智駕無界，共筑未來出行新生態

“軟件定義，數據驅動”的智能網聯汽車時代已經到來，智能駕駛技術將跨越產業邊界，助力中國汽車產業邁向一個更加安全、高效、便捷的未來出行時代。

近年來，智能駕駛技術已成為汽車行業轉型升級的重要驅動力，而隨著區塊鏈、AIGC等技術的飛速發展，我國智能駕駛領域也迎來了前所未有的發展機遇。

11月7日至8日，2024中國汽車軟件大會在上海嘉定成功舉辦。其中，在8日下午的“智駕無界，暢行未來”主題論壇上，多位來自AI技術、自動駕駛企業、智能駕駛供應商等領域的領軍人物，分別從各自行業的角度分享了一系列創新應用，并就如何提升汽車智能駕駛水平、建立更安全高效的交通系統等相關問題展開了深入探討。中國汽車工業協會技術部總監韓昭主持了本場論壇，上海國際汽車城（集團）有限公司黨委副書記、總經理，上海智能汽車軟件園董事長潘曉紅為本場論壇致辭。

據韓昭介紹，此次論壇旨在展示自動駕駛技術如何引領汽車出行行業的變革，以及乘用車、商用車、Robotaxi等不同場景下的智能駕駛應用實踐。通過匯聚行業智慧，為推動智能駕駛技術的進一步發展提供有益的思路和啟示。

潘曉紅表示：“當下是一個挑戰和機會并存的時代，一方面，整個行業在承壓前行，另一方面，又能夠看到汽車行業有無限未來的前景。這與此次論壇的主題相當吻合。”在她看來，“無界”和“無限”能夠為汽車產業帶來更廣闊的發展空間，而上海國際汽車城也希望能夠持續協同整個行業，并打造出一個開放、協同、共建的產業生態，推動整個汽車行業的蓬勃發展。

打破數據孤島，體現數據價值

“以前我們認為軟件是決定汽車性能和功能的關鍵因素，而現在我們提出數據定義汽車。”中國一汽研發總院（科技創新管理部）副部長、高端汽車集成與控制全國重點實驗室主任李丹指出，數據能夠驅動智能的產生，而智能又推動了軟件的開發，軟件則定義了汽車的各種功能，這些功能最終塑造了汽車的特性。從數據的輸入，到結果的產生，整個過程實際上都是數據在主導。因此，可以說是數據在定義當下的汽車。

“AIGC產業化的前提就是企業數智化，并且需要合格的算力、數據以及模型，這樣才有可能實現“數據定義汽車。”李丹表示，如果企業沒有規范的數據，沒有數字孿生整個流程，以及一些私域數據，那么基于AIGC的汽車開發會非常困難。

此外，李丹提到，未來汽車行業還需要重點關注“數據孤島”問題。在他看來，每個企業自己的數據是有限的，但如果整個汽車行業聯合起來，把數據放在一個安全、可信的地方，供整個行業共同使用，那會對整個中國汽車產業有巨大的幫助。

就此相關話題，上海零數科技有限公司汽車交通事業部總經理劉波也發表了類似觀點。他表示，當今社會，汽車行業正經歷著從物理世界向數字世界的深刻轉變，數據在當中扮演著至關重要的角色。盡管我國數據的應用已經取得了一些成果，但數據孤島問題仍然普遍存在，阻礙了數據的進一步流通和價值挖掘，如何利用數據增量的價值，來真正為服務提供支持，是當前汽車軟件行業的重要課題。

值得一提的是，此次大會期間，中國信通院、一汽、東風、長安、上汽、廣汽、北汽、比亞迪、長城、蔚來、理想、小鵬、北理新源、眾鏈科技、中汽創智、重慶安驛、上海汽檢、車云數據、先導產投、智行眾維、零數科技等企業攜手中國汽車工業協會，共同啟動了汽車行業可信數據空間建設工作，旨在共同構建可信可管、互聯互通、價值共創的汽車行業可信數據空間。

據介紹，汽車行業可信數據空間將以應用場景為牽引，利用區塊鏈、隱私計算、數據脫敏等技術手段建立安全可信的高質量數據流通體系，鏈接汽車產業多方數據資源，通過共建共享的數據使用機制，促進汽車產業鏈數據流通，構建價值共創、互利共贏的汽車數據生態。

“隨著區塊鏈、隱私計算、數據空間等技術的不斷完善，以及政策支持、數據素養和數字化能力的提升，大量的數據會走出原來的主體，跨過邊界，開始進行大范圍的共享和使用，體現更大的數據價值。”劉波如是說。

洞悉行業趨勢，解決成本難題

國汽智控（北京）科技有限公司市場產品高級總監楊帆指出，近年來我國智能網聯汽車行業蓬勃發展，各大部委也在全力支持，法規持續完善，輔助駕駛功能的滲透率不斷增加，軟件的重要性愈發凸顯。然而，在發展過程中，自動駕駛產品也遇到了一定的挑戰，如開發費用高、測試驗證周期長、平臺化系列化困難以及功能、性能同質化嚴重等問題。

針對這些挑戰，國汽智控率先提出了計算基礎平臺及開發系統的產品理念，英文簡稱CBDES。該計算技術平臺及開發系統包含自動駕駛汽車操作系統ICVOS、域控制器硬件ICVHW以及圖形化應用開發平臺GAASD。這三部分共同構成了一個軟硬一體的智能計算底座。

其中，ICVHW將作為底層硬件，搭載高算力車規級芯片，提供豐富的外設接口，并構建可量產、高安全、高可靠、可拓展的硬件平臺。ICVOS則可作為統一的基礎軟件平臺，具備分層、雙解耦的特性，提供高實時、高安全、高拓展的功能運行框架。圖形化開發工具則提供豐富的功能模塊和函數庫，降低開發周期，提高開發效率。GAASD是面向未來自動駕駛的低代碼、拖拽式的可視圖形化應用開發工具，用戶可以直接調用內置的功能組件來完成應用的開發部署，并通過豐富的調測工具鏈進行二次開發和調試。展望未來，國汽智控希望其平臺能進一步賦能主機廠，推動中國智能網聯汽車發展。

如祺出行科技有限公司資本運營執行總經理林滿山則指出，Robotaxi的商業化當下正面臨著一個“不可能三角”挑戰，即在設計運行域（ODD）、安全性和經濟性三個方面難以同時滿足。簡單來說，就是無法實現Robotaxi既能覆蓋任意A點到B點的城市任何地方，又比人類駕駛更安全，同時成本還比現有的有人網約車更低。

為了應對這一挑戰，林滿山提出了通過混合運營來推動Robotaxi商業化的思路。具體來看，混合運營分為三個階段：第一階段，Robotaxi在郊區或偏遠地區運營，安全性主要依賴安全員，因此成本高昂，運營范圍和時間有限。第二階段，隨著自動駕駛技術的提升，Robotaxi的安全性也會提升，屆時，Robotaxi的運營范圍將擴大至城市大部分區域，并會在減少安全員的數量的同時，增強遠程監控能力。而在第三階段，Robotaxi將覆蓋全城，并且不再配置安全員，全面依賴遠程運營和AI監控。隨著量產能力的提升，Robotaxi的成本將比常見網約車更低。

合肥杰發科技有限公司是國內最早做汽車芯片的公司之一，主要產品線包括SOC和車規MCU。在此次論壇上，合肥杰發科技有限公司CTO李文雄表示，算力需求增長帶來市場規模擴大的同時，也給芯片廠商帶來了技術和資金的挑戰。一方面，隨著算力的提升，芯片功能架構變得復雜，對生產工藝的要求也變得更高。另一方面，芯片的開發周期和開發成本也在與日俱增。為此，他提出，可以通過先進的封裝技術，將不同工藝要求的芯片部分分開制作再組合，以此降低開發成本，節省開發周期。

此外，在談及艙駕一體化趨勢時，李文雄指出，艙駕一體化并不一定是一個絕對的發展方向。這是因為在L2、L3級別，主要還是人駕駛車輛，所以艙行泊合成一顆芯片是一個較好的解決方案。但是到了L4、L5級別，當人類被智能駕駛系統解放出來，對于座艙的需求將更偏向于娛樂性，這時使用AIPC的芯片或普通的計算機芯片就可以滿足駕駛者需求。而對于駕駛方面的要求則會更高，需要更高的可靠性、穩定性和功能安全等級。

完善標準驗證，筑牢智駕基石

檢驗驗證、標準體系建設同樣是提升汽車智能駕駛水平、建立更安全高效的交通系統過程中的關鍵一環。長春汽車檢測中心有限責任公司總師呂剛指出，當前對于智能網聯汽車軟件升級的管理，盡管已經制定了相關的強標，但我國的標準建設仍然不夠完善。

為此，呂剛建議未來應規范OTA（在線升級）的標準體系，這包括建立OTA的規范標準、技術標準和管理標準。例如，技術標準中除了安全測試外，還應增加場景測試、風險評估和仿真測試等內容。此外，監管檢測技術也需要創新。現有的管理主要針對新車出廠前的檢測，但對于在用車的檢測技術，如差分升級檢測、融合安全檢測和再用車差異檢測等，還需要進一步提升。

具體到汽車智能駕駛領域，仿真驗證正發揮著越來越大的作用。安徽深信科創信息技術有限公司主要提供仿真及數據閉環的工具鏈給車企和自動駕駛科技公司。此次論壇上，安徽深信科創信息技術有限公司CTO潘余曦詳細介紹了深信科創當前仿真工具鏈的研發進展，包括基于CARLA仿真引擎的Oasis Sim仿真平臺。

據介紹，該平臺兼容OpenX系列標準并支持場景編輯、泛化、基于SOTIF的安全關鍵場景生成、交通流仿真和傳感器仿真等功能。能夠加速客戶在仿真平臺上對自動駕駛系統開展的大規模模型訓練和算法測試，有助于提前識別系統缺陷、降低實車測試成本、消除場景端落地的安全隱患，加速無人駕駛技術在場景端的安全落地。

面對大量的泛化驗證需求，特別是針對長尾問題的解決，理想汽車智能駕駛技術規劃高級總監文治宇則從驗證方法上提出了兩點建議。一是采用擴散模型的架構來處理自動駕駛中的數據問題。二是利用利用生成式方法來增強已有的數據。這種方法可以改變包括天氣條件、光線環境、路況等在內的多種因素，從而生成更加豐富多樣的數據集。最后，將上述兩個方向結合起來，可以形成一套完整的模型評價或驗證體系。從而逐步解決自動駕駛中的長尾問題，提高其在實際應用中的可靠性和安全性。

文治宇透露，理想汽車企業愿景是期望能夠在2030年成為全球領先的人工智能企業，而智能駕駛是其中最重要的部分之一。未來理想汽車會計劃以超過50億flops訓練算力，通過100億公里的訓練里程，以及超過350萬臺的車隊規模，持續進行自動駕駛前瞻性的迭代。

然而，端到端模型訓練對數據的覆蓋度要求極高，傳統的模式下的道路采集、數據挖掘，顯然并不能滿足端到端的要求，這在一定程度上限制了端到端自動駕駛的發展。對此，百度智能云自動駕駛方案專家徐征指出，這種情況下，就需要考慮到智能場景的數據生成。

據徐征介紹，百度當前正在進行智能場景的數據生成探索，并取得了非常好的效果。在端到端仿真方面，百度不僅仿真規控環節，更注重場景的整體效果驗證，從單車到整個宏觀的交通流模型，都進行了全面的仿真和優化。例如通過消除動態元素、疊加虛擬元素等方式，可以生成千千萬萬的泛化真實場景，供模型進行訓練。同時，百度還通過智能搜索和難例挖掘等技術，提高了數據搜索和挖掘的效率，為大模型或端到端提供了準確的海量數據。

同時，徐征也強調了車路云協同的重要性。他表示，中國在車路協同方面有一定的優勢，包括5G網絡基礎設施建設和政府的大力支持。百度一直在與監管部門和道路資產管理部門合作，希望將車端的數據能力與道路數據融合，形成上帝視角的路面情況，以提高車輛的安全性。他相信，車路協同在L4自動駕駛場景中會越來越重要，并希望與行業同仁共同努力，共同打造有中國特色的、基于車路云一體的世界領先的自動駕駛解決方案。