在7月25日上海舉辦的 “AI 汽車創(chuàng)新發(fā)展論壇” 上，東風(fēng)公司研發(fā)總院智能化技術(shù)總工程師李紅林圍繞 ADAS(高級駕駛輔助系統(tǒng))與 ADS(自動駕駛系統(tǒng))的技術(shù)發(fā)展，分享了極具行業(yè)洞察力的觀點。這場由中國電動汽車百人會與中國電信聯(lián)合主辦的論壇，匯聚了汽車產(chǎn)業(yè)鏈上下游核心力量，而李紅林對智能駕駛技術(shù)路徑的解析，為行業(yè)提供了審視技術(shù)迭代的全新視角。

　　東風(fēng)公司研發(fā)總院智能化技術(shù)總工程師李紅林

　　ADAS 技術(shù)演進：從 “模塊化” 到 “大模型” 的多元并行

　　李紅林指出，當(dāng)前 ADAS 正經(jīng)歷著清晰的技術(shù)躍遷：從傳統(tǒng)的 “三模塊” 架構(gòu)(感知、決策、控制獨立運行)，逐步向 “兩段式”“一段式” 演進，最終將邁向 “VLA 大模型” 階段。但他特別強調(diào)，這種演進并非 “非此即彼” 的替代關(guān)系 —— 不同技術(shù)模式之間可能沒有明確的切換節(jié)點，而是長期存在階段性并行的狀態(tài)。

　　這種 “多元共存” 的現(xiàn)狀，恰恰反映了智能駕駛技術(shù)的復(fù)雜性：

　　傳統(tǒng)模塊化方案雖成熟度較高，但在應(yīng)對突發(fā)交通事故、極端天氣等復(fù)雜交通場景時，泛化能力不足，容易出現(xiàn) “場景覆蓋盲區(qū)”;

　　新興的端到端方案(由數(shù)據(jù)直接驅(qū)動決策)雖簡化了流程，但存在算法可解釋性弱、邊緣場景(如罕見路況)驗證難度大等問題，難以滿足安全冗余要求。

　　“四度” 評價體系：重構(gòu)智能駕駛技術(shù)的衡量標(biāo)準(zhǔn)

　　針對 ADAS/ADS 的技術(shù)成熟度評估，李紅林提出了 “四度” 框架，為行業(yè)提供了量化與質(zhì)性結(jié)合的參考維度：

　　技術(shù)成熟度：核心算法的穩(wěn)定性、場景覆蓋的全面性;

　　可信度：系統(tǒng)決策的安全性、極端場景下的容錯能力;

　　美譽度：用戶對系統(tǒng)的接受度、使用體驗的流暢性;

　　誠信度：技術(shù)宣傳與實際性能的一致性，避免過度夸大。

　　這一體系突破了單純以 “自動化級別” 論英雄的傳統(tǒng)思維，更貼近用戶實際需求與產(chǎn)業(yè)發(fā)展規(guī)律。

　　未來突破方向：多維度技術(shù)融合與生態(tài)協(xié)同

　　對于 ADAS/ADS 的下一步發(fā)展，李紅林明確了六大技術(shù)攻堅方向：

　　1. 多模態(tài)感知融合架構(gòu)：整合視覺、雷達、高精地圖等多源數(shù)據(jù)，提升復(fù)雜環(huán)境下的感知精度;

　　2. 復(fù)雜場景深度理解：通過 AI 算法強化對交通參與者意圖、突發(fā)場景的預(yù)判能力;

　　3. 強化學(xué)習(xí)賦能決策優(yōu)化：讓系統(tǒng)在動態(tài)場景中自主學(xué)習(xí)最優(yōu)決策策略，接近人類駕駛的靈活性;

　　4. VLA 模型增強交互與推理：借助大模型提升車機的類人化推理能力，優(yōu)化人機交互的自然度;

　　5. 合成數(shù)據(jù)破解安全驗證難題：通過虛擬仿真生成極端場景數(shù)據(jù)，降低實車測試成本與風(fēng)險;

　　6. 大模型 + 車路云協(xié)同的數(shù)據(jù)處理：構(gòu)建車端、路側(cè)、云端一體化的數(shù)據(jù)閉環(huán)，加速算法迭代。

　　生態(tài)共建：技術(shù)突破的 “加速器”

　　李紅林的觀點與論壇期間啟動的 “AI 汽車生態(tài)共建行動” 形成呼應(yīng)。當(dāng)中國電動汽車百人會、中國電信及產(chǎn)業(yè)鏈企業(yè)攜手推動生態(tài)協(xié)同，將為上述技術(shù)方向的落地提供數(shù)據(jù)共享、標(biāo)準(zhǔn)共建、測試協(xié)同等關(guān)鍵支撐。正如李紅林所言，智能駕駛的進階并非單一企業(yè)的 “獨舞”，而是產(chǎn)業(yè)鏈上下游在技術(shù)、數(shù)據(jù)、場景上的深度耦合 —— 唯有如此，才能讓更安全、更智能的駕駛系統(tǒng)真正走進大眾生活。