马斯克：要实现安全的无监督自动驾驶，需要100亿英里的训练数据

马斯克称实现安全无监督自动驾驶需约 100 亿英里训练数据，核心原因是现实世界 “长尾复杂性”—— 罕见边缘场景需海量真实数据覆盖，才能让系统达到远超人类的安全水平，支撑无监督决策与全球监管审批。截至 2026 年 1 月初，特斯拉 FSD 累计训练里程已超 71.7 亿英里，按当前日增约 1400 万英里的速度，预计 2026 年年中（约 6 月）可达成目标。

核心目标：100亿英里（约160亿公里）

马斯克认为，要实现真正安全、无需人类监管的自动驾驶（即无监督FSD），仅仅靠演示或小范围测试是不够的。由于现实交通中存在大量罕见但危险的边缘情况（Edge Cases），系统必须通过海量的真实数据来“填满”这些认知空白。

• 最新门槛：100亿英里（约合160.93亿公里）。
• 此前预估：在早年的《宏图计划2.0》中，他给出的数字是60亿英里。如今数字的上调，反映了特斯拉对技术难度认知的深化。

为什么需要这么多数据？（长尾效应）

马斯克和特斯拉高管（如AI副总裁阿肖克）用了一个很形象的比喻：攀登珠峰。

1. 前95%（大本营）：解决常见的驾驶场景（如直线行驶、红绿灯停车）相对容易，就像爬到珠峰大本营。
2. 后5%（登顶）：最后的长尾问题（如突发的恶劣天气、奇怪的障碍物、人类不可预测的行为）难度是前者的十倍以上。
3. 现实复杂性：马斯克强调，现实世界的长尾复杂性“远超想象”，只有积累了足够的里程，算法才能覆盖这些极端情况，确保安全。

特斯拉现在的进度如何？

好消息是，特斯拉的进度条正在飞速加载。根据最新数据，特斯拉FSD（监督版）的累计训练数据已经非常接近这个目标了：

• 当前数据：截至2025年底至2026年初，累计里程已突破 70亿英里（约112亿公里），且正以每天数千万英里的速度增长。
• 结构优势：这其中，城市复杂道路场景占比超过35%（约25亿英里），而这正是长尾数据最密集的区域。
• 达成预测：按照目前的增速（日均增量惊人），行业分析认为特斯拉可能在 2026年年中 左右达成100亿英里的里程碑。

为什么对手很难追赶？

马斯克之所以有信心，是因为特斯拉的数据获取模式是独一无二的：

• 数据飞轮：特斯拉依靠全球数百万辆量产车，在日常行驶中通过“影子模式”自动采集数据。这就像拥有了一支庞大的“平民探员”队伍。
• 对手困境：大多数竞争对手依赖专业的测试车队或仿真模拟。马斯克认为，仅靠模拟和有限路测就想“追平”这种规模的真实数据，是“极其天真的”。

一句话总结：
马斯克的这番话其实是在划定“及格线”。他认为自动驾驶不是简单的功能叠加，而是一场关于数据规模的硬仗。对于特斯拉来说，100亿英里不仅是技术目标，更是护城河。