為了達到人類駕駛對汽車, 道路駕駛行為的理解, 自駕車需要收集海量數據進行分析, 而目前擁有最多數據的兩家公司便是Tesla和Waymo. 據The Verge報導, 這兩家公司收集數據的作法並不相同. Tesla利用其售出的數十萬輛安裝Autopilot半自動駕駛系統的電動車來收集真實世界的數據, 以了解這些車輛的表現. 至於從Google自動駕駛計劃獨立出來的Waymo則使用強大的電腦進行類比, 再將學習結果反饋給數量相對較小的現實世界車隊. 摩根士丹利(Morgan Stanley)分析師Adam Jona認為, 對Tesla來說, 數據的價值可能更高. 目前Tesla正透過世界各地的數十萬車主收集關於Autopilot功能的性能表現資訊. 除了裡程數, Tesla還收集未使用半自動駕駛功能時, Autopilot如何處理不同駕駛場景的數據. Tesla汽車會記錄Autopilot軟體欲採取行動的事例, 將該數據回傳給Tesla, 讓該公司可以類比所有數十億裡程的Autopilot數據. 至於Waymo於2018年初宣布其已類比50億英裡的自動駕駛數據, 並達到在公共道路自駕500萬英裡的裡程碑. Waymo的限制在於目前只能透過約500~600輛自駕車隊收集真實世界的數據, 且這些車輛只在德州, 加州, 密西根, 亞利桑那和喬治亞等州駕駛, 多樣性比不上在全球擁有30萬輛以上的Tesla電動車. 不過Waymo計劃在年底前增添數千輛車輛, 近來更宣布與Jaguar Land Rover合作開發I-Pace SUV電動車的全自駕版本. Waymo表示未來幾年將提高車隊數量至2萬輛, 一旦這些汽車上路後, 每天累積的裡程數將更為可觀. 值得注意的是, Tesla和Waymo所收集的數據不僅規模有差, 內容也相異. Waymo自駕車使用3種不同類型的光達(LiDAR)感測器, 5個雷達感測器和8個相機, Tesla則搭載8個相機, 12個超音波感測器和一個面向前方的雷達. 光達可以幫助建立高解析度的汽車周遭環境全方點陣圖像, 在暗處仍能維持準確性, 性能優於相機, 雷達和超音波, 但Tesla並未使用. 收集數據是一回事, 數據的處理也是一項艱難的任務. 這方面Waymo顯然比Tesla更具優勢. Waymo建立了測試城市的完整電腦模型, 以2.5萬輛虛擬自駕車在電腦上重建真實世界的駕駛數據, 然後將學習的經驗上傳至測試車輛. 類比測試需要大量的投資, 資源, 時間和研究, Waymo有母公司提供支援, 目前類比的裡程數已接近60億英裡, 並計劃在年底推出商業化的叫車方案. 然而自駕車競賽中的黑馬非NVIDIA莫屬. NVIDIA的技術正被包括Tesla在內的數百家公司使用. 3月時, NVIDIA推出DRIVE Constellation類比系統, 目的是讓那些沒有Tesla和Waymo車隊規模或財力支援的公司更容易進入自駕領域. 道路測試和類比的裡程數多寡尚不足以斷定哪一家公司擁有最終的優勢, 另一個問題則是如何定義自駕車的安全性. 目前唯一適用所有公司的通用指標就是所謂的解除自駕(disengagement), 根據追蹤安全駕駛員必須重新取得汽車自駕系統控制權的次數, 但這指標並不完善, 因為定義不夠嚴謹, 很容易造假.
