小米 YU7 已经发布，雷军在微博上预热 YU7 的辅助驾驶时，重点提到：小米 YU7 出厂即搭载 1000 万 Clips 版本的辅助驾驶。

在小米之前，理想、小鹏、吉利等车企纷纷宣称数据量达到 1000 万 Clips，仿佛预示着辅助驾驶的竞争已进入了一个全新阶段。

那么，Clips 到底是什么，它对辅助驾驶来说又意味着什么？

什么是 Clips？

简单地说，Clips 是车辆在真实道路中采集的驾驶数据片段，通常约 30 秒，它包含车辆摄像头等各种传感器采集到的驾驶数据，记录了车面对不同场景做出不同反应的全过程。

如果把自动驾驶比作一位新手司机，Clips 就是教科书、题库和错题集的结合体。数量越多、覆盖场景越丰富，模型就越有 " 活人感 "。

我们都说，在智能化时代，数据是基础，也是最重要的。那么，学习素材的质量和数量，就决定了它的能力上限。

主流玩家实力一览：

越来越多的车企会将 "1000 万 Clips" 作为其宣传辅助驾驶数据训练量的标准。

千万级的 Clips，意味着覆盖了海量、多样化的驾驶片段，各类复杂的道路场景，为模型提供了更全面的学习教材，从而实现更精准的判断。

可以看出，辅助驾驶正从 " 感知能力的比拼 " 迈向 " 认知水平的较量 "，比的就是谁让 AI" 看得多、学得全 "。

数据越多，辅助驾驶越聪明？

数据规模越大，辅助驾驶的表现就会越好吗？

其实这不是绝对的，Clips 可以类比为芯片的计算单元，数量越多，算力越强，但算力只是基础，真正决定体验的，还是算法和数据。

数据训练的关键在于覆盖维度与数据质量。简单来说，不是把数据全丢进去就行，而是要 " 喂 " 给算法高质量、多场景的数据，才能训练出聪明好用的系统。

理想汽车从超百万用户的驾驶数据中，按照顺畅度、操作规范性等标准筛选，最终只保留 5% 的高质量片段用于模型训练。因为这样筛出来的数据更 " 干净 "，更贴近真实场景，对算法提升也更有帮助。

Clips 数量决定了系统能跑多复杂的算法，但能不能跑得好，还得看算法有没有设计到位、数据有没有训练到位。比的不应该是 " 谁芯片多 "，而是 " 谁算法强、数据准 "。

特斯拉打造了 Dojo 超级计算机，用于处理全球车主上传的视频数据，规模已达到 100EFLOPS；小鹏汽车也自建了扶摇超算中心，配备超 2 万张 GPU 卡，每天可处理 200 万 Clips，其目标是 2025 年算力达到 10EFLOPS 以上。

Clips 量越大，就说明车企的训练数据规模越大，而超算中心的算力越大，就说明车企的处理数据能力越强。

这就是为什么大家都在卷 " 超算 " 和 " 训练数据量 "。

写在最后

马斯克曾说：" 只有训练到 1000 万个 clips，系统才会有难以置信的表现提升。"

可以见得，训练数据量达 1000 万 Clips 可以认作是辅助驾驶变得更强、更拟人的 " 拐点 "。

这也是为什么今天的辅助驾驶，不再是简单 " 堆芯片 "，而是围绕数据质量、算力平台展开全面竞争。

当然，1000 万 Clips 只是辅助驾驶征途中的一个节点，并不能将它和最终表现直接挂钩。数据的质量，车企能否用好，都会直接影响辅助驾驶最终表现。

END