想要比较好地解决长尾场景，也只有一个土办法：碰上了再说。这就意味着不管模拟多久，还是得尽可能多的上路测试。
但因为实际路测的效率较低，所以对于目前的自动驾驶而言， “ 高效的办法不合理，合理的方法不高效 ” 是一个致命的死循环。
所以，即使是像 NOA 这样 “ 有条件的自动驾驶 ” ，想要实现安全地让车辆自主操作，也是一定需要经过长时间、大量的实际路测才能经历尽可能多的极端情况。
说到底，这是个时间问题。
为了搞定数据问题，车企们自然也是各显神通。
就比如特斯拉就用上了 “ 人海战术 ” ，每一台车都配有 “ 影子模式 ” ，能在日常驾驶中收集信息、学习驾驶习惯。
因为保有量巨大，特斯拉能够在短时间内收集到大量的驾驶数据，训练模型的迭代速度也能相对提升。
而在数量上不占优势的品牌，就会在效率上做文章。
比如蔚来的思路就是 “ 算得快 ” ，愣是往一台车里塞了四块 256 TOPS 算力的英伟达 Orin 芯片，大幅提高了单车的信息处理能力。
小鹏呢，则是用了 XNet 感知架构让数据标注的速度大幅加快，声称能用 16.7 天就完成 2000 人的年标注量，也就是让 AI “ 学得快 ” 。
但是这些方法，说到底还是让自动驾驶这个时间问题中的时间，变得更短、更快一些。然而强如 Waymo 这样的自动驾驶领军公司，目前也没有完全解决处更是路况下，自动驾驶可靠性与稳定性的难题。
