随着辅助驾驶技术逐步走向市场，数据正在成为驱动算法“大脑”不断进化的重要引擎。在辅助驾驶产品开发过程中，如何令海量数据实现价值最大化，在日益复杂的驾驶场景中推动系统性能持续提升？数据闭环的应用，为这一问题提供了高效可行的解决路径。

面向规模化量产需求，几何伙伴推出全新一代数据闭环2.0平台产品，覆盖多模态数据处理与应用的完整流程，通过云平台与全流程自动化技术深度挖掘数据价值，有效提升算法迭代效率，赋能主机厂客户打造“越用越聪明”的辅助驾驶系统产品。

要实现真正安全、可靠、泛化能力强的辅助驾驶功能，系统必须能够从真实世界中持续学习迭代，而这一过程离不开数据闭环的支撑。几何伙伴基于云平台打造的数据闭环技术体系，为辅助驾驶系统提供了一套涵盖算法开发、测试验证和量产运营的完整进化链条。

几何伙伴自主建立的多模态数据智算中心，容纳了数个高性能GPU集群，具备PB级分布式存储能力，同时搭载200Gbps的IB网络，可提供PFLOPS级算力。结合一系列私有云平台，几何伙伴数据闭环2.0平台能够有效保障数据传输效率，以及传输和存储过程中的隐私性和安全性，规避数据泄露和滥用的风险，为数据闭环全流程提供统一、安全、灵活的数据湖和云原生基建。

基于这种软硬件深度耦合设计，几何伙伴成功开发出20余条自动化数据产线，覆盖数据采集、数据解析、数据清洗、场景挖掘、云端建图、真值生产、数据回灌、算法测评和仿真测试等环节，为数据飞轮打通了一条畅行无阻的“高速公路”。

为了加速获取高质量数据，几何伙伴数据闭环平台搭载了多种数采及可视化工具，覆盖感知、路测、量产数据等各种数据类型。这套数采系统的设计强调兼容性和多样性，通过制定统一的数据格式和落盘规范，可支持不同车型平台、传感器配置、域控平台和辅助驾驶功能，无缝采集真实驾驶数据、路测数据以及长尾场景数据。同时，在数据制式和数据处理的设计中充分考虑向前兼容，从而实现多项目之间的数据复用。

▲ 几何伙伴车端数据采集业务架构图

在采集/测试数据回传后，数据闭环2.0平台利用自研和开源模型能力，可从静态环境信息、障碍物信息、自车行为、交通参与者行为、交通流信息等多个维度，挖掘出数百万帧算法开发和测试中需要的高价值场景，例如路口、匝道、cut-in、大车、特殊车辆、行人穿行、调头、候车、急刹、极端天气等，充分丰富几何伙伴数据集多样性。

针对不同的算法模型训练需求，平台将对GPU集群进行逻辑池划分和统一调度，并构建多机多卡训练任务模板，高效分配和释放资源，实现训练/推理任务的自动化监控与运维。而在感知和部分开环功能验证阶段，平台也能够结合云端自动化生产的真值数据，从识别能力、识别精度、识别率及稳定性等几个维度进行回灌测评。

依托于数据闭环的全生命周期pipeline，几何伙伴仿真平台可实现实车数据与仿真场景的自动转换，辅以高置信度SIL仿真系统，快速完成基于需求与法规的功能逻辑测试，同时支持云上多节点并发测试。

▲ 几何伙伴数据闭环全链条

同时，在量产运营阶段，这套数据平台也能够基于主机厂客户的具体项目需求，提供完整的量产数据管理服务，包括OBS上传与管理、远程问题分析及回灌复现等，确保运营中的问题及时反馈到算法优化环节中。这种闭环设计，让辅助驾驶系统在用户手中依然能够持续进化，实现真正的拟人学习。

在算法开发流程中，海量高价值数据的获取与应用直接关系到模型训练质量。目前，几何伙伴数据闭环2.0平台每日上云的采集数据量已达10TB，端到端数据可用率达到90%以上，有效场景片段累计超百万clip。而AI大模型的赋能，为数据处理各个环节按下了“加速键”，极大提升了数据的流转效率。

在获取原始采集数据时，几何伙伴的自动化标注系统可通过2D/3D检测与分割，使用现有感知大模型（如针对车辆、行人的模型）对数据进行推理，生成预标注结果。标注员仅需在此基础上进行修正和微调，标注效率较传统逐帧标注的方式提升3-5倍，有效降低数据标注的人力需求。

同时，几何伙伴采用了4D时序自动标注技术，利用SLAM技术和多帧信息（连续图像+点云），自动追踪目标在时空中的运动轨迹。这种标注方式不仅能够精准标注目标的几何属性和语义类别，更能通过连续帧关联捕捉运动状态与交互关系，为感知、预测等提供高精度、低成本的训练数据，是实现动态场景理解的核心基础。

▲ 4D时序标注结果

为高效筛选有价值的数据，几何伙伴的自动标注系统引入了主动学习机制，通过建立智能循环，让模型“主动”分辨需要被标注的数据。具体而言，标注系统将从初始小数据集上训练模型，并对海量未标注数据进行预测、清洗和筛选。在排除预测置信度较低的错误/模糊/冗余数据后，系统将根据特征聚类与影子模式数据对比，智能筛选出最具训练价值的“疑难案例”优先转交人工标注，并以新标注的数据重新训练模型，在此循环中实现数据资源投入产出比的最大化。

借助大模型能力，几何伙伴数据闭环平台可实现以图搜图、以文搜图、以文搜视频片段等功能，帮助进一步优化数据流转效率。在验证端，还可以根据真实路采中挖掘出的关键场景，泛化出成千上万个类似的变异场景，进行充分压力测试。

在具体的部署应用中，几何伙伴数据闭环平台也充分考虑到数据安全需求，引入SSO单点登录、VPN访问控制、RBAC权限管理及多重校验机制，有效规避未经授权的访问与更改，保障数据全生命周期的可追溯性，同时在存储、服务器和网络架构上采用冗余设计，支持数据备份与故障恢复。

当前，几何伙伴已经打通原始数据获取→时空对齐→场景重建→多目标追踪→自动化标注→质量验证的4D标注全流程链路，实现日级真值数据生产与小时级测试问题数据分析，可支持算法训练和仿真测试的每周迭代。以云基建能力与全流程自动化为基石，几何伙伴数据闭环 2.0 平台打造了一套高效、全面、可扩展的数据驱动体系，正在推动辅助驾驶体验持续革新，不断拓展自研系统产品的智价比边界。

未来，几何伙伴也将继续以软硬件一体化的全栈能力，为主机厂客户提供更加智能开放的平台化数据服务，共同推动辅助驾驶走向系统级协同进化，构建更加安全可靠的智慧出行新生态。