“软件定义，数据驱动”的智能网联汽车时代已经到来，智能驾驶技术将跨越产业边界，助力中国汽车产业迈向一个更安全、高效、便捷的未来出行时代。

  近年来，智能驾驶技术已成为汽车行业转变发展方式与经济转型的重要驱动力，而随着区块链、AIGC等技术的快速的提升，我国智能驾驶领域也迎来了前所未有的发展机遇。

  11月7日至8日，2024中国汽车软件大会在上海嘉定成功举办。其中，在8日下午的“智驾无界，畅行未来”主题论坛上，多位来自AI技术、无人驾驶企业、智能驾驶供应商等领域的领军人物，分别从各自行业的角度分享了一系列创新应用，并就如何提升汽车智能驾驶水平、建立更安全高效的交通系统等有关问题展开了深入探讨。中国汽车工业协会技术部总监韩昭主持了本场论坛，上海国际汽车城（集团）有限公司党委副书记、总经理，上海智能汽车软件园董事长潘晓红为本场论坛致辞。

  据韩昭介绍，此次论坛旨在展示无人驾驶技术如何引领汽车出行行业的变革，以及乘用车、商用车、Robotaxi等不同场景下的智能驾驶应用实践。通过汇聚行业智慧，为推动智能驾驶技术的逐步发展提供有益的思路和启示。

  潘晓红表示：“当下是一个挑战和机会并存的时代，一方面，整个行业在承压前行，另一方面，又能清楚看到汽车行业有无限未来的前景。这与此次论坛的主题相当吻合。”在她看来，“无界”和“无限”能够为汽车产业带来更广阔的发展空间，而上海国际汽车城也希望可以持续协同整个行业，并打造出一个开放、协同、共建的产业生态，推动整个汽车行业的蓬勃发展。

  “以前我们大家都认为软件是决定汽车性能和功能的重要的条件，而现在我们提出数据定义汽车。”中国一汽研发总院（科学技术创新管理部）副部长、高端汽车集成与控制全国重点实验室主任李丹指出，数据能够驱动智能的产生，而智能又推动了软件的开发，软件则定义了汽车的各种功能，这些功能最终塑造了汽车的特性。从数据的输入，到结果的产生，整一个完整的过程实际上都是数据在主导。因此，能够说是数据在定义当下的汽车。

  “AIGC产业化的前提就是企业数智化，并且需要合格的算力、数据及模型，这样才有机会实现‘数据定义汽车’。”李丹表示，若企业没有规范的数据，没有数字孪生整一个流程，以及一些私域数据，那么基于AIGC的汽车开发会非常困难。

  此外，李丹提到，未来汽车行业还要重点关注“数据孤岛”问题。在他看来，每个企业自己的数据是有限的，但如果整个汽车行业联合起来，把数据放在一个安全、可信的地方，供整个行业共同使用，那会对整个中国汽车产业有巨大的帮助。

  就此相关话题，上海零数科技有限公司汽车交通事业部总经理刘波也发表了类似观点。他表示，当今社会，汽车行业正经历着从物理世界向数字世界的深刻转变，数据在当中扮演着至关重要的角色。尽管我国数据的应用已经取得了一些成果，但数据孤岛问题仍然都会存在，阻碍了数据的进一步流通和价值挖掘，如何利用数据增量的价值，来真正为服务提供支持，是当前汽车软件行业的重要课题。

  值得一提的是，此次大会期间，中国信通院、一汽、东风、长安、上汽、广汽、北汽、比亚迪、长城、蔚来、理想、小鹏、北理新源、众链科技、中汽创智、重庆安驿、上海汽检、车云数据、先导产投、智行众维、零数科技等企业携手中国汽车工业协会，共同启动了汽车行业可信数据空间建设工作，旨在共同构建可信可管、相互连通、价值共创的汽车行业可信数据空间。

  据介绍，汽车行业可信数据空间将以应用场景为牵引，利用区块链、隐私计算、数据脱敏等技术方法建立安全可信的高质量数据流通体系，链接汽车产业多方数据资源，通过共建共享的数据使用机制，促进汽车产业链数据流通，构建价值共创、互利共赢的汽车数据生态。

  “随着区块链、隐私计算、数据空间等技术的逐渐完备，以及政策支持、数据素养和数字化能力的提升，大量的数据会走出原来的主体，跨过边界，开始做大范围的共享和使用，体现更大的数据价值。”刘波如是说。

  国汽智控（北京）科技有限公司市场产品高级总监杨帆指出，近年来我国智能网联汽车行业蒸蒸日上，各大部委也在全力支持，法规持续完善，辅助驾驶功能的渗透率持续不断的增加，软件的重要性愈发凸显。然而，在发展过程中，无人驾驶产品也遇到了一定的挑战，如开发费用高、测试验证周期长、平台化系列化困难以及功能、性能同质化严重等问题。

  针对这些挑战，国汽智控率先提出了计算基础平台及开发系统的产品理念，英文简称CBDES。该计算技术平台及开发系统包含无人驾驶汽车操作系统ICVOS、域控制器硬件ICVHW以及图形化应用开发平台GAASD。这三部分共同构成了一个软硬一体的智能计算底座。

  其中，SV10W将作为底层硬件，搭载高算力车规级芯片，提供丰富的外设接口，并构建可量产、高安全、高可靠、可拓展的硬件平台。SVOS则可作为统一的基础软件平台，具备分层、双解耦的特性，提供高实时、高安全、高拓展的功能运行框架。图形化开发工具则提供丰富的功能模块和函数库，降低开发周期，提高开发效率。GAASD是面向未来无人驾驶的低代码、拖拽式的可视图形化应用开发工具，用户都能够直接调用内置的功能组件来完成应用的开发部署，并通过丰富的调测工具链进行二次开发和调试。展望未来，国汽智控希望其平台能进一步赋能主机厂，推动中国智能网联汽车发展。

  如祺出行科技有限公司资本运营执行总经理林满山则指出，Robotaxi的商业化当下正面临着一个“不可能三角”挑战，即在设计运行域（ODD）、安全性和经济性三个方面难以同时满足。简单来说，就是没办法实现Robotaxi既能覆盖任意A点到B点的城市任何地方，又比人类驾驶更安全，同时成本还比现有的有人网约车更低。

  为了应对这一挑战，林满山提出了通过混合运营来推动Robotaxi商业化的思路。具体来看，混合运营分为三个阶段：第一阶段，Robotaxi在郊区或偏远地区运营，安全性主要依赖安全员，因此成本高昂，运营范围和时间有限。第二阶段，随着无人驾驶技术的提升，Robotaxi的安全性也会提升，届时，Robotaxi的运营范围将扩大至城市大部分区域，并会在减少安全员的数量的同时，增强远程监控能力。而在第三阶段，Robotaxi将覆盖全城，并且不再配置安全员，全面依赖远程运营和AI监控。随着量产能力的提升，Robotaxi的成本将比常见网约车更低。

  合肥杰发科技有限公司是国内最早做汽车芯片的公司之一，主要产品线包括SOC和车规MCU。在此次论坛上，合肥杰发科技有限公司CTO李文雄表示，算力需求量开始上涨带来市场规模扩大的同时，也给芯片厂商带来了技术和资金的挑战。一方面，随着算力的提升，芯片功能架构变得复杂，对生产的基本工艺的要求也变得更高。另一方面，芯片的开发周期和开发成本也在与日俱增。为此，他提出，能够最终靠先进的封装技术，将不同工艺要求的芯片部分分开制作再组合，以此降低开发成本，节省开发周期。

  此外，在谈及舱驾一体化趋势时，李文雄指出，舱驾一体化并不一定是一个绝对的发展趋势。这是因为在L2、L3级别，主要还是人驾驶车辆，所以舱行泊合成一颗芯片是一个较好的解决方案。但是到了L4、L5级别，当人类被智能驾驶系统解放出来，对于座舱的需求将更偏向于娱乐性，这时使用AIPC的芯片或普通的计算机芯片就能够完全满足驾驶者需求。而对于驾驶方面的要求则会更高，需要更高的可靠性、稳定性和功能安全等级。

  检验验证、标准体系建设同样是提升汽车智能驾驶水平、建立更安全高效的交通系统过程中的关键一环。长春汽车检测中心有限责任公司总师吕刚则指出，当前对于智能网联汽车软件升级的管理，尽管已经制定了相关的强标，但我国的标准建设仍然不够完善。

  为此，吕刚建议未来应规范OTA（在线升级）的标准体系，这包括建立OTA的规范标准、技术标准和管理标准。例如，技术标准中除了安全测试外，还应增加场景测试、风险评估和仿真测试等内容。此外，监管检测技术也需要创新。现有的管理主要是针对新车出厂前的检测，但对于在用车的检测技术，如差分升级检测、融合安全检测和再用车差异检测等，还要进一步提升。

  具体到汽车智能驾驶领域，仿真验证正发挥着慢慢的变大的作用。安徽深信科创信息技术有限公司主要提供仿真及数据闭环的工具链给车企和无人驾驶科技公司。此次论坛上，安徽深信科创信息技术有限公司CTO潘余曦详细的介绍了深信科创当前仿真工具链的研发进展，包括基于CARLA仿真引擎的Oasis Sim仿真平台。

  面对大量的泛化验证需求，特别是针对长尾问题的解决，理想汽车智能驾驶技术规划高级总监文治宇则从验证方法上提出了两点建议。一是采用扩散模型的架构来处理无人驾驶中的数据问题。二是利用生成式方法来增强已有的数据。这种办法能够改变包括天气条件、光线环境、路况等在内的多种因素，从而生成更为丰富多样的数据集。最后，将上述两个方向结合起来，能形成一套完整的模型评价或验证体系。从而逐步解决无人驾驶中的长尾问题，提高其在实际应用中的可靠性和安全性。

  文治宇透露，理想汽车企业愿景是希望能在2030年成为全世界领先的AI企业，而智能驾驶是其中最重要的部分之一。未来理想汽车会计划以超过50亿flops训练算力，通过100亿公里的训练里程，以及超过350万台的车队规模，持续进行无人驾驶前瞻性的迭代。

  然而，端到端模型训练对数据的覆盖度要求极高，传统的模式下的道路采集、数据挖掘，显然并不能够满足端到端的要求，这在某些特定的程度上限制了端到端无人驾驶的发展。对此，百度智能云无人驾驶方案专家徐征指出，这样的一种情况下，就需要考虑到智能场景的数据生成。

  据徐征介绍，百度当前正在进行智能场景的数据生成探索，并取得了非常好的效果。在端到端仿真方面，百度不仅仿真规控环节，更注重场景的整体效果验证，从单车到整个宏观的交通流模型，都进行了全面的仿真和优化。例如通过消除动态元素、叠加虚拟元素等方式，可以生成千千万万的泛化真实场景，供模型进行训练。同时，百度还通过智能搜索和难例挖掘等技术，提高了数据搜索和挖掘的效率，为大模型或端到端提供了准确的海量数据。

  同时，徐征也强调了车路云协同的重要性。他表示，中国在车路协同方面有一定的优势，包括5G网络基础设施建设和政府的全力支持。百度一直在与监管部门和道路资产管理部门合作，希望将车端的数据能力与道路数据融合，形成上帝视角的路面情况，以提高车辆的安全性。他相信，车路协同在L4无人驾驶场景中会慢慢的重要，并希望与行业同仁一起努力，共同打造有中国特色的、基于车路云一体的世界领先的无人驾驶解决方案。

  声明：本文由入驻搜狐公众平台的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。