特斯拉首席執行官埃隆·馬斯克近日在公開討論中透露，要實現無需人工監督的全自動駕駛（FSD）技術，需要收集并分析約100億英里的真實道路訓練數據。這一預估基于自動駕駛系統必須應對現實世界中大量罕見且復雜的邊緣場景，即所謂的“長尾問題”。
此前，馬斯克在特斯拉《宏圖計劃第二篇章》中曾提出，自動駕駛技術獲得全球監管批準可能需要60億英里數據。然而，隨著技術深入發展，他對數據需求規模作出了更謹慎的評估。這一調整反映了自動駕駛從實驗室驗證到規模化落地過程中面臨的現實挑戰——系統必須覆蓋足夠多的極端場景，才能確保安全性和可靠性。
特斯拉的自動駕駛測試里程正在快速積累。據特斯拉社區統計，截至2025年底，FSD的累計測試里程已接近70億英里，其中城市道路場景占比超過三分之一，達到25億英里。僅數日后，這一數字便突破70億英里大關，進一步鞏固了特斯拉在自動駕駛數據積累領域的領先地位。目前，該公司可能是全球范圍內擁有最多自動駕駛訓練數據的企業。
蘋果與Rivian前員工保羅·拜塞爾在社交平臺X上分析稱，特斯拉在自動駕駛領域的優勢源于其數據驅動的研發模式。他指出，競爭對手難以通過模擬或有限道路測試快速縮小差距，因為自動駕駛的競爭本質是規模、數據和迭代效率的比拼。“特斯拉已領先多年，其他企業才剛剛起步。”拜塞爾強調，技術演示與實際產品之間存在巨大鴻溝，單純追求演示效果而忽視數據積累的做法“極為天真”。
馬斯克近期在評論英偉達Alpamayo項目時也提到類似觀點。他表示，自動駕駛技術的開發中，前99%的進度可能相對容易實現，但剩余1%的長尾問題——即那些發生概率極低但后果嚴重的場景——才是真正的挑戰。特斯拉AI軟件副總裁阿肖克·埃盧斯瓦米在X平臺上呼應了這一看法，稱“長尾問題的復雜程度遠超多數人想象”。
