雨刮器还没停，仪表盘上的辅助驾驶图标亮了又灭。你可能没留意，自己踩下油门的那一秒，背后有一场看不见的战争正在打响。
比亚迪公布了一个数字：搭载天神之眼和华为乾崑智驾的车型，累计卖出超过352万辆，单日生成数据量突破2.2亿公里。几乎同一时间，华为乾崑ADS亮出另一张底牌——累计辅助驾驶里程突破128亿公里，年底目标直指200亿。两组数字，一个拼规模，一个拼深度，像两条不同方向的河流，汇入同一片叫”智能驾驶”的海。
数据，已经不只是燃料。它是算法的口粮，是迭代的引擎，是决定谁能跑到终点的隐形赛道。这场仗，到底在比什么？
比亚迪的352万辆，听起来像一座城的人口。但它真正的分量不在”多”，而在”杂”。从7万级的秦到仰望的旗舰，从北方的冰雪路面到南方的窄巷骑楼，352万辆车覆盖了你能想到的几乎所有驾驶人群和地域场景。乡村道路上突然窜出的电瓶车、县城早高峰的加塞混战、暴雨天模糊的车道线——这些长尾场景，恰恰是算法最难啃的骨头。比亚迪的数据规模从2025年10月的日均1.3亿公里，涨到2026年8月的2.2亿公里，曲线陡得像爬坡。辅助驾驶激活比例94.13%，智能泊车激活比例85.97%，用户几乎把命交给了系统。从”量”到”场景多样性”的转化，才是这352万辆真正的护城河。
华为的128亿公里则是另一种逻辑。它不急着铺量，而是把每一公里都跑出”极端值”。高海拔缺氧路段的传感器衰减、严寒酷暑下的感知漂移、复杂路口的鬼探头——这些corner case在日常驾驶中概率极低，但一旦遇到就是生死线。华为披露，开启乾崑ADS辅助驾驶后，平均887.2万公里才出现一次严重碰撞，是中国人驾平均水平的4.92倍。截至2026年7月，系统累计规避潜在碰撞595万次。128亿公里不是简单的数字堆叠，它是把极端场景反复碾过之后沉淀下来的”经验密度”。
一个拼广度，一个拼深度。像两把不同的尺子，量的是同一件事：谁的算法更扛得住真实世界的混乱。
数据多不等于会用。真正拉开差距的，是每家车企怎么把数据”转”起来。
小鹏走的是”影子模式”路线。车辆由人开着，后台系统却在静默运行，模拟决策和人类操作实时比对，一旦出现分歧就标记上传。这种方式成本低、效率高，让每一辆在路上跑的车都变成了”数据采集车”。配合VLA视觉大模型的迭代能力，小鹏把城市NOA铺到了全国超过330座城市，甚至下沉到三四线县城。但它的短板也明显——纯视觉版本在极端雨夜和强光路面时，偶尔会有感知波动，像人在大雾天眯着眼开车。
蔚来的数据闭环更”重”。4000座换电站、累计超过1.2亿次换电服务，每一次换电都是一次车辆自检和定位数据回传。换电站不只是补能节点，更是数据入口。电池状态、车辆定位、用户行为，这些多维数据和智驾系统交织在一起，构建出”能源+智驾”的双生态。高速长途的领航稳定性因此极强，大车避让和车道居中表现成熟。只是城区NOA落地节奏偏慢，目前主要在高端车型上搭载。
理想的逻辑最”聚焦”。AD Max用4颗激光雷达、双Orin X芯片和DriveVLM视觉语言模型，调校关键词就四个字：平顺不晕车。它不追求最激进的决策，而是把家庭满载出行的每一程都磨得舒服。加减速柔和、跟车距离宽松、电动车横穿时提前减速——这些数据来自高频的家庭用车场景：接送孩子、周末自驾、城市通勤。精准的场景数据反哺精准的体验优化，乘坐舒适度在五家里几乎没有对手。
比亚迪则靠”海量+自研”双轮驱动。天神之眼覆盖7万到20万级车型，整合自研璇玑芯片与英伟达、地平线等多平台，日均2.2亿公里的数据洪流直接喂给算法。特别适配国内城乡混合路况，兼容性强，但高阶城市NOA覆盖城市数量和复杂路口决策，相比前几家还显得保守。
不同的生态，不同的壁垒。没有谁的路径能复制谁。
数据越多，问题越尖锐。你的驾驶轨迹、面部表情、语音指令，到底属于你，还是属于车企，还是属于平台？这个问题，行业至今没有统一定论。
2021年施行的《个人信息保护法》和《数据安全法》，加上后续的《汽车数据安全管理若干规定》，划了几条硬线：个人数据不得未经同意跨境传输、不得过度收集、必须最小化处理。2025年9月，网络安全法修正草案提请全国人大常委会审议，进一步强化了智能驾驶领域的数据采集规范。华南师范大学法学院教授王燕玲指出，车辆运行中持续生成的位置、轨迹、驾驶习惯等数据，结合时间地点和用户身份后，可以还原出个人出行规律甚至社交范围。一旦泄露，不只是罚款的事，更是信任的崩塌。
技术上，行业正在摸索出路。联邦学习让各方在不共享原始数据的前提下协同训练模型，数据留在本地，只交换参数。差分隐私通过注入噪声模糊个体信息，华为ADS2.0已在路径规划模块中引入这一机制。蔚来也在采用联邦学习技术完成模型迭代。但这些技术目前仍处于探索阶段，规范稀疏、责任难以落实、隐私保护的人格性被弱化，都是现实困境。数据脱敏和匿名化处理能保护隐私，却可能牺牲模型精度——这是一道没有标准答案的选择题。
回到最初那两个数字。352万辆和128亿公里，谁更重要？可能这个问题本身就问错了。广度和深度不是对手，而是队友。没有场景多样性，极端场景的经验就成了无根之木；没有极端场景的打磨，海量数据也只是重复的噪音。
数据战争的终局，大概不只是比谁跑得多、谁跑得远。它最终要回答的是：当算法足够聪明，当合规足够完善，人和车之间的信任，能不能真正建立起来。这条路，每家都在走，但没人知道终点在哪。
你觉得，数据规模和数据质量，到底哪个才是智驾下半场的胜负手？
