此外，腾讯还认为闭环的数据应用体系，提升数据利用效率，是自动驾驶产品落地的关键。
腾讯布局自动驾驶云生态的开发平台，则基于云端存储及算力支撑，构建了数据采集管理、样本标注、算法训练评测、诊断调试、云端仿真、实车反馈闭环全流程云服务，提供支撑自动驾驶研发的全链路云服务和开发平台。
2、华为：云+AI+软硬件+芯片的组合生态
华为从自动驾驶的数据服务入手，继而延伸到训练服务和仿真服务的领域。
众所周知，自动驾驶测试会产生极为庞大的数据，除了数以百亿技的测试里程之外，一辆自动驾驶测试车1小时就能产生约8TB的数据，一天按测试8小时计算，就会有64TB的数据。一个月按22天工作日则产生约1.3PB/月的数据，但其中有效数据仅为0.05%，同时还有80万张/车/天图片有待人工标识。
此外，现有的仿真工具多为烟囱式孤岛，分散，不利于大数据的统一、AI能力的统一构建，及高效运营管理。
华为的逻辑是通过“八爪鱼”构建一个按需获取的全栈云平台，除了可以迈过数据处理这座高山，还能覆盖自动驾驶的模型、训练、仿真、标注等全生命周期业务。因而“八爪鱼”可以向用户提供以下几种核心能力。
处理海量数据，自动化挖掘及标注，能够节省70%以上的人力成本；
软硬件加速，平台提供华为自研昇腾910 AI芯片和MindSpore AI框架能大幅提升训练及仿真效率；
丰富的仿真场景，高并发实例处理能力：通过集成场景设计和数据驱动的方法，合计提供超过1万个仿真场景；系统每日虚拟测试里程可超过500万公里，支持3000个实例并发测试；
云管端芯协同，车云无缝对接：Octopus天然支持无缝对接MDC（移动数据中心）等车端硬件平台和ADAS系统，实现车云协同；
以上可以看出，华为的自动驾驶仿真能力并不是单独出现的，而是作为华为“八爪鱼”生态中的一种能力而存在，仿真能力是整个生态数据闭环的一个节点，当这个节点与其他环节产生协同合作时，才能体现出“八爪鱼”生态的优势。
我们可以注意到，“八爪鱼”并非仅仅是云+AI的结合体，整个生态中还包含芯片、MDC等车端硬件平台和ADAS系统，华为表示，未来还会将高精地图、5G及V2X技术等能力集成到“八爪鱼”中，如是看来，“不造车”的华为在仿真市场的布局颇为宏大。
3、百度：补动力仿真短板
百度在模拟仿真领域也拥有较强的实力，其主要体现在两个方面。
首先，另辟蹊径提升仿真的“真实性”。
去年3月百度论文《AADS:Augmented autonomous driving simulation using data-driven algorithms》登上《Science》杂志子刊《Science Robotics》，该论文提出了一套全新的自动驾驶仿真系统：增强现实的自动驾驶仿真系统（AADS）。
