上证报中国证券网讯（记者宋薇萍）4月24日，中国汽车工程学会秘书长助理、国汽战略院副院长郑亚莉在第二十一届上海国际汽车展览会期间举行的第八届国际汽车关键技术论坛上发表主旨演讲。她指出，数据驱动的人工智能大模型已成为解决自动驾驶领域长尾问题的关键，为高级别自动驾驶带来了新机遇：包括更智能的决策力，需兼具快速决断和谨慎预测能力；更类人的学习力，能够自监督持续进化迭代。计算芯片、智能底盘和测试验证也被视为高级别自动驾驶的核心技术。

上证报记者宋薇萍摄

　　在算法模型层面，针对市场对更智能决策和快速决断的需求，郑亚莉建议，对于已开始量产应用的模块化大模型，需加强分层解耦的环境感知和跨域共用的决策控制，重点提升多模态感知信息融合技术和复杂场景关键特征提取能力。同时，鼓励市场探索端到端建模与世界模型深度融合的下一代智能驾驶模型，特别是视觉语言模型（VLM）和视觉语言动作模型（VLA）的融合，以提升安全性和智能决策能力。

　　在数据训练方面，郑亚莉认为，高质量、真实场景的数据将愈发稀缺，基于生成式世界模型的数据高效合成方法将成为解决数据问题的关键。模型训练方面，呈现出“自监督筑基+强化学习调优”的趋势，通过掩码重建、对比学习等方式挖掘数据内在规律，并结合人类驾驶经验进行策略微调。数据高效与训练高效的结合，将推动模型开发从“规则+数据”驱动向“知识”驱动转变，解决长尾难题，让AI从“见过大量案例”进化到“理解驾驶本质”，实现可解释性和可进化性。

　　在计算芯片方面，郑亚莉强调，为支持大模型在端侧部署，满足高级别自动驾驶所需的感知、通信、计算和存储功能，汽车芯片，特别是SOC芯片，将更加注重高算力、可配置性、强集成度和易扩展性。RISC-V架构、存算一体和多维封装技术将是提升芯片性能的关键。

　　郑亚莉还提到，随着电驱动系统的技术革新，底盘作为汽车安全可靠行驶的关键部分，正经历从传统底盘、电动底盘向智能底盘的技术转型，成为未来电动化与智能化升级的融合平台。结构集成化、部件线控化、控制智能化将是智能底盘的主要发展方向。

　　针对日益增长的测试需求，郑亚莉指出，未来，仿真测试和场地测试将成为更主要的验证手段。仿真测试需全面遍历各类已知交通场景，进行高效算法验证，并识别边界场景；场地测试则在受控条件下对关键场景进行精细校验，特别是边界场景下的系统操作；道路测试则可在当前仿真测试不健全的情况下，在真实交通流中验证系统边界和交互安全，并持续采集新场景。

（文章来源：上海证券报·中国证券网）