11月12日，由中国汽车工程学会主办，西部科学城智能网联汽车创新中心作为协办方之一的第三十一届中国汽车工程学会年会暨展览会成功开幕。
在开幕式暨全体大会上，中国工程院院士，清华大学车辆与运载学院教授，国家智能网联汽车创新中心首席科学家李克强作了《智能网联汽车技术与产业发展态势及展望》的主旨报告。
李克强院士总结了智能网联汽车发展的六大趋势，面临的四大挑战，并结合产业最新发展动态和团队最新研究成果，给出了智能网联汽车高质量发展的四大建议。
智能网联汽车发展六大趋势
智能汽车作为新一轮科技革命与产业变革的战略高地，已成为全球工业强国竞相追逐的焦点。中国亦对此给予了高度重视，将其视为制造强国、交通强国等产业发展战略的关键一环。
2023年全球新能源汽车销量达到1465万辆，渗透率达到22%。全球主流主机厂已经规模化量产搭载L2级智能驾驶系统，L3级进入准商用阶段，L4级开始规模示范。
在全球新能源汽车、智能网联汽车持续高速发展中，呈现出六大发展趋势。
趋势一：智能化网联化融合发展，形成全球共识。
鉴于网联赋能对提高出行安全、提升交通效率、推动产业转型等方面的作用，主要国家通过发布政策规划、路线图等方式，将智能化网联化融合发展纳入顶层设计，融合发展已经成为全球共识。
近期美国交通部正式发布《通过连接挽救生命：加速V2X部署计划》，加快车端和路侧V2X部署。欧洲在推动汽车、交通融合，以及日本强化V2X技术布局，都是上述趋势的表现。
趋势二：以系统工程思路统筹推动，促进跨行业合力发展。
各国积极推动复杂系统架构整体设计，凝聚跨行业发展共识，形成推进合力。
美国交通部制定与发布车联网参考应用架构（ARC-IT），现推荐为全美国车路协同系统的通用参考架构；欧盟依托重大专项架构研究，加速欧洲智能交通技术创新和部署；日本则以系统工程思路推动智能社会建设。
趋势三：车云协同中央计算式新型架构开启产业实践。
汽车未来的发展，其电子电器架构，沿着传统的分布式控制器到域控制器，到交叉域控制，再到未来车云协同的中央计算系统演进。
目前，中央计算式车辆电子电气架构已进入产业实践阶段，企业相继发布中央计算平台。车用操作系统形成多核分布式、异构融合架构，支持软硬件分层解耦、多域融合与协同机制。大算力芯片实现应用，单车算力迈向千级TOPS，支撑整车中央计算发展。
趋势四：车云数据闭环变革主流研发范式推动新质生产力。
车云协同的数据闭环倍增自动驾驶研发效率。“单车智能”已演化成“单车企智能”，主要自动驾驶系统和服务提供商都开始采用“车云”或者“车路云”架构，这是世界范围内对自动驾驶系统设计的新共识。
“影子模式”+“基于大模型的端到端”系统，在车端发现长尾场景并回传到云端进行数据聚合、真值标注、模型训练，最后通过OTA下发来持续优化自动驾驶功能，算法迭代已进入“车云协同的自动迭代”模式。
趋势五：智能网联汽车法规/标准研究加速，重点领域实现新突破。
全球法规标准在辅助驾驶、典型功能自动驾驶、网联赋能、安全保障、人工智能等领域取得显著进展，不断满足智能网联汽车技术、产业发展和政府管理对标准化的需求。其中，在车联网领域，我国引领趋势显现。
趋势六：基于大模型的汽车人工智能技术实现突破。
新一代人工智能发展进入大模型技术推动的时代。在自动驾驶领域，依托模仿学习和强化学习的驾驶大模型训练方法，拓宽了车辆ODD范围，促进了智能网联汽车快速落地。
当下，主流车企已经实现大模型技术在感知、规划和控制领域的应用，部分车企已具备全栈端到端智能驾驶能力。此外，大模型在智能座舱的应用，推动实现更自然、更智能的多模态交互，和更主动、更便捷的场景化服务。
智能网联汽车发展四大挑战
全球汽车产业正加速汽车人工智能发展，国外智能网联汽车头部企业加速AI算法探索与应用、积极推进算力基础设施建设。
人工智能赋能智能网联汽车正从部分功能区域应用，向全生命周期赋能进化，国外车企都在积极探索AI技术创新应用方案。
在智能驾驶由软件驱动2.0时代进入数据驱动的3.0时代，数据、算法（大模型）、算力是智能驾驶3.0时代的核心支柱，数据闭环能力将成为关键。
具体而言，在从车端数据采集，数据上传、存储、清洗、辅助，到模型训练验证，再通过OTA部署，回传车端的数据闭环中，数据量和数据质量决定模型泛化能力，模型规模决定算法能力，大算力则为模型训练提供基础支撑。
同时，在智能网联技术取得重大突破的同时，应客观看到，技术在产业化过程中存在的问题。智能网联技术离形成良性的商业闭环还存在差距，主要面临以下四大挑战。
挑战问题1：产业发展技术路线与产品架构尚未形成充分共识。
不同行业对智能网联汽车的跨界融合特征认识不足，在系统定义、功能架构、关键技术等实施方面存在局限，导致产品技术方案落后、基础设施建设重复、系统数据封闭等一系列问题。
挑战问题2：部分关键技术有待突破。
感知、决策、控制、网联等共性关键技术仍需完善，数据驱动的AI算法面临数据瓶颈，面对ICV跨界融合特点，新的开发方法、流程、工具等尚未形成，无法支持智能网联汽车完整高效开发、测试和应用。
挑战问题3：跨行业协同机制仍有待加强。
智能化网联化融合仍存在众多挑战，且单一企业难以解决，需加快跨产业联合，跨行业协同合作，组织共性基础技术联合突破，探索数据合规共享共用，形成商业闭环。
工信部已经牵头组建国家制造强国建设领导小组车联网产业发展专委会及ICV-2035推进小组，形成跨部门协同机制，但在协调解决发展重大问题、统筹推进产业发展方面仍面临跨部门协同不足的问题。
挑战问题4：法规与标准仍然滞后于产业发展。
比如，我国现行道交法未充分考虑自动驾驶车辆的特殊性，亟需修订以适应智能网联汽车的发展需求；地理测绘、网络安全、数据安全等领域法规需更具体明确，为自动驾驶提供清晰的法律指导。
此外，还需建立健全个人隐私保护机制，平衡数据利用与个人信息安全，增强公众对智能网联汽车的信任。并借鉴德美日等国经验，加快法规与国际标准对接，提升我国智能网联汽车产业的全球竞争力。
中国智能网联汽车产业研发进展
车路云一体化系统
智能汽车发展进入关键阶段，需引导智能网联汽车生产企业和使用主体加强能力建设，满足准入的基本要求，使得车企满足高级别智能网联汽车上路行驶条件。
同时，需形成统一的智能化路侧基础设施和云控基础平台技术体系，健全道路交通安全保障能力，使得城市具备支撑智能网联汽车上路行驶的智慧道路条件。
在此背景下，多部委发布并稳步推进“双试点”工作，即智能网联汽车准入和上路通行试点、车路云一体化应用试点。
我国智能网联汽车的发展形成创新的“双轮驱动”战略发展形态，推动我国自动驾驶汽车向更高级别发展，也标志着支持自动驾驶汽车上路行驶的网联基础设施环境建设迈上统一化、标准化的新台阶，实现“聪明的车”“智慧的路”“强大的云”融合协同发展。
而20个城市应用试点建设目标，希望未来智能网联汽车行驶在同一数字轨道上，各城市需要统一架构、统一标准，国家智能网联汽车创新中心联合全行业编制并发布了《车路云一体化系统建设与应用指南》，推进交通基础设施及交通数据面向网联车辆、交通交管、产业发展的规模化落地。
指南作为参考，最终目的实现需要协同建设。由此，基于指南内容，为确保各试点城市车路云一体化系统建设后跨城的互联互通，制定1套系统总图及4套平台图的车路云一体化建设施工参考图，为各地基础设施建设和各车企车端系统研发，提供实施方案和技术依据。
以这样的系统作为建设标准，其实是一套复杂的信息物理系统架构。
现已构建起一套具有领域特色的理论方法体系，具备可扩展的架构框架和针对性的架构建模方法。从理论体系入手进行经济研究，以系统需求为牵引，从架构设计、系统建模、系统设计三方面进行方法创新和技术突破，以支撑典型ICVCPS系统的验证、评估、实现、确认。
目前，整体工作已进入设计标准和实验评价阶段。在此基础上，还需要建立一个完整的生态系统。国汽智联通过联合多家单位共同定义车路云一体化复杂系统架构，推动开展智能网联汽车CPS工程技术落地。
计算基础平台与云控基础平台
未来，智能网联汽车由两大基础能力组成，第一就是计算基础平台。
计算基础平台及开发系统具备双解耦、高效率、高质量、生成式等特征，由系统软件、功能软件以及各类硬件等组成，最终将形成“平台化+标准+生态”计算基础平台及开发系统产品战略。
目前参考架构已发展到2.0版本，主要面向未来中央集中及车路云一体化趋势，发挥AI大模型的提升作用，研究和把握多模态整合、多模型合并、端到端、轻量化演进等创新态势。
基于此架构，进行产品推进，包括应用开发、代码扫描、联合仿真、实车闭环等，形成了产品的量产化方案，乘用车OEM量产方案、商用车OEM量产方案、乘用车OEM车路云一体化方案等，并基于量产方案做量产化应用。
另一大基础能力为云控基础平台，通过“三层四级”云控系统架构，有效支撑智能网联汽车和智慧交通协同发展。
在云控基础平台上，形成了包括城市网联巡航、高速公路协同决策引导、高速公路云控节能巡航等应用场景，并通过北京市网联云控式高级别自动驾驶示范区、西部（重庆）科学城智能网联汽车示范区、上海自贸区临港新片区、天津市宝坻车路云一体化智慧公交项目的示范应用，强化能力。
而所有的能力，最终要应用于车企。乘用车应用方面，在云控智能座舱、云控自驾车、云控领航C-NOA、车路云一体化智能网联公交等应用上得到拓展。
以云控智能网联公交应用为例，天津宝坻建设11.3km的智慧公交示范线路构建完整的“车、路、云、网、图”智能网联体系，通过云控鸟瞰应用赋能L2公交车辆，实现13个预警提示功能入车，实现3大类决策建议提醒功能入车；实现公交线路信控优化功能，公交车可不停灯完成11.3km线路运营，全线路运营时长从30分钟减少至18分钟。
自动驾驶领域的AI技术
自动驾驶汽车技术正从规则型变为学习型演进，智能汽车性能演进展现出两个闭环。
经边缘场景状态反馈进入云端，经过一系列训练以后，通过OTA下放到车端做推理，完成双闭环来实现基于人工智能的产业应用，并且在分层解耦的BEV+Transformer训练方法、交通参与者行为的长时域预测、高准确最优策略的强化学习求解三大关键技术上实现突破。
以BEV+Transformer训练方法为例，首创的分层解耦的BEV感知学习框架，共性功能模块分解方法可解释性强，支持自由灵活定义智能驾驶感知系统；并采用组合迭代式方法构建感知模型库，模型泛化能力强。
同时，基于端到端自动驾驶中的环境感知模型、行为预测模型、决策控制模型，进行了分模块预训练及模块集成微调。
值得一提的是，在清华大学车辆学院李克强院士和李升波教授领导下，研究团队成功完成了国内首套全栈式端到端自动驾驶系统的开放道路测试，实现国内首套端到端自动驾驶系统的开发与应用。
依托车路云一体化的智能网联驾驶架构，团队研发的端到端自动驾驶系统覆盖了“感知-预测-决策-规划-控制”等全链路环节。自今年1月起，率先在城市工况中启动了开放道路验证，并在近4个月的内部测试中，完成了对系统各项性能的综合评估，为L3级及以上高级别自动驾驶系统的落地应用奠定了坚实基础。
高质量发展的四条建议
针对智能网联汽车的高质量发展，李克强院士提出四条建议。
建议1：加强顶层设计，健全法规标准体系，打造良好创新生态。
借鉴新能源汽车发展宝贵经验，全面强化智能网联汽车顶层谋划。
新能源汽车抢抓纯电驱动机遇，以坚定的战略定力和完善的政策保障，支持打造领先创新体系，实现全球引领。
智能网联汽车则应坚持车路云一体化路径，进一步强化顶层设计与跨部门协同，建立汽车产业转型全面领先优势。
发挥试点示范作用，持续完善政策法规标准体系，营造良好的发展环境。
对标国际重大专项推进经验，打造跨领域协同创新体系。
对标欧盟HorizonEurope、日本SIP等重大专项模式，围绕车路云一体化架构，系统部署重大课题项目，形成面向未来15~20年的技术框架，打通从“基础前沿技术-共性关键技术-示范应用”创新链条。
建议2：推动高水平开放合作，开展技术创新及生态建设。
在前沿技术攻关方面，要突破信息物理系统架构、车辆电子电气信息架构，以支持车路云一体化应用。通用人工智能上，要实现感知、决策控制、数据采集与标准、基础大模型优化、数据训练、测试技术等突破。并加快信息安全、功能安全、预期功能安全技术攻关，打造车路云一体化融合安全体系。
在核心产品方面，要加速L3、L4级智能网联汽车整车突破，以整车带动核心零部件集成应用；组织高精度传感器、智能底盘、大算力芯片、操作系统、高精地图与定位等关键产品攻关；实现研发测试工具软件突破，实现成链应用；支持打造车路云一体化场景库。
在产业生态构建方面，力争构建多元化操作系统开发与应用生态，推动开展智能网联汽车操作系统示范应用。鼓励跨界融合发展，支持打造新型智能基础设施建设、运营主体，支持商业模式探索。持续推进汽车、交通、城市融合发展，加速跨地区互认和协同发展，支持规模商用。
建议3：加强发展共识，以推进基础平台产业化支持高质量发展。
以监管和服务协同一体化的思路，推进五大基础平台的产业化发展。
推动信息安全基础平台建设，服务国家智能网联汽车信息安全监管体系搭建；依托高精动态地图基础平台，探索地理信息安全防护与高精动态地图合规应用之间的平衡；加速城市级云控基础平台建设，以车路云融合示范，形成安全监管与服务协同的最佳实践案例；加速智能终端基础平台、计算基础平台产业化，提升车辆安全防护能力，支撑车路云融合发展。
建议4：以示范加速地区政策、基础设施、商业模式全方面创新。
以云控基础平台为枢纽，推进云控平台建设与车路云一体化应用。
依托测试示范区、车联网先导区、双智试点、交通强国项目等机遇，推动云控平台在地方应用落地。
以车路云一体化顶层设计和内涵为指引，系统推进技术创新、标准引领、产业生态构建、测试示范发展等协同发展。
围绕城市、高速公路、封闭园区等重点场景形成最佳实践，推动可复制可落地的实践方案推广。
加强区域间协同，支撑车路云一体化智能网联汽车市场化应用。
参考测试示范区协同机制，打造城市车路云建设协同机制，重点推动各地在技术架构、标准体系、基础设施建设等方面的协同，实现基础设施建设与智能网联车辆测试运营等方面的协同发展。
降低汽车在网联化功能适配等方面的难度，确保不同企业产品可以顺利运行在不同城市的基础设施环境，构建全国协同统一的车路云一体化的智能网联汽车发展体系。
积极组织实施城市级车路云一体化智能网联汽车规模示范。
选取重点城市区域、高速公路、封闭区域，以车路云一体化体系架构为指导，推动车、路、网、云协同建设，开展多场景车路云一体化智能网联汽车示范应用，支撑新一代智能交通系统建设。持续开展互联互通测试与示范活动，推动车路云一体化系统从示范应用向大规模商用发展，推动商业模式闭环，提升社会接受度。