对话汪建平：生态共建 让智驾未来照进现实

版权声明：本文版权为网易汽车所有，转载请注明出处。 

网易汽车5月9日报道

在当今汽车产业的变革浪潮中，智能驾驶无疑是一股最为汹涌澎湃的革新力量。

伴随着智驾技术突飞猛进与“智驾平权”时代的快速到来，问题也逐渐凸显。比如，技术突破与商业化落地的矛盾、安全隐忧与行业标准的缺失，全球化发展遭遇法规与本地化壁垒等等，行业转型期的波动也让身处变局中的各方压力倍增。

在数据、算力与产业链协同成为竞争核心的当下，智驾行业从“技术狂欢”向“安全务实”全面转型，车企如何在监管框架下平衡创新与风险，学术界如何与工业界生态共建，形成优势互补，如何实现安全标准统一，以及更好的高安全价值数据共享和应急方案的机理研究与产业化，都成为当下必须要解决的重要课题。

对此，香港城市大学计算学院院长及讲座教授，鸿海-香港城市大学联合研发中心的主任汪建平教授，作为一位深耕智能驾驶领域多年，研究内容涵盖自动驾驶系统 （感知，轨迹预测，运动规划）、安全、测试等方面的资深专家，正以独特的视角和务实的研究，试图为这些难题提供答案。

在汪建平看来，车企更关注如何让车跑起来，但自动驾驶的挑战远不止于此。

她坦言，大学几千万的研发经费，与车企动辄几十亿、上百亿的投资来比，比谁智驾技术“烧”的好，那必然是不可能赢的。因此，她的技术研发，并非要与车企正面竞争，而是瞄准了行业尚未充分关注的技术盲区，去做很多企业没有做的事情，比如：对安全的关注，找到自动驾驶软件里可能存在的安全隐患。

在自动驾驶系统中，精确和实时预测尤其重要，为解决当前的行车预测技术难题，汪建平带领团队推出自动驾驶轨迹预测深度学习模型QCNet，可在驾驶环境中提取唯一且固定的位置讯息，并且可不受驾驶者在查看驾驶场景时的时空座标所影响，能够捕捉道路使用者的动向，准确预测附近车辆的多种可能动向，同时，通过存取和重用之前所计算的座标编码，理论上实现实时预测。

“我们的车除了底盘以外，全部都是自主研发的，包括自动驾驶所有的算法和硬件配置”，汪教授团队自研的车型不断进行测试，验证着团队的核心技术：轨迹预测与AI模型的安全防御。

她的团队还首次在实车上验证了针对自动驾驶AI模型的物理攻击手段，通过放置特定纸板测试车辆是否会误判静止障碍物的动态意图，从而触发急刹车，以及通过干扰传感器，从而影响在线地图的构建，来验证对自动驾驶决策可产生影响的各种攻击方式，从而去不断地排除自动驾驶安全隐患。

“这类攻击可能引发连环事故，但还未得到传统车企足够关注”，这也成为全球首个在实车环境中验证此类攻击的案例。

在智能驾驶领域，市占率常被提及，但汪建平认为，这并非衡量智驾供应商好坏的唯一标准，她认为，市占率受车型销量影响，真正衡量智驾能力的关键在于安全性、技术原创性、L4级技术储备以及数据的有效利用。

对于行业热议的“数据量决定论”，汪建平更是直言不讳，她认为只有有价值的数据才有意义，否则，即使跑上百万公里积累的数据，若缺乏极端场景，比如暴雨等恶劣天气的积累，这对提升智驾安全性意义有限。

在汪建平看来，安全性与失效冗余是衡量智驾能力好坏的一种指标，功能安全认证（ISO 26262 ASIL-D）和预期功能安全（SOTIF）达标率是硬指标，同时，专利和论文也是体现技术先进程度的一种体现。

例如，华为通过5G-V2X融合感知专利布局形成技术闭环；Waymo在CVPR等顶会发表的自动驾驶论文数，远超业内平均水平，以2022年为例，Waymo共计发表论文32篇，并且基于论文产出的技术方案又体现在多项工程指标中：比如车规级软件在环，安全性，体感舒适性，算法泛化能力，实车测试mpi和适用区域等指标中，均取得了不错的进步。

整体而言，车企全栈自研门槛极高，合作才是未来主流，因此，汪建平认为，在行业已进入“下半场”的当下，仿真技术将成为突破长尾难题的关键，通过高精度仿真，基于大语言模型，可以以更低成本生成海量极端场景数据，这是现实路测无法比拟的。

“真正的竞争力在于如何将个体数据优势转化为行业共享资源，集中攻克长尾难题。”

在技术架构上，从BEV 到 Transformer，再到结合大模型的方案，行业仍在探索最优解。目前，端到端方案在 VLM 和 VLA 范式中发展，但学界和工业界尚未达成共识，长尾问题和 corner case 的解决仍是重点研究方向。

最终，智能驾驶需要面向功能和安全交付，数据的有效性、监管的统一性和兜底方案的可执行性是未来的关键。学术界、工业界和政府需合作探索，制定相关标准，以实现技术、产品、安全和法规的相互制衡。

自动驾驶技术，不仅对汽车产业具有深远影响，也对城市交通管理、政策制定等政府决策层面有着重要意义。汪建平教授的研究，在这一过程中，恰恰起到了连接政府与产业的作用，成为推动自动驾驶技术健康、可持续发展的重要环节。

在香港，汪建平主导了首个“混合现实自动驾驶测试”项目，通过虚拟仿真叠加真实路况，使用真车、真路，但场景数据由其团队仿真，为香港政府构建本地化的测试场景数据库。

“政府需要工具来制定规则，比如数据收集标准、能改善交通流效率的渗透率阈值，我们的研究为其提供了科学依据。”

汪建平指出，自动驾驶的数据收集不能与传统车辆相同，需要明确收集数据的目的，并根据科学依据确定需要收集的最小数据集， 以及数据收集的频率和质量要求。

“若缺乏这些基础，技术再先进也难以落地”，她认为，当下商业化的自动驾驶技术再好，在没有监管工具的情况下，政府不给牌照，都很难上路，所以，学术界在推动行业标准与政策工具完善中扮演着不可替代的角色，可通过监管工具的研发，为推动智驾技术落地，提供必要的科学支撑。

在其自动驾驶领域的研究中，香港政府从各个层面都给与了极大的资源支持，比如，如何让自动驾驶系统理解交警手势、如何制定事故责任判定规则等等，均得到香港交警的支持，参与测试并提供具体的场景和手势等，这些资源和支持为自动驾驶技术的研究提供了有力的保障。

而这些学术研究的价值，最终也将反哺到智驾产业链之上，包括制定行业标准、为政府提供工具、解决安全漏洞等多个维度，同时，也可通过技术突破、理论创新等方式为产业提供支撑，大大降低企业试错成本，而这就是学术界对“落地”和“价值”，与商业化企业不同之处。

在她看来，学术的使命是“源于现实，高于现实”，从痛点出发，通过理论突破反哺行业，价值不仅是直接创造产品，而是为整个生态奠基，她以团队发现的安全漏洞为例，一些团队发现的漏洞被Carla（英特尔、丰田和西班牙巴塞罗纳计算机视觉中心联合推出的开源自动驾驶仿真平台）认可且在新的版本里已部分修复所发现的安全漏洞，这些研究虽无法量化经济收益，但却避免了潜在灾难。

“就像我们为政府提供的工具，或许不会直接装车，但能让自动驾驶走得更稳、更远。”

汪建平始终认为，在自动驾驶的浪潮中，唯有站在技术与人性的交汇点，唯有学术界与产业界携手，在安全与创新之间找到平衡，才能真正驶向“无人驾驶”的未来。

据悉，汪建平教授所领导的团队在自动驾驶领域取得突破性成果，研发的先进解决方案屡获国际殊荣：先后斩获CVPR 2024 Argoverse 2多智能体运动预测挑战赛冠军、2024 Waymo开放数据集模拟智能体挑战赛冠军、第17届F1 Tenth自动驾驶大奖赛冠军、2023年元宇宙自动驾驶挑战赛冠军及2023 Argoverse 2多智能体运动预测挑战赛冠军。

相信在不远的将来，汪教授所带领的研发团队，在智能化浪潮中，必将乘风破浪，用更多的科研成果，让智驾未来更早地照进现实。