[首發(fā)于智駕最前沿微信公眾號(hào)]隨著智能化技術(shù)發(fā)展，人工智能在社會(huì)各領(lǐng)域的參與度越來越強(qiáng)，無論是醫(yī)療還是教育亦或是出行，人工智能似乎已深入大家“吃穿住行”的方方面面。為深入實(shí)施“人工智能+”行動(dòng)，推動(dòng)人工智能與經(jīng)濟(jì)社會(huì)各行業(yè)各領(lǐng)域廣泛深度融合，重塑人類生產(chǎn)生活范式，促進(jìn)生產(chǎn)力革命性躍遷和生產(chǎn)關(guān)系深層次變革，加快形成人機(jī)協(xié)同、跨界融合、共創(chuàng)分享的智能經(jīng)濟(jì)和智能社會(huì)新形態(tài)，2025年8月21日，國務(wù)院發(fā)布了《國務(wù)院關(guān)于深入實(shí)施“人工智能+”行動(dòng)的意見》（以下簡(jiǎn)稱：意見）。這份意見的發(fā)布，會(huì)給自動(dòng)駕駛行業(yè)帶來哪些新機(jī)遇？。

先來看看這份意見中，對(duì)于自動(dòng)駕駛行業(yè)最直觀的文字描述，在加快實(shí)施重點(diǎn)行動(dòng)第三點(diǎn)“人工智能+”消費(fèi)提質(zhì)中提到，推動(dòng)智能終端“萬物智聯(lián)”，培育智能產(chǎn)品生態(tài)，大力發(fā)展智能網(wǎng)聯(lián)汽車、人工智能手機(jī)和電腦、智能機(jī)器人、智能家居、智能穿戴等新一代智能終端，打造一體化全場(chǎng)景覆蓋的智能交互環(huán)境。加快人工智能與元宇宙、低空飛行、增材制造、腦機(jī)接口等技術(shù)融合和產(chǎn)品創(chuàng)新，探索智能產(chǎn)品新形態(tài)。雖然與自動(dòng)駕駛相關(guān)的僅提及了一次，但縱觀整個(gè)意見，里面有很多值得我們深究的內(nèi)容。

通讀整個(gè)意見，其核心就是要把算力、數(shù)據(jù)、模型和應(yīng)用場(chǎng)景串起來，讓AI更快、更廣、更深地落地。對(duì)自動(dòng)駕駛來說，這并不是一個(gè)口號(hào)，而是會(huì)在感知、定位、決策、仿真驗(yàn)證、車云協(xié)同、測(cè)試驗(yàn)證鏈路等一系列具體技術(shù)環(huán)節(jié)帶來實(shí)打?qū)嵉挠绊?。先說一個(gè)總體的、很直觀的變化，過去幾年自動(dòng)駕駛發(fā)展受限的常見瓶頸，是“沒有足夠高質(zhì)量的數(shù)據(jù)、算力不均衡、場(chǎng)景覆蓋不全、驗(yàn)證成本高、產(chǎn)業(yè)鏈斷點(diǎn)多”。這份意見在多個(gè)段落里提到要加強(qiáng)高質(zhì)量數(shù)據(jù)集建設(shè)、全國一體化算力網(wǎng)、應(yīng)用中試基地、標(biāo)準(zhǔn)研制和開放共享等內(nèi)容，這些落地舉措會(huì)直接作用到上面列出的每一個(gè)瓶頸。

對(duì)于自動(dòng)駕駛感知系統(tǒng)來說，首先影響的是數(shù)據(jù)和模型兩端同時(shí)催化。意見強(qiáng)調(diào)要“持續(xù)加強(qiáng)人工智能高質(zhì)量數(shù)據(jù)集建設(shè)”和“支持?jǐn)?shù)據(jù)標(biāo)注、數(shù)據(jù)合成等技術(shù)”，這意味著可能會(huì)有更多財(cái)政或政策支持用于建設(shè)面向交通場(chǎng)景的高質(zhì)量標(biāo)注數(shù)據(jù)集、長尾事件素材庫以及合成數(shù)據(jù)流水線。這對(duì)于車企及自動(dòng)駕駛方案解決商而言，這會(huì)帶來兩個(gè)積極變化，一是真實(shí)世界長尾場(chǎng)景（例如極端天氣、罕見障礙物、復(fù)雜城市工況）的樣本量會(huì)逐步增加，能讓感知模型在這些稀有場(chǎng)景上獲得更可靠的訓(xùn)練與評(píng)估；二是合成數(shù)據(jù)、仿真合成標(biāo)注會(huì)得到更多標(biāo)準(zhǔn)化支持與資金，降低采集成本并加速模型迭代。直觀體現(xiàn)就是，感知模塊可以更大膽采用多模態(tài)學(xué)習(xí)與自監(jiān)督預(yù)訓(xùn)練策略，將攝像頭、毫米波雷達(dá)、激光雷達(dá)與高精地圖信息聯(lián)合訓(xùn)練，從而提升小目標(biāo)檢測(cè)、夜間與雨雪條件下的魯棒性。

此外，意見的發(fā)布還會(huì)影響傳感器與硬件協(xié)同技術(shù)發(fā)展，意見提出要強(qiáng)化算力統(tǒng)籌、支持芯片攻堅(jiān)與智算集群建設(shè)，這對(duì)車端與車云的算力布局影響很大。自動(dòng)駕駛系統(tǒng)的設(shè)計(jì)始終在“車端實(shí)時(shí)性”與“云端大模型能力”之間尋找平衡。隨著國家層面推動(dòng)“全國一體化算力網(wǎng)”“東數(shù)西算”等基礎(chǔ)設(shè)施，車企和自動(dòng)駕駛方案解決商將會(huì)更容易把一些非實(shí)時(shí)但計(jì)算量大的任務(wù)（如大規(guī)模模型迭代訓(xùn)練、場(chǎng)景級(jí)聯(lián)想、離線仿真批處理）遷移到可訪問的公共智算資源上，這樣車端就可把更多資源專注在低延遲關(guān)鍵路徑（感知融合、控制閉環(huán)）上。換言之，邊緣實(shí)時(shí)控制保持輕量、高可驗(yàn)證的實(shí)現(xiàn)，而復(fù)雜的策略訓(xùn)練、長期行為建模、場(chǎng)景綜合推理能在云端做得更深入、更頻繁，從而推動(dòng)端云協(xié)同設(shè)計(jì)成為主流架構(gòu)之一。

決策與規(guī)劃層面也會(huì)因意見的發(fā)布迎來模型能力的提升。意見中提到“提升模型基礎(chǔ)能力”和“加快研究更加高效的模型訓(xùn)練和推理方法”，對(duì)于自動(dòng)駕駛而言，意味著可以推動(dòng)更復(fù)雜的大模型或?qū)I(yè)化模型被用來做行為預(yù)測(cè)、交互建模和長時(shí)序規(guī)劃。技術(shù)上可以直接體會(huì)到的就是用于軌跡預(yù)測(cè)的多代理大型時(shí)序模型會(huì)變得更好，能夠更準(zhǔn)確地建模行人、騎車人及其他車輛的意圖；用于交互的博弈或強(qiáng)化學(xué)習(xí)模塊有更多算力去做在線/離線訓(xùn)練，使車在復(fù)雜交互場(chǎng)景如無信號(hào)左轉(zhuǎn)、狹窄路段會(huì)車、臨時(shí)施工區(qū)域表現(xiàn)更穩(wěn)健。不過也要有一些考量，更強(qiáng)的模型帶來更高的驗(yàn)證成本，尤其是安全可解釋性和可追溯性需要同步跟進(jìn)，不能把未經(jīng)充分驗(yàn)證的端到端黑箱模型直接放到關(guān)鍵控制環(huán)節(jié)必須保持分級(jí)驗(yàn)證和冗余保證。

仿真和驗(yàn)證生態(tài)會(huì)在意見的推動(dòng)下加速完善。意見提出要“布局建設(shè)一批國家人工智能應(yīng)用中試基地”和“推動(dòng)軟件信息服務(wù)企業(yè)智能化轉(zhuǎn)型”，這為自動(dòng)駕駛行業(yè)的仿真驗(yàn)證、場(chǎng)景庫標(biāo)準(zhǔn)化、以及中試驗(yàn)證平臺(tái)建設(shè)提供了制度級(jí)支持。對(duì)于自動(dòng)駕駛工程師來說，這意味著更容易獲得大規(guī)模、高保真仿真資源、統(tǒng)一的場(chǎng)景描述標(biāo)準(zhǔn)，以及開放或共享的測(cè)試用例庫。這無疑會(huì)促使自動(dòng)駕駛行業(yè)從以里程為中心的道路測(cè)試，轉(zhuǎn)向“場(chǎng)景驅(qū)動(dòng)+仿真加速”的組合驗(yàn)證方法，從而更經(jīng)濟(jì)地覆蓋長尾場(chǎng)景、實(shí)現(xiàn)更快的迭代。但在仿真技術(shù)發(fā)展的同時(shí)，我們也要明白仿真環(huán)境與真實(shí)車輛之間的環(huán)境差距仍然是關(guān)鍵技術(shù)挑戰(zhàn)，需要在渲染物理正確性、傳感器噪聲建模、行為模型一致性方面下更多功夫。

在軟件工程與工具鏈方面，意見強(qiáng)調(diào)要“推動(dòng)人工智能驅(qū)動(dòng)的技術(shù)研發(fā)、工程實(shí)現(xiàn)、產(chǎn)品落地一體化協(xié)同發(fā)展”，這對(duì)自動(dòng)駕駛軟件開發(fā)流程有直接影響。我們可以預(yù)期會(huì)有更多智能化研發(fā)工具被引入到如自動(dòng)化測(cè)試用例生成、基于模型的需求追蹤、自動(dòng)化性能回歸檢測(cè)、智能日志分析與故障定位工具等領(lǐng)域。結(jié)合大語言模型（LLM）用于代碼審查、測(cè)試用例生成、日志摘要與異常模式識(shí)別，將大大提高工程效率，但要注意的是這類工具在安全關(guān)鍵系統(tǒng)中必須通過嚴(yán)格的安全評(píng)估，避免自動(dòng)化工具帶來的失誤被放大。

數(shù)據(jù)治理、隱私與合規(guī)性也會(huì)影響自動(dòng)駕駛的數(shù)據(jù)采集和共享方式。意見提到要“完善適配人工智能發(fā)展的數(shù)據(jù)產(chǎn)權(quán)和版權(quán)制度”，這意味著在車輛數(shù)據(jù)上，行業(yè)會(huì)見到更多關(guān)于數(shù)據(jù)共享、合成數(shù)據(jù)發(fā)布、隱私保護(hù)標(biāo)注的規(guī)范化辦法。對(duì)車企和地圖服務(wù)商來說，合規(guī)的數(shù)據(jù)共享機(jī)制（比如聯(lián)邦學(xué)習(xí)、差分隱私、合成數(shù)據(jù)替代方案）會(huì)被更多采用，從而在不泄露個(gè)人隱私的前提下實(shí)現(xiàn)跨企業(yè)模型協(xié)同訓(xùn)練和場(chǎng)景共享。這一要求也促使技術(shù)團(tuán)隊(duì)要將更多精力投入到隱私保護(hù)算法、加密推理和合規(guī)化的數(shù)據(jù)流水線建設(shè)上。

關(guān)于安全性與可信賴性，意見里多次提到“提升安全能力水平”和“建立技術(shù)監(jiān)測(cè)、風(fēng)險(xiǎn)預(yù)警、應(yīng)急響應(yīng)體系”。對(duì)自動(dòng)駕駛的技術(shù)團(tuán)隊(duì)來說，這并不是一句口號(hào)，而是要在產(chǎn)品設(shè)計(jì)中嵌入可監(jiān)測(cè)、可控、可回滾的能力。具體到技術(shù)上，可分三部分討論，首先，車輛必須具備更完善的在線健康監(jiān)測(cè)（系統(tǒng)自檢、模型漂移檢測(cè)、傳感器退化檢測(cè)），并能在發(fā)現(xiàn)異常時(shí)自動(dòng)切換到安全模式或降級(jí)策略；其次，模型的可解釋性、失敗邊界的標(biāo)注、以及安全用例的形式化（比如用覆蓋準(zhǔn)則來定義何時(shí)可安全放行）將成為產(chǎn)品驗(yàn)證的重要組成部分；第三，事故記錄與模型版本管理將被規(guī)范化，用于事后分析和數(shù)據(jù)驅(qū)動(dòng)的改進(jìn)。這就要求車企及自動(dòng)駕駛方案解決商加強(qiáng)對(duì)在線異常檢測(cè)算法、模型不確定性評(píng)估（例如貝葉斯近似、置信度校準(zhǔn)）、以及故障切換策略的研發(fā)。

產(chǎn)業(yè)鏈協(xié)同和開源生態(tài)的促進(jìn)對(duì)技術(shù)創(chuàng)新也很重要。意見鼓勵(lì)“人工智能開源社區(qū)建設(shè)”和“推動(dòng)模型、工具、數(shù)據(jù)集等匯聚開放”，在自動(dòng)駕駛領(lǐng)域這會(huì)推動(dòng)更多高質(zhì)量的開源感知模型、仿真場(chǎng)景、評(píng)測(cè)工具鏈的產(chǎn)生。對(duì)研發(fā)者而言，開源生態(tài)能顯著降低重復(fù)造輪子的成本，讓更多團(tuán)隊(duì)把精力放在系統(tǒng)集成、工程化實(shí)現(xiàn)與場(chǎng)景定制上。這同時(shí)也會(huì)帶來對(duì)軟件供應(yīng)鏈安全的考驗(yàn)，開源組件的依賴管理、可信度審計(jì)、以及閉環(huán)的補(bǔ)丁管理都要做好，否則簡(jiǎn)單的第三方漏洞可能引發(fā)系統(tǒng)性風(fēng)險(xiǎn)。

意見對(duì)“人才隊(duì)伍建設(shè)”與“普及人工智能教育”的重視更將緩解自動(dòng)駕駛行業(yè)長期面臨的工程人才缺口。這將意味著更多復(fù)合型工程師會(huì)進(jìn)入自動(dòng)駕駛行業(yè)，他們要求既懂機(jī)器學(xué)習(xí)也懂控制、系統(tǒng)工程和車用軟件架構(gòu)。對(duì)項(xiàng)目交付而言，團(tuán)隊(duì)能力的提升會(huì)使得端到端系統(tǒng)工程能力增強(qiáng)，像是成熟的模型部署到車端、實(shí)時(shí)推理優(yōu)化、車端異構(gòu)算力調(diào)度和低功耗推理將成為常規(guī)工程工作。

在車路協(xié)同與基礎(chǔ)設(shè)施方面，意見提到要推進(jìn)市政基礎(chǔ)設(shè)施智能化改造和面向智能終端的城市建設(shè)。對(duì)自動(dòng)駕駛車輛來說，逐步增多的智能基礎(chǔ)設(shè)施（如邊緣算力節(jié)點(diǎn)、V2X短距通信、路側(cè)感知攝像頭/雷達(dá)）將給自動(dòng)駕駛汽車提供額外傳感輸入與計(jì)算支持，特別是在復(fù)雜交叉口、隧道或視覺受限場(chǎng)景里，車路協(xié)同可以實(shí)質(zhì)性提高感知完整性與決策安全性。這就要求自動(dòng)駕駛系統(tǒng)不僅要能夠理解車端傳感器數(shù)據(jù)，還要實(shí)現(xiàn)對(duì)多源異構(gòu)信息（邊緣端的檢測(cè)結(jié)果、路網(wǎng)級(jí)語義信息、交通流預(yù)測(cè)）的實(shí)時(shí)融合，形成魯棒的決策依據(jù)。

雖然這份意見在底層支撐（數(shù)據(jù)、算力、標(biāo)準(zhǔn)、人才）上做了很多要求，但從技術(shù)實(shí)施角度看，自動(dòng)駕駛?cè)匀幻媾R現(xiàn)實(shí)難題，比如極端天氣下傳感器物理極限、長尾罕見場(chǎng)景的真實(shí)標(biāo)注成本、系統(tǒng)級(jí)冗余的經(jīng)濟(jì)代價(jià)、以及車規(guī)級(jí)軟件生命周期管理等。這些問題將一直存在，但有了更完善的國家級(jí)資源與標(biāo)準(zhǔn)支撐，自動(dòng)駕駛行業(yè)可以更系統(tǒng)地投入解決方案的研發(fā)，降低“誰來做、怎么做、怎么驗(yàn)證”的協(xié)作成本，使技術(shù)進(jìn)步更可復(fù)制、更可審查。

這份意見無疑是把自動(dòng)駕駛所需要的算力、數(shù)據(jù)、標(biāo)準(zhǔn)、人才、開源生態(tài)和中試驗(yàn)證平臺(tái)等若干基礎(chǔ)要素放到了一個(gè)更清晰的國家統(tǒng)籌框架下。這帶來的直接效果是降低了大規(guī)模訓(xùn)練與驗(yàn)證的門檻、加速了場(chǎng)景庫和仿真資源的形成、促進(jìn)了車云協(xié)同與更復(fù)雜模型在非關(guān)鍵路徑的應(yīng)用、并推動(dòng)行業(yè)在安全性、數(shù)據(jù)治理與測(cè)試標(biāo)準(zhǔn)上更快成熟。這就要求車企及自動(dòng)駕駛方案解決商不僅要做出更強(qiáng)的算法，還要把工程化、驗(yàn)證、隱私保護(hù)和供應(yīng)鏈安全當(dāng)作等同重要的技術(shù)工作來做。這種“算法+工程”的雙軌進(jìn)步，最終才是把研究成果安全、穩(wěn)妥地帶上道路、變成用戶能信賴的產(chǎn)品的關(guān)鍵。政策搭建的只是更有利的“水渠”（算力、數(shù)據(jù)、標(biāo)準(zhǔn)和中試平臺(tái)），讓自動(dòng)駕駛的“種子”更容易發(fā)芽，但種子想長成參天大樹仍需要行業(yè)在工程、測(cè)試和長期運(yùn)營方面踏實(shí)耕耘。

審核編輯 黃宇