自动驾驶汽车需要的不止是额外的硬件，此类汽车还需要访问大量高质量的数据，以及数百万行的代码，以实现安全驾驶。此外，自动驾驶汽车自己也会生成数tb的数据，在研发过程中需要对此类数据进行分析，从而深度学习算法才能做出更安全的驾驶决策，并随着时间推移不断得到改进。目前，汽车制造商们面临的挑战就是如何对此类数据进行分类和分析，以便更有效地利用此类数据，并与其他自动驾驶汽车共享。

据外媒报道，为解决上述问题，宝马建立了自己的IT平台，D3。“D3”代表着“数据驱动开发”（Data-Driven Development），是研发宝马自动驾驶汽车以及验证宝马自动驾驶汽车数据的基础。新款宝马D3平台的推出，是宝马迈向高度自动驾驶道路上的一个重要里程碑。该平台是一个不可或缺的工具，可确保将于2021年底推出的宝马iNEXT车型能够提供安全、可靠的L3系统。

多年来，宝马一直在应用数据驱动开发的方法，该方法基于这样一种假设，即绘制以及最终处理每块大陆上所遇到的各种复杂、多样的交通情况的唯一方法是收集大量数据，也表明必须通过一个广阔的数据池来验证自动驾驶的算法和整体操作。

此过程的第一步是收集来自测试车队的大约500万公里（约为310万至370万英里）的真实驾驶数据。从收集的数据中，提取200万公里（约为125英里）的与驾驶场景和环境因素最相关的数据。由于宝马采用了数据限定条件和过滤法挑选定性数据，收集的数据的相关性正不断提高。之后，在开发过程中，200万公里的驾驶数据会定期进行再处理，即当新的控制单元完成集成，可投入使用时，为了评估新集成的单元在性能上是否提高，就会对数据进行再处理。

该200万公里的数据不断扩大，还增加了2.4亿公里（约合1.5亿英里）的模拟生成的数据，此类模拟数据主要基于相关的驾驶场景，并确保在开发过程中适当考虑到现实驾驶的多样性。处理200万公里的真实驾驶数据以及2.4亿公里模拟驾驶数据需要一个高性能的数据平台，该平台需要具备230拍字节（petabytes）的存储容量，10万多核和处理200多个GPU（图像处理单元）的计算能力。

而宝马高性能D3平台每天可收集超过1500TB的原始数据，存储容量超过230PB，10万多核和处理200多个GPU的计算能力，每两周有50PB数据进入硬件在环（HiL）仿真站。

此外，宝马还与IT服务公司DXC Technology合作。DXC公司于2017年成立，由美国计算机科学公司（CSC）与惠普公司的企业服务部合并而成。DXC主要负责设置和运行数据中心，研发支持自动驾驶开发的应用程序，旨在让自动驾驶系统上市之前，降低其成本和研发时间。DXC的应用程序可让宝马的研发团队收集、存储和管理车辆传感器的数据，还能在几秒钟时间内训练自动驾驶机器学习算法。