币界网消息，特斯拉AI高级主任工程师蔡云达指出，外界常以为机器学习项目99%的工作都在跑训练，实际上真正用于模型参数训练的时间仅占2%。相比之下，50%的精力花在评估测试上，40%花在清洗数据上，另外8%是系统集成。蔡云达强调，数据清洗和评估决定了AI能够学到的极限。如果原始数据定义模糊、标注前后矛盾，就会在源头上引入噪声。任何算法魔法或调参技巧都无法消除背景噪声，因为模型无法自己纠正错误的课本，最终的精度上限完全取决于数据本身的有效信息量。为了从源头确保数据标准统一，蔡云达表示自己每天都在重新审视数据概念的定义与分类体系，甚至要反复审核历史标签。许多从业者表示认同并指出，无论是强化学习的规则设定，还是模型微调的精准标注，决定AI表现的始终是数据质量和评测水平，而非模型架构本身。