特斯拉首席执行官埃隆・马斯克近日公开表示，要实现真正安全的无监督全自动驾驶（FSD）功能，需要收集约100亿英里（约合160.93亿公里）的现实道路训练数据。这一预估数据源于现实世界中存在的“极端长尾复杂性”，即自动驾驶系统需应对数以亿计的罕见驾驶场景。
马斯克的观点源于对苹果和Rivian前员工保罗・拜塞尔分析文章的回应。拜塞尔在社交平台撰文指出，特斯拉凭借数据驱动模式在自动驾驶领域建立显著优势，其他企业难以通过仿真模拟或有限道路测试快速追赶。他强调：“自动驾驶不是技术演示竞赛，而是关于数据规模、迭代速度和工程化能力的综合较量，特斯拉已在这条赛道上形成代际优势。”
这一论断与马斯克此前在《宏图计划2.0》中的预估形成对比。2023年他曾提出，获得全球监管批准需要约60亿英里测试数据，而此次将安全无监督驾驶的门槛提升至100亿英里，反映出技术落地的实际难度远超预期。特斯拉人工智能副总裁阿肖克・埃勒斯瓦米在社交平台补充称：“自动驾驶长尾问题的复杂程度远超行业认知，解决最后1%的极端场景比实现99%的基础功能困难百倍。”
根据特斯拉社区统计，截至2025年底，FSD系统累计测试里程已突破70亿英里，其中城市道路场景占比超35%。这一数据规模远超其他自动驾驶企业，但距离马斯克提出的安全阈值仍有30亿英里差距。值得关注的是，系统在突破70亿英里后仅数日便完成新里程碑，显示其数据采集速度仍在加速。
在评价英伟达Alpamayo自动驾驶项目时，马斯克再次强调技术落地的现实挑战：“达到99%的完成度只需数年，但攻克最后1%的长尾问题可能需要数十年。"这种观点与行业普遍存在的"仿真替代论"形成鲜明对比，后者认为通过虚拟场景生成可大幅降低真实道路测试需求。特斯拉的实践表明，现实世界的不可预测性仍是算法训练无法绕过的核心障碍。
