为了达到人类驾驶对汽车, 道路驾驶行为的理解, 自驾车需要收集海量数据进行分析, 而目前拥有最多数据的两家公司便是Tesla和Waymo. 据The Verge报导, 这两家公司收集数据的作法并不相同. Tesla利用其售出的数十万辆安装Autopilot半自动驾驶系统的电动车来收集真实世界的数据, 以了解这些车辆的表现. 至于从Google自动驾驶计划独立出来的Waymo则使用强大的电脑进行模拟, 再将学习结果反馈给数量相对较小的现实世界车队. 摩根士丹利(Morgan Stanley)分析师Adam Jona认为, 对Tesla来说, 数据的价值可能更高. 目前Tesla正透过世界各地的数十万车主收集关于Autopilot功能的性能表现资讯. 除了里程数, Tesla还收集未使用半自动驾驶功能时, Autopilot如何处理不同驾驶场景的数据. Tesla汽车会记录Autopilot软件欲采取行动的事例, 将该数据回传给Tesla, 让该公司可以模拟所有数十亿里程的Autopilot数据. 至于Waymo于2018年初宣布其已模拟50亿英里的自动驾驶数据, 并达到在公共道路自驾500万英里的里程碑. Waymo的限制在于目前只能透过约500~600辆自驾车队收集真实世界的数据, 且这些车辆只在德州, 加州, 密西根, 亚利桑那和乔治亚等州驾驶, 多样性比不上在全球拥有30万辆以上的Tesla电动车. 不过Waymo计划在年底前增添数千辆车辆, 近来更宣布与Jaguar Land Rover合作开发I-Pace SUV电动车的全自驾版本. Waymo表示未来几年将提高车队数量至2万辆, 一旦这些汽车上路后, 每天累积的里程数将更为可观. 值得注意的是, Tesla和Waymo所收集的数据不仅规模有差, 内容也相异. Waymo自驾车使用3种不同类型的光达(LiDAR)感测器, 5个雷达感测器和8个相机, Tesla则搭载8个相机, 12个超音波感测器和一个面向前方的雷达. 光达可以帮助建立高解析度的汽车周遭环境全方位图像, 在暗处仍能维持准确性, 性能优于相机, 雷达和超音波, 但Tesla并未使用. 收集数据是一回事, 数据的处理也是一项艰难的任务. 这方面Waymo显然比Tesla更具优势. Waymo建立了测试城市的完整电脑模型, 以2.5万辆虚拟自驾车在电脑上重建真实世界的驾驶数据, 然后将学习的经验上传至测试车辆. 模拟测试需要大量的投资, 资源, 时间和研究, Waymo有母公司提供支援, 目前模拟的里程数已接近60亿英里, 并计划在年底推出商业化的叫车方案. 然而自驾车竞赛中的黑马非NVIDIA莫属. NVIDIA的技术正被包括Tesla在内的数百家公司使用. 3月时, NVIDIA推出DRIVE Constellation模拟系统, 目的是让那些没有Tesla和Waymo车队规模或财力支援的公司更容易进入自驾领域. 道路测试和模拟的里程数多寡尚不足以断定哪一家公司拥有最终的优势, 另一个问题则是如何定义自驾车的安全性. 目前唯一适用所有公司的通用指标就是所谓的解除自驾(disengagement), 根据追踪安全驾驶员必须重新取得汽车自驾系统控制权的次数, 但这指标并不完善, 因为定义不够严谨, 很容易造假.
