陶吉判断，L2量产数据之所以是高阶自动驾驶的钥匙，核心在于千万级量产车持续回流数据，而Robotaxi车队仅千辆级，两者数据规模相差几个量级；端到端模型正是靠这些真实驾驶数据发现长尾、完成迭代。
一、数据规模决定长尾覆盖
规模差：陶吉在访谈中举例，今天最大Robotaxi车队可能仅千辆级，而乘用车每年有数千万辆新车，数据量级完全不同。
L2渗透率：2026年我国L2级辅助驾驶新车渗透率已突破70%，量产车成为真实道路数据的主要入口。
锁死逻辑：Robotaxi要先做到技术足够好才能扩量，扩量前数据不足；L2由消费者买单先规模化，再反哺模型。
二、端到端让海量数据可消化
旧瓶颈：过去数据闭环卡在人工问题分诊和标注，千辆车队的数据都消化不完。
新能力：端到端模型可自动吸收数据、自动标注，模型尺寸变大，能消化海量正常驾驶片段。
同源模型：陶吉判断L2和L4将来会用同一套模型，数据来自真实量产车，量产规模越大，长尾场景越容易变成可学的尾部样本。
三、量产闭环把数据变成生产力
数据池：长安用于训练的数据约2000万Clips，清洗后总量100万小时，只用了约六分之一库存训练当前模型。
算力与迭代：重庆、哈密两地构成3万卡级智算中心，每天并行300多个模型实验、产出100多组模型。
仿真验证：500PB存储、4DGS场景重建和1.5万多个核心场景测试库，让量产数据能回到仿真里验证。