训练自动驾驶汽车不是一蹴而就的，它需要不断改进。现阶段，自动驾驶系统只是辅助系统，仍需人工协助，离真正的全自动驾驶距离甚远，为此，必须对系统进行大量多样化、高质量的数据训练。

数量多样性

利用大量不同的数据集训练机器学习模型，可以开发出更智能、更可靠的系统。

自动驾驶在道路行驶中遇到变数的概率极大，经常会出现不按交通规则出行的车辆或行人，如闯红灯的车辆、乱穿马路的行人等。

因此自动驾驶数据不仅需要高质量，也应采取多场景的训练方式。拥有越丰富的经历，自动驾驶的安全性越高。

标注精度高

自动驾驶作为人类未来出行的工具，对数据的需求与人工智能其他行业有着云泥之别，不仅对数量且质量都有专业门槛。

随着自动驾驶辅助系统等级的提升，对数据标注准确度的要求也越来越高，标注精度已从之前的95%升至99%以上。

 此背景下，数据标注行业经历了几轮大换血，剩下的都是掌握数据处理核心技术的顶级科技企业，此类企业借助AI反哺数据标注，利用人机协同模式提效增益。

以曼孚科技为例，曼孚科技是行业领先的智能数据服务商，旗下第三代自研SEED平台可平均提升数据标注效率至10倍以上，利用AI辅助筛查提升数据精准度至99.99%，为人工智能企业提供数据支撑。