在和身边的人沟通自动驾驶的数据闭环时，会碰到两类典型的人：第一类，当你给他讲数据闭环的时候，他的眼神是迷茫的，好像没有引起太多的重视和共鸣，甚至有人会反馈：“嗯，这个没什么，我们以前干的差不多”；第二类，他会觉得数据闭环，能解决一切问题，而且，数据闭环是一种全新的工作方式。
第一类人低估了数据闭环的重要性，第二类人高估了数据闭环的重要性。
图1 特斯拉AI高级总监Andrej Karpathy 2020年2月提到的Data Engine引起热议
虽然，特斯拉AI高级总监 Andrej Karpathy 2020年2月“AI for Full-Self Driving”的演讲，是数据闭环热潮的起点，引起汽车行业的热议，但是，实际上，数据闭环是一直是软件工程领域的一种成熟的工作方式，在人工智能时代，数据闭环并没有从根本上改变“整体”软件工程的工作方法，但是，对管理、运营和工具带来了全新挑战，因此，我们必须比以前更加重视数据闭环。
无论是早期的windows，还是最近的安卓，我们在系统使用的过程当中，都会被问到是否允许微软或者是谷歌收集你的数据[1]，帮助改进用户体验。这就是传统的数据闭环。
图2 Windows收集信息的选项界面
图3 Google Fixel 2 Android手机的收集数据的选项界面
图4 华为Android手机的收集数据的选项界面
在微软Office软件崩溃（Crash）后，你也能够看到一个弹出对话框，问你是否允许上传本次崩溃的信息，帮助微软改进Office。那这就是最经典的数据闭环。
图5 Office崩溃后上传数据的对话框，是经典的数据闭环
我们可以看一下，经典的数据闭环是一个什么样的工作流程？
