2025年の中国自動運転データ閉ループ市場を分析した調査レポート「China Autonomous Driving Data Closed Loop Research Report, 2025」がResearchAndMarkets.comから発表された。このレポートは、自動運転技術の進化を支える「車両-クラウド連携型データ閉ループ」の効率的協働が、高速なアルゴリズム改善の鍵であると指摘している。 データ閉ループの本質は、「収集→送信→処理→訓練→展開」のサイクルによる継続的最適化である。2025年には、業界は初期の「0→1」段階から「高品質・高効率」の時代へ移行しており、課題は長尾シーンのカバーとコスト管理に集中している。自動車メーカー（OEM）やTier 1サプライヤーは、自社でのデータ閉ループ体制の構築を積極的に進めている。 特に注目すべきは、合成データの割合が2023～2025年に20～30％から50％以上に急増した点。実データは基本性能の土台を支え、合成データは限界を突破するための鍵となる。AIモデルとクラウド連携技術により、収集から展開までの全工程が自動化され、データフローの壁を打破する「エンドツーエンド自動化ツールチェーン」が徐々に実装されている。 ExceedData社の車両-クラウド統合型閉ループソリューションは、15社以上のOEMと30以上の主力モデルで採用され、データ転送コストを75％、クラウド保存コストを90％、計算コストを33％削減。実際のOEM事例では総コストが85％削減されたと報告されている。 Xpeng Motorsは、2025年時点で10 EFLOPSの計算能力を持つ「クラウドモデル工場」を構築し、アルゴリズムのエンドツーエンドサイクルを平均5日で実現。720億パラメータのマルチモーダル世界モデルを用いて、人間の常識的推論を模倣し、車載小規模モデルへの能力転送も成功させた。 高価値データ（例：極端なケース）は車両側のルールエンジンで事前に抽出され、クラウド側でGANや拡散モデルを活用した合成データ生成でギャップを埋める。E2E（エンドツーエンド）やVLAモデルがマルチモーダル入力を直接制御命令に変換し、クラウドの大規模モデル訓練を活かして車載側への軽量展開を実現。 今後、自動運転の提供形態は単体車両向けのコード配信から、クラウドサブスクリプション型サービスへとシフト。車両-クラウド連携型データ閉ループの効率的協働が、AI駆動の自動運転の高速進化を支える基盤となる。