1. 數據作為數字化時代的新生產要素，其與算法、算力的融合推動了人工智能行業的發展。自動駕駛作為AI技術的巔峰之作，全生命周期的各個階段都離不開數據的重要作用。2. 自動駕駛步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同樣需要大量數據的支持。高效采集和利用數據，提升數據循環鏈路的速度，成為自動駕駛技術迭代的關鍵。3. 構建數據閉環是提升自動駕駛系統核心競爭力的關鍵。海量實際路況數據的利用和轉化，能幫助系統加速學習和升級，搶占高級別自動駕駛技術高地。4. 自動駕駛車輛依賴傳感器和網聯技術“觀察”道路，產生的數據是提升自動駕駛體驗、完善算法的關鍵資源。將這些數據共享到云端，并通過人工智能算法提供訓練數據，是提高測試效率的重要方式。5. 自動駕駛測試與驗證工作繁復，現實中的駕駛場景復雜且不可預測。采集大量數據構建場景集，有助于打造仿真環境進行模擬測試，提高測試效率。6. 自動駕駛車輛部署后產生的回傳數據，是系統迭代升級的關鍵。通過OTA方式為用戶持續推送新功能，適應更多場景，提升體驗。7. 騰訊自動駕駛云平臺憑借在大數據、AI等領域的深度積累，提供全流程云服務，驅動數據高效流轉，提升研發和測試效率。8. 騰訊自動駕駛云平臺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服務，為自動駕駛研發提供全鏈路云服務和開發平臺。9. 在數據治理方面，騰訊自動駕駛云平臺采用國際頂級算法預標注，實現樣本自動化生產，積累海量樣本數據，提升生產效率。10. 騰訊自動駕駛云平臺支持一萬個以上場景的并行計算，大幅縮短測試場景運行時間，實現全自動化測評，提升測試復雜度。11. 在數據應用層面，仿真作為智能網聯汽車最重要的測評工具，有助于企業掌握安全邊界和質量問題，也有利于相關標準制定和場景庫建設。12. 騰訊自動駕駛云平臺與OEM廠商、測試場、政府機構、產業聯盟及科研機構廣泛合作，推動自動駕駛應用落地。