知识点 › 范式与价值
Tesla Data Engine 案例
Tesla Data Engine
定义
2019 年 Autonomy Day 提出的范式：量产车以影子模式运行新模型，与人类驾驶行为不一致的片段自动触发回传，形成「自动发现 bad case → 标注 → 训练 → OTA」的循环。核心创新是把「发现问题的成本」降到接近零。
关键要点
- 影子模式 + 自动触发 + 自动标注（离线大模型）+ 高频 OTA，四件事缺一不可
- 它的前提是车队规模与数据管道能力，不是算法本身
- 模仿价值：先做「自动发现」，再做「自动标注」，最后做「自动训练」
面试怎么答
讲这个案例要落到「哪一环是杠杆」，比如「触发策略决定了数据分布，自动标注决定了成本上限」。
相关知识
- 数据飞轮 — 越多的车 → 越多的数据 → 越好的模型 → 更好的产品 → 更多的车。飞轮的转速由「闭环周期」决定，而不是由数据总量…