智能理解数据的含意才是主动驾驶导航技术提高的要害，这也正是“数据标注”施展关键作用的中央。
标注数据是创立成熟人工智能的第一步。 家喻户晓，人工智能有三驾马车，即“数据、算法、算力”，算法次要钻研如何通过计算的伎俩，利用教训来改善零碎本身的性能，而在计算机系统中，“教训”通常以“数据”模式存在，这就需把汽车驾驶的各种状况通过数据的模式输出到零碎中，计算机系统再依据已有的各种状况将数据利用至训练模型，如果呈现之前数据里没有存储的状况，计算机系统就会无奈认知判断。因而主动驾驶对数据标注的需要是宏大的。
主动驾驶将如何成为支流
从技术层面来看，无论是算力，还是数据的积攒，或是算法的成熟度，行业都曾经积攒多年，从零几年开始到当初，已到了肯定的破局点。但当初看到的落地场景，离最终期待的主动驾驶仍有很大的间隔。
尽管如此，但如何让主动驾驶倒退 ” 更沾地气 “？
数据的推动至关重要。 只管主动驾驶技术已获得微小飞跃，但不可否认，它仍需更多地标注数据能力成为支流，高质量、精细化的大量数据能在很大水平上晋升汽车主动驾驶的安全性与实用性，助推主动驾驶落地化过程。
在将来，精细化、场景化、定制化的数据将是行业倒退的重要方向，主动驾驶公司比拼的，是每个公司对数据的解决能力、对新场景的适应能力，数据将撑起主动驾驶行业的新将来。
