版權聲明：本文版權為網易汽車所有，轉載請注明出處。 

網易汽車5月9日報道

在當今汽車產業的變革浪潮中，智能駕駛無疑是一股最為洶涌澎湃的革新力量。

伴隨著智駕技術突飛猛進與“智駕平權”時代的快速到來，問題也逐漸凸顯。比如，技術突破與商業化落地的矛盾、安全隱憂與行業標準的缺失，全球化發展遭遇法規與本地化壁壘等等，行業轉型期的波動也讓身處變局中的各方壓力倍增。

在數據、算力與產業鏈協同成為競爭核心的當下，智駕行業從“技術狂歡”向“安全務實”全面轉型，車企如何在監管框架下平衡創新與風險，學術界如何與工業界生態共建，形成優勢互補，如何實現安全標準統一，以及更好的高安全價值數據共享和應急方案的機理研究與產業化，都成為當下必須要解決的重要課題。

對此，香港城市大學計算學院院長及講座教授，鴻海-香港城市大學聯合研發中心的主任汪建平教授，作為一位深耕智能駕駛領域多年，研究內容涵蓋自動駕駛系統 （感知，軌跡預測，運動規劃）、安全、測試等方面的資深專家，正以獨特的視角和務實的研究，試圖為這些難題提供答案。

在汪建平看來，車企更關注如何讓車跑起來，但自動駕駛的挑戰遠不止于此。

她坦言，大學幾千萬的研發經費，與車企動輒幾十億、上百億的投資來比，比誰智駕技術“燒”的好，那必然是不可能贏的。因此，她的技術研發，并非要與車企正面競爭，而是瞄準了行業尚未充分關注的技術盲區，去做很多企業沒有做的事情，比如：對安全的關注，找到自動駕駛軟件里可能存在的安全隱患。

在自動駕駛系統中，精確和實時預測尤其重要，為解決當前的行車預測技術難題，汪建平帶領團隊推出自動駕駛軌跡預測深度學習模型QCNet，可在駕駛環境中提取唯一且固定的位置訊息，并且可不受駕駛者在查看駕駛場景時的時空座標所影響，能夠捕捉道路使用者的動向，準確預測附近車輛的多種可能動向，同時，通過存取和重用之前所計算的座標編碼，理論上實現實時預測。

“我們的車除了底盤以外，全部都是自主研發的，包括自動駕駛所有的算法和硬件配置”，汪教授團隊自研的車型不斷進行測試，驗證著團隊的核心技術：軌跡預測與AI模型的安全防御。

她還首次在實車上驗證了針對自動駕駛AI模型的物理攻擊手段，通過放置特定紙板測試車輛是否會誤判靜止障礙物的動態意圖，從而觸發急剎車，以及通過干擾傳感器，從而影響在線地圖的構建，來驗證對自動駕駛決策可產生影響的各種攻擊方式，從而去不斷地排除自動駕駛安全隱患。

“這類攻擊可能引發連環事故，但還未得到傳統車企足夠關注”，這也成為全球首個在實車環境中驗證此類攻擊的案例。

在智能駕駛領域，市占率常被提及，但汪建平認為，這并非衡量智駕供應商好壞的唯一標準，她認為，市占率受車型銷量影響，真正衡量智駕能力的關鍵在于安全性、技術原創性、L4級技術儲備以及數據的有效利用。

對于行業熱議的“數據量決定論”，汪建平更是直言不諱，她認為只有有價值的數據才有意義，否則，即使跑上百萬公里積累的數據，若缺乏極端場景，比如暴雨等惡劣天氣的積累，這對提升智駕安全性意義有限。

在汪建平看來，安全性與失效冗余是衡量智駕能力好壞的一種指標，功能安全認證（ISO 26262 ASIL-D）和預期功能安全（SOTIF）達標率是硬指標，同時，專利和論文也是體現技術先進程度的一種體現。

例如，華為通過5G-V2X融合感知專利布局形成技術閉環；Waymo在CVPR等頂會發表的自動駕駛論文數，遠超業內平均水平，以2022年為例，Waymo共計發表論文32篇，并且基于論文產出的技術方案又體現在多項工程指標中：比如車規級軟件在環，安全性，體感舒適性，算法泛化能力，實車測試mpi和適用區域等指標中，均取得了不錯的進步。

整體而言，車企全棧自研門檻極高，合作才是未來主流，因此，汪建平認為，在行業已進入“下半場”的當下，仿真技術將成為突破長尾難題的關鍵，通過高精度仿真，基于大語言模型，可以以更低成本生成海量極端場景數據，這是現實路測無法比擬的。

“真正的競爭力在于如何將個體數據優勢轉化為行業共享資源，集中攻克長尾難題。”

在技術架構上，從BEV 到 Transformer，再到結合大模型的方案，行業仍在探索最優解。目前，端到端方案在 VLM 和 VLA 范式中發展，但學界和工業界尚未達成共識，長尾問題和 corner case 的解決仍是重點研究方向。

最終，智能駕駛需要面向功能和安全交付，數據的有效性、監管的統一性和兜底方案的可執行性是未來的關鍵。學術界、工業界和政府需合作探索，制定相關標準，以實現技術、產品、安全和法規的相互制衡。

自動駕駛技術，不僅對汽車產業具有深遠影響，也對城市交通管理、政策制定等政府決策層面有著重要意義。汪建平教授的研究，在這一過程中，恰恰起到了連接政府與產業的作用，成為推動自動駕駛技術健康、可持續發展的重要環節。

在香港，汪建平主導了首個“混合現實自動駕駛測試”項目，通過虛擬仿真疊加真實路況，使用真車、真路，但場景數據由其團隊仿真，為香港政府構建本地化的測試場景數據庫。

“政府需要工具來制定規則，比如數據收集標準、能改善交通流效率的滲透率閾值，我們的研究為其提供了科學依據。”

汪建平指出，自動駕駛的數據收集不能與傳統車輛相同，需要明確收集數據的目的，并根據科學依據確定需要收集的最小數據集， 以及數據收集的頻率和質量要求。

“若缺乏這些基礎，技術再先進也難以落地”，她認為，當下商業化的自動駕駛技術再好，在沒有監管工具的情況下，政府不給牌照，都很難上路，所以，學術界在推動行業標準與政策工具完善中扮演著不可替代的角色，可通過監管工具的研發，為推動智駕技術落地，提供必要的科學支撐。

在其自動駕駛領域的研究中，香港政府從各個層面都給與了極大的資源支持，比如，如何讓自動駕駛系統理解交警手勢、如何制定事故責任判定規則等等，均得到香港交警的支持，參與測試并提供具體的場景和手勢等，這些資源和支持為自動駕駛技術的研究提供了有力的保障。

而這些學術研究的價值，最終也將反哺到智駕產業鏈之上，包括制定行業標準、為政府提供工具、解決安全漏洞等多個維度，同時，也可通過技術突破、理論創新等方式為產業提供支撐，大大降低企業試錯成本，而這就是學術界對“落地”和“價值”，與商業化企業不同之處。

在她看來，學術的使命是“源于現實，高于現實”，從痛點出發，通過理論突破反哺行業，價值不僅是直接創造產品，而是為整個生態奠基，她以團隊發現的安全漏洞為例，一些團隊發現的漏洞被Carla（英特爾、豐田和西班牙巴塞羅納計算機視覺中心聯合推出的開源自動駕駛仿真平臺）認可且在新的版本里已部分修復所發現的安全漏洞，這些研究雖無法量化經濟收益，但卻避免了潛在災難。

“就像我們為政府提供的工具，或許不會直接裝車，但能讓自動駕駛走得更穩、更遠。”

汪建平始終認為，在自動駕駛的浪潮中，唯有站在技術與人性的交匯點，唯有學術界與產業界攜手，在安全與創新之間找到平衡，才能真正駛向“無人駕駛”的未來。

據悉，汪建平教授所領導的團隊在自動駕駛領域取得突破性成果，研發的先進解決方案屢獲國際殊榮：先后斬獲CVPR 2024 Argoverse 2多智能體運動預測挑戰賽冠軍、2024 Waymo開放數據集模擬智能體挑戰賽冠軍、第17屆F1 Tenth自動駕駛大獎賽冠軍、2023年元宇宙自動駕駛挑戰賽冠軍及2023 Argoverse 2多智能體運動預測挑戰賽冠軍。

相信在不遠的將來，汪教授所帶領的研發團隊，在智能化浪潮中，必將乘風破浪，用更多的科研成果，讓智駕未來更早地照進現實。