端到端智驾的账本：一次训练要上万张卡、一套标注要按 EB 算，「数据飞轮」比算法更贵

二、数据不是「有就行」：它是三难选择

第二道门槛是数据，且难点不在总量而在质量。长时序训练数据必须多传感器同步、时空完全对齐，标注要覆盖 3D 边界框、跨帧运动轨迹、遮挡状态等全维度信息。中信建投的研究把物理 AI 的高质量时序数据概括为一个「不可能三角」：保真、规模、成本，三者最多同时满足两个。

几个可参考的量级：小鹏第二代 VLA 直接利用海量真实驾驶视频训练，训练数据量接近 1 亿 clips，相当于人类司机 6.5 万年的驾驶经验；华为乾崑累计辅助驾驶里程突破 128 亿公里，头部公司的高质量数据储备达到 1000 PB 级别。同时，合成数据在训练数据中的占比在 2023–2025 年间从 20%–30% 升至 50%–60%——这不是因为合成数据更好，而是因为真实长尾场景的采集与标注成本已经无法线性扩展。

三、标注正在成为真正的瓶颈

模型参数量的膨胀直接转化为标注需求。模块化时代，训练可以用边界框、车道线、高精地图瓦片；VLA 式端到端要求连续的、时间对齐的多传感器序列——跨激光雷达、多摄、毫米波与 IMU 的 4D-BEV 与占用网络标注，常常还要附带语言 token 用于场景推理。每增加十亿参数，都需要数量级更多的高质量标注帧，否则就会出现幻觉轨迹与长尾失效。

产业侧的应对是两条：一是 AI 辅助标注提效，4D-BEV 辅助标注可让标注成本降低约 30%，时序 4D 流水线的吞吐量提升最高可达 500%；二是标注环节外溢到成本更低的区域市场。

算法可以开源，算力可以租，数据可以买——但把三样东西凑成一个每周迭代、每次都能收敛的闭环，才是真正花钱的地方，也是最难被复制的地方。

四、这道裂缝会把行业切成两层

一种可预见的分化是：具备规模交付能力的头部玩家，其量产车队本身就是数据生产装置——端侧筛选长尾案例、云端闭环训练、OTA 推回用户，形成正循环；而缺乏销量的玩家拿不到足够数据，模型性能上不去，车就更难卖，飞轮反向旋转。

值得注意的一个时间判断：L3/L4 强制性安全标准要到 2027 年 7 月才正式实施，在此之前 L3 仅会在小范围试点。而 10 万级价位的 L2+ 端到端 VLA 不涉及 L3/L4 法规限制，会率先规模化普及。 这意味着「大模型上车」的第一次大规模兑现，大概率发生在中低价位段，而不是旗舰车型——谁能把训练成本摊到更大的销量基盘上，谁就更接近盈亏平衡。