本報訊 （記者劉釗）7月15日，在吉林長春舉行的2025新能源智能汽車新質發展論壇上，清華大學車輛與運載學院院長王建強教授發表題為《智行天下，安駛未來——智能汽車安全技術發展現狀與趨勢》的主題演講，深入剖析智能汽車安全技術的現狀、挑戰及未來方向，提出以認知驅動為核心的技術創新路線，為高等級自動駕駛落地提供新思路。

    清華大學車輛與運載學院院長王建強（組委會供圖）

    智能汽車安全技術面臨挑戰

    現有路線存在局限

    王建強指出，我國道路交通場景復雜、事故頻發，提升交通安全已成為國家迫切需求，而智能汽車技術是解決這一問題的關鍵。低等級智能汽車已實現高市場滲透率和大規模應用，但在邁向高等級自動駕駛過程中，復雜長尾場景下的事故時有發生，安全技術仍面臨諸多難題。

    他解釋，車輛故障、復雜環境擾動等不可控因素始終存在，需依靠“感知–認知–決策”全鏈路技術體系保障安全。但當前技術仍存局限：特斯拉事故暴露感知系統誤檢問題，Waymo事故反映對潛在風險認知不足，Uber事故則源于決策誤判，這些案例均顯示智能汽車在處理突發、復雜場景時的技術短板。

    同時，王建強分析了當前主流技術路線的短板。規則驅動通過預設規則實現決策，結構清晰、可解釋性強，但依賴固定規則，難以適應開放場景，無法滿足L4級及以上自動駕駛需求。數據驅動具備自主學習和場景泛化能力，卻存在“黑箱”決策、依賴訓練數據、推理速度慢等問題，在極端場景下安全保障能力不足。

    認知驅動成破局關鍵

    技術演進指向類人認知

    “人類駕駛不依賴海量數據，而是基于知識、經驗和常識判斷。”王建強受此啟發，提出認知驅動作為第三條技術路線。該路線融合規則驅動的可解釋性與數據驅動的學習能力，既讓規則系

    統具備進化能力以適應復雜場景，又推動數據系統“去黑箱化”，實現過程透明與結果可信。

    認知驅動的核心是對人、車、路系統的深層理解，構建要素特性、相互作用及運行規律的精準建模。其技術架構涵蓋感知、認知、決策三層：感知層融合物理狀態估計與語義理解，提升環境重構可靠性；認知層通過“統一場”建模與深度學習，實現風險趨勢判斷；決策層結合知識圖譜與大模型推理，應對復雜未知場景。

    展望未來，王建強認為自動駕駛正從規則驅動、數據驅動向認知驅動演進，核心是構建“類人認知、學習與進化”能力。他提出“三縱三橫”技術架構支撐智能汽車規?；l展，并強調智能汽車安全需通過“類腦認知架構”實現駕駛認知模式躍遷，最終提升自動駕駛系統的自學習、自反思、自適應能力，打造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。

（編輯 郭之宸）