特斯拉首席執行官埃隆?馬斯克近日公開表示，要實現真正安全的無監督全自動駕駛（FSD）功能，需要收集約100億英里（約合160.93億公里）的現實道路訓練數據。這一預估數據源于現實世界中存在的“極端長尾復雜性”，即自動駕駛系統需應對數以億計的罕見駕駛場景。
馬斯克的觀點源于對蘋果和Rivian前員工保羅?拜塞爾分析文章的回應。拜塞爾在社交平臺撰文指出，特斯拉憑借數據驅動模式在自動駕駛領域建立顯著優勢，其他企業難以通過仿真模擬或有限道路測試快速追趕。他強調：“自動駕駛不是技術演示競賽，而是關于數據規模、迭代速度和工程化能力的綜合較量，特斯拉已在這條賽道上形成代際優勢。”
這一論斷與馬斯克此前在《宏圖計劃2.0》中的預估形成對比。2023年他曾提出，獲得全球監管批準需要約60億英里測試數據，而此次將安全無監督駕駛的門檻提升至100億英里，反映出技術落地的實際難度遠超預期。特斯拉人工智能副總裁阿肖克?埃勒斯瓦米在社交平臺補充稱：“自動駕駛長尾問題的復雜程度遠超行業認知，解決最后1%的極端場景比實現99%的基礎功能困難百倍。”
根據特斯拉社區統計，截至2025年底，FSD系統累計測試里程已突破70億英里，其中城市道路場景占比超35%。這一數據規模遠超其他自動駕駛企業，但距離馬斯克提出的安全閾值仍有30億英里差距。值得關注的是，系統在突破70億英里后僅數日便完成新里程碑，顯示其數據采集速度仍在加速。
在評價英偉達Alpamayo自動駕駛項目時，馬斯克再次強調技術落地的現實挑戰：“達到99%的完成度只需數年，但攻克最后1%的長尾問題可能需要數十年。"這種觀點與行業普遍存在的"仿真替代論"形成鮮明對比，后者認為通過虛擬場景生成可大幅降低真實道路測試需求。特斯拉的實踐表明，現實世界的不可預測性仍是算法訓練無法繞過的核心障礙。
