学籍有什么用

中青报·中青网记者 王志远

当前，全球汽车产业格局正经历深刻变革。尤其是在“新四化”浪潮的推动下，汽车领域的智能化“军备竞赛”已进入白热化阶段。中国汽车产业作为这一变革中的重要力量，正处于从“电动化领跑”向“智能化攻坚”、从“本土市场主导”向“全球价值链重塑”的双重转型关键节点。

“2030年及之后的两三年，将是L3级有条件自动驾驶技术从‘试点’走向‘规模化应用’的窗口期。因此在当下如何把握发展的节奏、确定行业发展的目标显得尤为关键。”在近日举行的2025新能源智能汽车新质发展论坛（以下简称“新能源智能汽车论坛”）上，中国电动汽车百人会副理事长兼秘书长张永伟表示，从现在到2030年是培育智能驾驶文化、普及低阶智能驾驶的关键阶段，各大企业需制订好智能汽车发展目标和战略，在接下来的全球竞争中抢占先机。

中国汽车产业能否持续勇立“新四化”的潮头？汽车领域电动化、智能化的发展还需注意哪些问题？如何更好地协调车企短期大量投入和长期持续收益之间的矛盾？在新能源智能汽车论坛上，来自整车、供应链及高校的专家学者对于这些问题进行了深入交流和讨论，从技术突破、实践路径、生态协同等维度共探新能源智能汽车的新质发展之路。

筑牢智能汽车的安全底线

统计数据显示，中国搭载L2级组合驾驶辅助的智能汽车市场渗透率已超过50%，居全球首位；同时泊车辅助驾驶等新技术的渗透率也在加速提升。然而，随着高等级自动驾驶逐渐规模化落地，复杂长尾驾驶场景的挑战日益凸显，今年上半年几起和智能辅助驾驶有关的严重交通事故引发广泛关注。毫无疑问，当前智能汽车在安全和系统泛化能力等方面，正面临不小的考验和用户的担忧。

“自动驾驶系统的实际发展进度明显滞后于预期。”在新能源智能汽车论坛上，清华大学车辆与运载学院院长王建强直言，尽管当前智能汽车可通过增加传感器数量和提升数据规模，增强面对多种场景的分析和决策能力。但面对极端复杂场景时，受限于“黑箱模型”的不可解释性与泛化能力不足，其系统安全性仍难以得到充足的保障。

记者了解到，智能汽车的安全技术主要沿两条路径发展。在早期阶段，“规则驱动”是行业的主流，它具备结构清晰、易于实现和可解释性强等优势，适用于已知结构化场景。然而，该方法高度依赖预设规则，适应场景有限，难以满足高级别自动驾驶泛化、自主演化等要求。

在这样的大背景下，具备自主学习能力、模块集成性强，并有一定场景泛化能力的“数据驱动”，逐渐成为当前智能汽车安全技术的发展主线。不过，这一路线也存在明显短板：一是决策过程呈“黑箱”状态，缺乏可解释性；二是严重依赖训练数据分布，泛化能力有限；三是神经网络模型参数庞大，推理速度慢，难以满足实时性要求。

在王建强看来，在极端场景数据稀缺与模型“黑箱”属性等因素的制约下，市场上主流的“数据驱动”路线在安全保障上仍面临较大挑战，尚且难以支撑高级别自动驾驶的落地。

“尽管‘规则驱动’与‘数据驱动’各有优劣，但两者均难单独支撑智能驾驶向更高等级演进。面对复杂、泛化与未知等高风险交通情境，传统自动驾驶系统易陷入安全瓶颈。”王建强强调，“聪明车”必须是“安全车”，智能汽车安全需通过“类脑认知架构”实现向人类驾驶认知模式的跃迁。

为突破规则系统的“僵化”、数据系统的“黑箱”等限制，王建强提出以人脑认知机制为启发，融合规则驱动的可解释性与数据驱动的学习能力，开启全新的“认知驱动”路线。

“‘认知驱动’路线一方面能让‘规则驱动’的系统具备进化能力，适应更多场景；另一方面推动‘数据驱动’的系统‘去黑箱化’，使其转变为确定系统，实现过程透明、结果可信。”王建强解释说。

不过，想要探索甚至实现王建强畅想的“认知驱动”，不仅需要长期系统性的技术深耕，还需要高规格、高可靠性的车规级芯片扮演“神经中枢”的角色，以此支持智能系统的日常运转。

“智能汽车的安全底线，往往取决于最底层芯片的稳定性。”在新能源智能汽车论坛上，芯驰科技MCU产品线总经理张曦桐指出，“车规级芯片和消费级芯片有很大区别。车规级芯片需要通过严格的AEC-Q100可靠性测试，在功能安全、使用寿命等方面有更高要求和技术门槛，这些都是消费级芯片难以比拟的。”

据了解，因车辆需面对高温、低温、雨雪、沙尘、颠簸等复杂恶劣环境，车企对车载芯片可靠性的要求更高，其使用寿命需达10年至15年。

此外，车规级芯片工作温度范围为零下40摄氏度至150摄氏度，而消费级芯片仅需0摄氏度至70摄氏度。因此，生产车规级芯片时必须选用耐高温、抗腐蚀、抗冷凝的材料。而车规级芯片缺陷率通常要求低于1ppm（百万分之一），消费级芯片则允许500ppm，这意味着车规级芯片相比消费级芯片安全余量更高。

面对车规级芯片严苛的生产要求与安全质量标准，国内企业正通过技术突破积极回应市场需求，芯驰科技就是其中的代表之一。

据张曦桐介绍，芯驰科技的E3系列MCU芯片作为新一代高性能微控制器，可覆盖区域控制、车身控制、电驱、BMS、智能底盘、ADAS等超过10个核心应用领域，填补国内高端高安全级别车规MCU市场空白。截至目前，E3芯片已在奇瑞主动悬架、理想激光雷达等核心场景中应用。

“当智能系统能够像人类一样精准预判风险，当每一颗芯片都经得起极端环境考验时，智能汽车才能真正从‘交通工具’升级为‘移动安全空间’。我们现在所有的努力，都是在为未来产业高质量发展‘打好地基’。”张曦桐对记者说。

重塑智能汽车产业竞争新边界

从以“认知驱动”构建“类脑”决策框架，到高可靠车规级芯片提供“神经”保障，智能汽车的竞争维度已不限于筑牢安全基石，电子化领域AI能力的深度同样非常关键，这种变化正在重塑产品定义与消费选择的核心逻辑。

“传统燃油车时代，整车70%的成本来自机械硬件。如今这一比例已低于50%，预计未来几年将降至30%以下。与此同时，电子软硬件与AI的权重持续提升。预计到2030年，电子硬件成本占比将从过去的不足25%大幅提升至70%。”新能源智能汽车论坛上，张永伟分享了这样一组数据。在他看来，这一趋势决定了企业必须将核心能力聚焦在智能化与AI底座上。

对于“AI在推动汽车智能化发展中起到关键作用”这一观点，东软睿驰汽车技术（上海）有限公司总裁兼CTO杜强高度认同。他认为，AI技术正深刻影响整个汽车行业的核心竞争力和用户体验，已成为塑造未来产业格局的关键变量。面对这场技术演进，企业既要敏捷响应，也要确保底层基础的扎实与稳健。

需要注意的是，在底层操作系统领域，中国软件供应链已日趋成熟，具备快速适配芯片和电子电气架构的能力，可以满足车企高速迭代需求。如今在AI技术加持下，软件开发效率大幅提升，工具链和半自动化开发不仅降低了门槛，还提高了人效。

面对产业竞争力加速向智能化和AI迁移的趋势，企业应如何构筑起新的竞争壁垒？对于这一问题，张永伟提出需“跳出汽车看汽车”，打破传统产业边界，通过跨界融合重构竞争力的观点。

张永伟建议企业重构发展模式。一方面，“结对子”应成为整车厂与科技企业合作的常态。通过资本合作、技术绑定，整车厂可快速补齐智能化短板，科技企业则能跨越技术与落地的“死亡谷”。

“一些科技企业成立时间不长，面临资金、人才和数据短缺困境，技术难以落地应用。”张永伟补充说，“与整车厂深度合作，能有效帮助这些新型科技企业突破瓶颈和资金束缚，最终实现双赢。”

另一方面，企业需积极打破产业边界，对接外部专业化服务资源。“传统车企在智能化领域存在诸多不熟悉、缺乏经验的环节。”在张永伟看来，“与其从零起步，不如高效整合云服务、算法算力等外部资源，将上述资源的优势转化为自身的竞争力。”

“想要在电动化、智能化领域持续向前，汽车产业需要以更加开放的模式，整合更多智能化能力。例如，传统整车企业和零部件公司应尽快与更多算力、算法公司无缝对接，让这些外部力量成为内生的产品竞争力，只有这样的强强联合，才能为中国汽车产业提供源源不断的发展活力。”张永伟总结道。

中国青年报（2025-08-04  08版）