本報訊 （記者劉釗）7月15日，在吉林長春舉行的2025新能源智能汽車新質(zhì)發(fā)展論壇上，清華大學(xué)車輛與運(yùn)載學(xué)院院長王建強(qiáng)教授發(fā)表題為《智行天下，安駛未來——智能汽車安全技術(shù)發(fā)展現(xiàn)狀與趨勢》的主題演講，深入剖析智能汽車安全技術(shù)的現(xiàn)狀、挑戰(zhàn)及未來方向，提出以認(rèn)知驅(qū)動為核心的技術(shù)創(chuàng)新路線，為高等級自動駕駛落地提供新思路。

    清華大學(xué)車輛與運(yùn)載學(xué)院院長王建強(qiáng)（組委會供圖）

    智能汽車安全技術(shù)面臨挑戰(zhàn)

    現(xiàn)有路線存在局限

    王建強(qiáng)指出，我國道路交通場景復(fù)雜、事故頻發(fā)，提升交通安全已成為國家迫切需求，而智能汽車技術(shù)是解決這一問題的關(guān)鍵。低等級智能汽車已實(shí)現(xiàn)高市場滲透率和大規(guī)模應(yīng)用，但在邁向高等級自動駕駛過程中，復(fù)雜長尾場景下的事故時有發(fā)生，安全技術(shù)仍面臨諸多難題。

    他解釋，車輛故障、復(fù)雜環(huán)境擾動等不可控因素始終存在，需依靠“感知–認(rèn)知–決策”全鏈路技術(shù)體系保障安全。但當(dāng)前技術(shù)仍存局限：特斯拉事故暴露感知系統(tǒng)誤檢問題，Waymo事故反映對潛在風(fēng)險認(rèn)知不足，Uber事故則源于決策誤判，這些案例均顯示智能汽車在處理突發(fā)、復(fù)雜場景時的技術(shù)短板。

    同時，王建強(qiáng)分析了當(dāng)前主流技術(shù)路線的短板。規(guī)則驅(qū)動通過預(yù)設(shè)規(guī)則實(shí)現(xiàn)決策，結(jié)構(gòu)清晰、可解釋性強(qiáng)，但依賴固定規(guī)則，難以適應(yīng)開放場景，無法滿足L4級及以上自動駕駛需求。數(shù)據(jù)驅(qū)動具備自主學(xué)習(xí)和場景泛化能力，卻存在“黑箱”決策、依賴訓(xùn)練數(shù)據(jù)、推理速度慢等問題，在極端場景下安全保障能力不足。

    認(rèn)知驅(qū)動成破局關(guān)鍵

    技術(shù)演進(jìn)指向類人認(rèn)知

    “人類駕駛不依賴海量數(shù)據(jù)，而是基于知識、經(jīng)驗和常識判斷。”王建強(qiáng)受此啟發(fā)，提出認(rèn)知驅(qū)動作為第三條技術(shù)路線。該路線融合規(guī)則驅(qū)動的可解釋性與數(shù)據(jù)驅(qū)動的學(xué)習(xí)能力，既讓規(guī)則系

    統(tǒng)具備進(jìn)化能力以適應(yīng)復(fù)雜場景，又推動數(shù)據(jù)系統(tǒng)“去黑箱化”，實(shí)現(xiàn)過程透明與結(jié)果可信。

    認(rèn)知驅(qū)動的核心是對人、車、路系統(tǒng)的深層理解，構(gòu)建要素特性、相互作用及運(yùn)行規(guī)律的精準(zhǔn)建模。其技術(shù)架構(gòu)涵蓋感知、認(rèn)知、決策三層：感知層融合物理狀態(tài)估計與語義理解，提升環(huán)境重構(gòu)可靠性；認(rèn)知層通過“統(tǒng)一場”建模與深度學(xué)習(xí)，實(shí)現(xiàn)風(fēng)險趨勢判斷；決策層結(jié)合知識圖譜與大模型推理，應(yīng)對復(fù)雜未知場景。

    展望未來，王建強(qiáng)認(rèn)為自動駕駛正從規(guī)則驅(qū)動、數(shù)據(jù)驅(qū)動向認(rèn)知驅(qū)動演進(jìn)，核心是構(gòu)建“類人認(rèn)知、學(xué)習(xí)與進(jìn)化”能力。他提出“三縱三橫”技術(shù)架構(gòu)支撐智能汽車規(guī)?；l(fā)展，并強(qiáng)調(diào)智能汽車安全需通過“類腦認(rèn)知架構(gòu)”實(shí)現(xiàn)駕駛認(rèn)知模式躍遷，最終提升自動駕駛系統(tǒng)的自學(xué)習(xí)、自反思、自適應(yīng)能力，打造具備人類類腦推理特征、安全可驗證的高等級智能駕駛系統(tǒng)。

（編輯 郭之宸）