单日生成行驶数据超2.2亿公里——比亚迪用天文数字般的真实路况，给智驾算法喂下了最“中国味”的饲料。另一边，华为乾崑智驾ADS累计辅助驾驶里程突破128亿公里，预计年底冲击200亿公里大关。两个数字，两种逻辑，一场关于数据主导权的暗战正在上演。
比亚迪352万辆智驾保有量，堆起的是广袤平原；华为128亿公里里程，挖掘的是深度矿脉。数据的“量”与“质”，哪一个是驱动算法进化的核心？不同车企的数据路径，又将如何重塑未来智驾版图？
比亚迪的天神之眼，走的是“全民皆兵”路线。从仰望到海鸥，从20万级到7万级，全系车型覆盖。截至2026年8月，搭载天神之眼和华为乾崑智驾的车型累计销售超352万辆，其中7月单月辅助驾驶车型销量就达187670辆。每辆车都是移动传感器，穿梭在城乡、高原、严寒、湿热之间，数据采集几乎没有死角。
这种“无死角”策略的底气在于规模。2025年10月，天神之眼车型保有量达到200万台时，日生成数据仅1.3亿公里；到2026年8月，这个数字已飙升至2.2亿公里。数据规模呈指数级增长。但问题也随之而来：海量数据中，真正有价值的极端场景占比有多少？数据清洗、标注、存储的压力如何消化？规模越大，越容易陷入“数据过拟合”的陷阱——算法在常见路况下越来越熟练，面对长尾场景却可能反应迟钝。
华为走的是另一条路。128亿公里累计里程，搭载量约190万台，预计年底冲击200万台。单看数字，华为的规模不如比亚迪，但它的数据策略是“少而精”。多传感器融合方案——高清摄像头、激光雷达、毫米波雷达——构建了多维感知体系。在夜间、雨雾这类极端场景中，多模态数据互补的优势尤其明显。华为乾崑智驾ADS系统在辅助驾驶状态下，平均每行驶887万公里才出现一次严重碰撞事故，安全表现达到人类驾驶员平均水平的4.92倍，累计规避各类潜在碰撞风险高达580万次。
数据质量，成了华为的护城河。
数据闭环的本质，是数据采集、场景挖掘、模型训练、仿真验证、云端OTA、实车迭代的循环。比亚迪和华为在这个循环里，走出了截然不同的节奏。
比亚迪的“数据飞轮”靠规模驱动。辅助驾驶激活比例高达94.13%，智能泊车激活比例85.97%，用户依赖度持续攀升。这意味着什么？意味着海量数据正在以极快的速度回流到算法中心。依托璇玑架构2.0，实现舱驾电三合一，时延低至8微秒，传感器原始信号直达中央大脑，信息零丢失。2026年1月发布的天神之眼5.0版本，实现了135km/h刹停、高快领航1000公里以上0接管，并率先承诺为城市领航安全兜底。这种“兜底”的底气，来自352万辆保有量的规模优势、日2.2亿公里的数据优势，以及全栈自研的技术底座。
但规模也有隐忧。当数据量突破某个阈值，算法性能的提升曲线会从陡峭走向平缓。特斯拉的Autopilot就是前车之鉴——累计行驶里程超数十亿公里后，事故率下降曲线趋于平缓。感知层（如目标检测）的数据规模效应显著，但决策规划层（如博弈、避让）的突破，依然依赖算法创新。
华为的打法更聚焦。其WEWA2.0架构引入了“多智能体博弈”机制，训练强度提升10倍，在线强化学习实现“边生成、边学习、边验证”，训练效率再提升10倍。不是靠堆数据量，而是靠提升数据利用率。多模态融合降低了算法对单一传感器数据量的依赖，但多模态数据的对齐与融合算法复杂度更高。代价也显而易见——成本、算力、系统复杂度都高于纯视觉方案。
比亚迪的路线，堪称“中庸之道”。以视觉为主、辅以雷达，采用多供应商模式，整合自研芯片与算法架构，同时引入英伟达、华为、地平线等头部企业的计算平台，用规模数据快速迭代，追求“高性价比”的智驾体验。2026年5月，比亚迪发布了中国首款车规级4nm制程智驾芯片“璇玑A3”，三颗协同可实现超2100TOPS的总算力，算力利用率提升100%。这条路，赌的是“规模最终会碾压一切”。
数据量突破阈值后，算法性能是边际递减，还是加速突破？答案取决于场景。
在感知层，数据规模效应确实显著——见过的场景越多，识别越准。但在决策规划层，数据规模的作用正在递减。特斯拉的案例已经证明，单纯堆数据无法解决所有长尾问题。华为的做法是引入世界模型和安全风险场理论，通过风险热力图实时决策，将碰撞风险降低50%。
比亚迪的“护城河”在于保有量基数大，后续数据增长具有惯性。但若算法架构落后，海量数据也可能沦为“数字垃圾”。天神之眼全系车型的性能已超过即将在2027年落地的L2辅助驾驶强制国标要求，但这只是及格线，不是天花板。
华为的“破局点”在于，通过高价值数据加上跨领域技术积累——通信、芯片、云计算——可能在复杂场景中率先实现L3/L4落地。2026年华为在智驾领域的研发投入将超过180亿元，这是技术信心的注脚。
但“赢家通吃”并不现实。智驾数据具有地域性、法规性、硬件依赖性。中国路况的数据，到了欧洲未必好用；多传感器融合的数据，换成纯视觉方案又要重新积累。单一玩家难以垄断全球数据，中小企业完全有机会聚焦特定场景——封闭园区、港口、矿山——积累垂直数据，避开与巨头的正面竞争。
比亚迪的“生态化”数据战略，以量取胜。通过多车型、多代际的智驾系统——从DiPilot到天神之眼——形成数据生态。从7万级到20万级，从三目视觉到三激光雷达，每个层级都在生成数据，每公里都在喂养算法。但挑战同样存在：如何平衡数据共享与用户隐私？如何避免低端车型的数据质量拖累整体算法的表现？
华为的“平台化”数据战略，以质取胜。通过HI模式与超过25个汽车品牌、50款车型合作，将数据能力扩散至多个品牌。数据跨品牌、跨车型，覆盖面更广，但数据孤岛和利益分配问题同样棘手。华为乾崑智驾搭载量已突破190万台，用户基数稳居国内高阶智驾行业第一，但这个“第一”建立在合作品牌的基础之上，数据所有权和使用权的博弈从未停止。
数据的所有权、使用权、收益权，正在成为新的博弈焦点。用户是否愿意用行驶数据换取更快的系统升级？数据贡献的激励机制——积分、免费订阅、终身保修——是否足够有吸引力？这些问题没有标准答案，但用户的每一次选择，都在为车企的数据战略投下关键一票。
数据之战没有终点。352万辆的保有量，128亿公里的里程，背后是两种截然不同的智驾哲学。比亚迪赌的是“量变引起质变”，华为赌的是“深度决定高度”。而作为用户，你愿意用自己每天的行驶数据，去换一个更聪明的智驾系统吗？
