2025 年 6 月 5 日下午，“華南智能網聯新能源汽車技術大會” 在深圳國際會展中心（寶安新館）舉辦了一場備受矚目的圓桌論壇，主題為 “高階智能駕駛挑戰與機遇”。四位來自不同領域的專家——黑芝麻智能科技有限公司產品管理總監周勇、廣州汽車集團股份有限公司高級工程師/智駕技術總師王明明、中汽研科技有限公司智能網聯汽車研究部智能駕駛測試技術專家李海滄、大卓智能科技有限公司高級算法專家李紅軍，圍繞高階智能駕駛的商業化普及、感知路線選擇、測試標準迭代、芯片架構優化等核心議題展開深度探討，為行業發展提供了極具價值的洞見。
一、商業化普及中的成本與安全平衡產業鏈協同的關鍵命題
隨著高階智能駕駛功能加速向中低端車型滲透，安全隱患與成本控制成為產業鏈上下游必須共同面對的挑戰。
作為主機廠代表，李紅軍專家從硬件、軟件和數據閉環三個維度解析了主機廠的應對策略。
在硬件層面，主機廠正加速推進平臺化與模塊化設計，通過從分布式計算向中央計算的轉型，實現傳感器與部件的“即插即用”，大幅縮短研發周期；軟件層面則強調分層架構，通過傳感器協議層、中間件層和應用層的解耦，使不同車型的適配只需調整傳感器層和部分中間件層，應用層算法可復用；數據閉環方面，主機廠通過采集海量道路與停車場數據，在仿真平臺上解決99%以上的潛在問題，顯著提升研發效率。
大卓智能科技有限公司高級算法專家李紅軍
李海滄專家代表第三方檢測機構提出，安全是智能駕駛的前提，中汽研通過構建“仿真測試-封閉場地測試-開放道路測試”的多層次檢驗檢測體系、聯合產業鏈更新測試標準、強化性能評價體系來保障安全。在成本控制上，推動測試標準化、引入數字孿生與虛實場景庫技術、建立區域測試互認體系是三大關鍵舉措。
中汽研科技有限公司智能網聯汽車研究部智能駕駛測試技術專家李海滄
王明明專家強調“技術不應昂貴，安全不能差異化”，指出智駕產品的核心價值在于安全與便利，行業需重視技術驗證的必要性，當前性能評價標準的缺失（如 L2/L3 準入準出標準、自動駕駛責任界定等）亟待解決，尤其是大模型上車帶來的 “幻覺” 風險，需要建立有底線的測試體系。
廣州汽車集團股份有限公司高級工程師/智駕技術總師王明明
黑芝麻智能科技有限公司產品管理總監周勇
二、感知路線之爭多傳感器融合與純視覺的技術博弈
關于激光雷達、攝像頭與毫米波雷達的融合邊界及成本平衡，王明明專家與李紅軍專家分享了主機廠的策略。
王明明專家認為，多傳感器融合（前融合、中融合、后融合）在性能上具有優勢，可彌補單一傳感器的物理局限（如視覺在強光/ 暗光下的識別缺陷、激光雷達的成本問題）。盡管當前各廠商因成本與開發慣性選擇不同路線，但技術選擇應回歸安全與性能本質。值得關注的是，激光雷達成本已大幅下降至千元級，4D 毫米波雷達與FMCW新技術的迭代，正打破“成本決定路線”的固有邏輯。
廣州汽車集團股份有限公司高級工程師/智駕技術總師王明明
大卓智能科技有限公司高級算法專家李紅軍
三、端到端技術的挑戰測試標準的迭代而非重構
針對端到端自動駕駛的“黑盒”特性，李海滄專家明確表示，檢測標準體系不會因單一技術而重構，但需持續迭代。端到端技術通過傳感器直接映射控制信號，決策過程的不透明性帶來不確定性，但檢測環節正引入AI生成場景庫、覆蓋更多極端案例（corner case）等新技術，以提升檢驗檢測的可信度與危險場景覆蓋度。例如，基于神經網絡與機器學習的測試方法，正推動檢測標準與規程的動態更新。
中汽研科技有限公司智能網聯汽車研究部智能駕駛測試技術專家李海滄
四、芯片架構創新異構多核驅動數據處理與控制邏輯協同
周勇專家詳細解析了自動駕駛芯片的異構多核設計如何匹配激光雷達數據處理與整車控制邏輯。激光雷達數據處理通常分為數據輸入、點云預處理、深度學習推理與特征提取、后控制處理四個步驟，傳統方案需多芯片分工（如DSP處理數據輸入、GPU進行矩陣運算、NPU負責特征提取、MCU執行控制指令），而當前主流SoC芯片（如黑芝麻智能的武當C1200與華山A2000系列）通過整合CPU、GPU、NPU、DSP等核心，從硬件架構層面實現多傳感器數據的高效協同，優化功耗管理，提升不同核心間的任務調度效率。
黑芝麻智能科技有限公司產品管理總監周勇
五、未來展望技術信仰與產業趨勢的凝練預判
在論壇尾聲，四位專家用精煉的語言勾勒了高階智駕的未來圖景：
周勇專家：高階智駕將向全域全場景覆蓋、多域融合與中央計算發展，“智駕平權” 加速落地，L3 政策與檢測標準將陸續發布，異構多核芯片方案是技術核心。
王明明專家：數據驅動的深度學習仍是技術范式，將帶來性能突破。
李海滄專家：未來智駕將走向“更智能（更高階駕駛與智慧座艙）、更標準化（跨車型統一）、更廣闊場景（陸空一體化等）”。
李紅軍專家：作為研發一線從業者，堅信無人駕駛終將實現。
這場圓桌論壇不僅呈現了高階智能駕駛產業的現實挑戰，更揭示了技術演進的底層邏輯——安全是基石，成本控制需產業鏈協同，感知路線與芯片架構的創新需以性能為導向，而測試標準則需與技術同步迭代。隨著“智駕平權” 的推進與政策標準的完善，高階智能駕駛正從技術理想走向大規模商業化的關鍵拐點，而產業鏈各環節的深度協作，將是驅動這一變革的核心動力。
