來源：睿見Economy

　　2025年7月15日-16日，“2025新能源智能汽車新質發展論壇”在吉林省長春市舉行，主題為“新質引領 智創未來”。清華大學車輛與運載學院院長、教授王建強出席并演講。

　　王建強談到，數據驅動是當前主流自動駕駛路線之一，具備自主學習能力、模塊集成性強，并具備一定的場景泛化能力。但同時也存在明顯短板：一是決策過程呈“黑箱”狀態，缺乏可解釋性；二是嚴重依賴訓練數據分布，泛化能力有限；三是神經網絡模型參數龐大，推理速度慢，難以滿足實時性要求。因此，他指出，在極端場景數據稀缺與模型黑盒屬性的雙重制約下，數據驅動路線在安全保障上仍面臨較大挑戰，尚難支撐L4+級別自動駕駛的落地。

　　王建強表示，面對長尾場景，單靠數據驅動遠遠不夠。事實上，人類在學車過程中并不依賴大量駕駛數據，而是基于日常生活中形成的知識、經驗與常識進行判斷和決策。因此，他提到，要破解“長尾問題”，需要像人類一樣學習，引入認知驅動的新路線，將知識與數據融合，構建更具推理能力和泛化能力的智能系統。

　　為突破規則系統“僵化”、數據系統“黑箱”的困境，王建強表提出了第三條技術路線：認知驅動。他解釋道，“它以人腦認知機制為啟發，融合規則驅動的可解釋性與數據驅動的學習能力，這種路線一方面讓規則驅動的系統具備進化能力，適應更多場景；另一方面推動模糊系統“去黑箱化”，變成確定系統，實現過程透明、結果可信?！?/p>

　　他強調，認知驅動的關鍵在于：通過對人、車、路系統的深層理解，構建對要素特性、相互作用與運行規律的準確建模與數字表達。它不僅繼承了規則驅動的可解釋性，也具備數據驅動的適應性，但更強調“理解機制”本身。認知驅動旨在推動智能駕駛系統真正具備泛化、演化和可靠決策能力。

　　王建強表示，當前自動駕駛系統的實際發展明顯滯后于預期，面臨的難題仍有很多。為實現高等級自動駕駛落地，需要構建“自主學習 + 先驗知識”的新范式。總體趨勢是回歸以人為中心的技術理念，聚焦“認知人、學習人、超越人”的系統能力構建，推動從功能智能走向認知智能的根本轉變。

　　面向未來，“三縱三橫”式技術架構為智能汽車演進提供系統化路徑。具體來說，他指出，縱向包括車輛關鍵技術（如環境感知、風險認知、決策控制）、信息先進技術（如人工智能、數據平臺、信息安全）和基礎支撐技術（如高精地圖、標準法規、測試驗證），構成核心功能支撐體系。橫向則依托車載終端平臺、交通設施平臺和信息安全平臺三大基礎，分別強化車端智能、車路協同與系統可信保障?！叭v三橫”式技術架構將共同支撐智能汽車的規?；?、規范化和可持續演進。

　　面對復雜、泛化與未知等高風險交通情境，王建強認為：“聰明車”必須是“安全車”，因此智能汽車安全需通過“類腦認知架構”實現向人類駕駛認知模式的躍遷。最終目標是：提升AV的自學習、自反思、自適應能力，構建一個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。