知识点 › 范式与价值
数据飞轮
Data Flywheel
定义
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，而不是由数据总量决定；转得慢的飞轮会被数据量更小但转得快的对手超过。
关键要点
- 飞轮的三个齿轮：车队规模（数据源）、自动化率（处理效率）、部署速度（回到车上）
- 它自带正反馈也自带陷阱：模型越强，暴露的 bad case 越少，主动挖掘能力就越关键
- 面试可对比：特斯拉靠百万级量产车队，Waymo 靠小规模高价值车队 + 重仿真
面试怎么答
讲飞轮时给「三个齿轮 + 一个转速指标」，并说明你所在项目卡在哪个齿轮上、怎么解的。
相关知识
- Tesla Data Engine 案例 — 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…
- 数据规模与 Scaling Law — 在感知与端到端任务上，数据量、模型量、算力量同步增长时性能呈幂律提升，但存在拐点：重复的简单数据几乎无增益，长尾与高质…
- 数据闭环 — 把「真实世界产生的数据」持续转化为「车端模型能力」的工程体系：车端采集 → 回传 → 存储治理 → 场景挖掘与标注 →…