路上的智能网联汽车越来越多，它带给你的体验感，是否已经达到你期待的样子？智能网联汽车还存在哪些难题？随着科技革命汹涌而来，智能网联汽车未来将如何发展？11月12日，第三十一届中国汽车工程学会年会暨展览会在中国重庆·科学会堂开幕。在开幕式暨全体大会上，院士专家齐聚一堂，围绕如何促进智能网联汽车高质量发展，现场展开了精彩的分享。

    人工智能赋能智能网联汽车正从部分功能区域应用向全生命周期赋能进化

    “全球新能源汽车、智能网联汽车持续高速发展，2023年全球新能源汽车销量达到1465万辆，渗透率达到22%。全球主流主机厂已经规模化量产搭载L2级智能驾驶系统，L3级进入准商用阶段，L4级已经在规模示范。”中国工程院院士、清华大学教授、国家智能网联汽车创新中心首席科学家李克强院士以《智能网联汽车技术与产业发展态势及展望》为题作了主旨报告。

▲李克强院士。主办方供图

    他表示，全球智能网联汽车行业取得重大进展的过程中，呈现出6大发展新趋势。比如，智能化网联化融合发展已经形成全球共识，多个国家通过发布政策规划、路线图等方式，将智能化网联化融合发展纳入顶层设计。由于智能化网联化融合发展路径涉及到汽车、交通、通信等多个领域，需求多元交叉，技术体系复杂，利益相关方繁多，因此需要以系统工程思路整体推进。基于大模型的汽车人工智能技术实现突破，使主流车企都已经实现大模型技术在感知、规划和控制领域的应用，部分车企已具备全栈端到端智能驾驶能力，可以说，人工智能赋能智能网联汽车正从部分功能区域应用向全生命周期赋能进化。

    他还特别提到，数据闭环能力已经成为智能网联汽车技术发展的关键。

    什么是数据闭环？他解释道，所谓数据闭环，就是从车端进行数据采集，然后进行数据上传、存储、清洗、挖掘、标注，再到模型训练、测试验证，最终再通过OTA部署到车端，形成这样一个闭环。

    “如果说智能驾驶1.0是硬件驱动，2.0是软件驱动，那么3.0则是数据驱动。”李克强院士认为，目前，智能驾驶已经由软件驱动2.0时代进入到数据驱动3.0时代，数据、算法（大模型）、算力将是智能驾驶3.0时代的核心支柱，数据闭环能力将成为关键。

    当然，他也坦言，智能网联技术在取得重大突破的同时，也应当客观地看到，这些技术在产业化过程中仍存在的问题。简单来说，当下的智能网联技术，与能够形成商业闭环的智能技术是有差距的，或者说企业的投入以及社会对智能驾驶的期待，与实际效果还是存在差距的。

    如何推动智能网联汽车更好发展？对此，李克强院士团队做了大量的探索实践。同时，针对发展现状，他也提出了几点建议，比如，一是加强顶层设计，健全法规标准体系，打造良好生态。在这一过程中，可以充分借鉴新能源汽车发展的宝贵经验，全面强化智能网联汽车顶层谋划。二是推动高水平开放合作，开展技术创新及生态建设。三是加强发展共识，以监督和服务协同一体化的思路，推进信息安全基础平台、高精动态地图基础平台、云控基础平台、智能终端基础平台、计算基础平台五大基础平台的产业化发展。四是以示范加速地区政策、基础设施、商业模式全方面创新，例如，选取重点城市区域、高速公路、封闭区域，以车路云一体化体系架构为指导，推动车、路、网、云协同建设，开展多场景车路云一体化智能网联汽车示范应用，支撑新一代智能交通系统建设；持续开展互联互通测试与示范活动，推动车路云一体化系统从示范应用向大规模商用发展，推动商业模式闭环，提升社会接受度。

    在智能革命时代，真正的竞争都是围绕应用场景来的

    香港科技大学（广州）协理副校长（知识转移）、人工智能学域创始主任、讲座教授熊辉以《驾驭未来，汽车制造中的人工智能创新》为题进行了分享。

▲熊辉。 主办方供图

    他认为，如今，我们进入了一个智能革命时代，与第三次工业革命不一样，第三次工业革命我们的生产资料是石油，石油驱动了传统的汽车，而这一次的智能革命时代，我们的生产资料是数据。

    “数据是从哪里来的？数据就是从应用场景中来的。”他表示，汽车行业中有什么样的应用场景？比如，智能座舱、车路环境、自动驾驶等都是应用场景。从应用场景中，我们就可以得到数据。

    在熊辉看来，高质量的数据可以促进AI算法的发展，而AI算法的发展，又可以进一步产生更多创新应用，更多创新应用场景又可以产生更多数据，如此就形成了一个循环。“所以说，在整个智能革命时代，我们真正的竞争都是围绕应用场景来竞争的，也就是如何产生更多差异化的数据。”

    过去两年，人工智能最大的变化就是大模型带来的，无论是教育、科研还是产业范式，都产生了重大变化。他把人类智能分为了4个境界，第一个境界是博闻强识，比如说一个计算机专业博士，他就达到计算机行业的博闻强识；第二个境界是触类旁通；第三个境界是一叶知秋，就是人类的推理能力和预处能力；第四个境界是无中生有，也就是从0到1的创新，这是人类智能的最高境界。

    “大模型改变了什么？大模型的横空出世，首先就是让人类智能在博闻强识和触类旁通两个境界无法与之媲美。”熊辉表示，比如说博闻强识，任何一个汽车专家、AI专家，都没有办法去跟一个大模型去媲美对汽车、对人工智能的了解。

    在他看来，人类一直 在思考，如何去解决我们的认知盲区，但我们的认知盲区是由感知盲区带来的，感知盲区则是由数据盲区带来的。所以，包括汽车工业在内的各行各业，我们要努力解决的是数据盲区的问题，这是行业发展的基础逻辑。

    如何提高测试效率、降低测试成本，是当前急需解决的一大技术难题

    “自动驾驶，无论是单车智能还是网联智能，现在都已经发展到包括辅助驾驶、高级自动驾驶、无人驾驶、网联协同自动驾驶等多种技术或产品形式。”西安建筑科技大学校长、长安大学教授赵祥模以《智能网联汽车测试技术体系创新与实践》为题作了主旨报告。

▲赵祥模。主办方供图

    他介绍，近年来不断出现的自动驾驶交通事故，引发了公众的普遍担忧，也为自动驾驶汽车产品安全评估与准入监管提出了更高的要求。“国际上的普遍共识是，自动驾驶汽车只有经过严密的测试，才能够进行大规模使用。”因此，他表示，科学、完善的测试评价，是保证自动驾驶汽车系统与整车的安全性、可靠性、稳定性的关键环节，是自动驾驶技术规模化落地应用的必要前提。

    不过，他坦言，自动驾驶汽车测试评价对象，从传统汽车的人、车二元独立的结构系统，转变为人-车-环境-任务强耦和系统，也就是说，不能像以前一样，在一个有限场景下测试以后，就把它等效到无限场景中。

    “传统的汽车安全测试方法，已经不能适应智能网联汽车自动驾驶复杂的需求，必须研究全新的测试理论，设计全新的测试方法。”赵祥模认为，如何实现智能网联汽车或者自动驾驶的快速测试，提高测试效率，降低测试成本，是当前急需解决的一大技术难题，甚至可以说是一个世界性的难题。

    他介绍，近年来，为了解决自动驾驶的测试问题，国家各相关部委都推出了一系列研究项目来支撑这方面技术的发展。

    目前，他们团队提出了车云场一体化的自动驾驶测试技术体系，即在云端构建真实试验场的孪生平台，并基于多模异构车-云-场通信网络，实现云平台与测试车辆的双向低时延可靠交互。然后，通过路侧与车载数据采集设备，将车辆运动状态实时映射到云平台的虚拟仿真环境中，同时将云平台动态生成的虚拟测试场景实时注入给待测自动驾驶汽车，实现车-云-场的一体化同步运行，从而虚实结合地完成自动驾驶测试。目前，相关成果已经在实践中进行了应用。

    来源： 新重庆-重庆日报  

    编辑： 蔡杨   主编：匡丽娜      审核： 李珩