4月11日—12日，以“推进新能源汽车智能化、绿色化、融合化、国际化发展”为主题的智能电动汽车发展高层论坛（2026）在北京国家会议中心二期盛大举行。汽车、能源、交通等多领域代表齐聚，围绕新能源汽车发展形势、智能网联汽车趋势等众多话题展开深入讨论。其间，清华大学车辆与运载学院教授、智能绿色车辆与交通全国重点实验室主任、国家智能网联汽车创新中心首席科学家李克强，就“汽车智能驾驶系统安全挑战与对策”发表演讲，为产业发展指明方向。

智能网联时代：产业发展与挑战并存

李克强教授指出，汽车产业已步入智能网联时代，智能网联汽车是新一代移动通信、信息及人工智能技术与实体产业融合的产物，成为全球工业强国战略竞争高地。欧盟、美国、日本等纷纷颁布国家层面的产业发展战略，中国也将其作为推动制造强国、交通强国的重大战略任务。

当前，智能网联汽车技术发展迅速，产业快速推进。智能化与网联化协同发展、大模型人工智能加速应用、全域安全技术要求明确等技术趋势凸显；产品形态、产业生态、出行模式等产业趋势也在快速改变。发展战略路径明确为人工智能与智能网联汽车深化融合发展，以及“车路云一体化”成为实现高级别自动驾驶的必然路径。

产业发展成果显著，如L2级新车装车量去年接近65%，4G、5G、C—V2X通信模块快速普及，高级别自动驾驶关键技术、基础设施快速发展，政府推动的示范基地和测试区域也在加速建设。然而，中国汽车智能化产业也面临关键临界点，要实现高质量、可持续发展，需解决一系列挑战。其中，产业智能化领域商业闭环和盈利模式不理想是首要问题，原因包括安全可靠性不足、产品定义未形成技术闭环、开发成本高、产业协同不够等。

安全问题凸显：技术瓶颈制约发展

李克强教授对智能驾驶安全问题进行了具体梳理。物理感知方面，存在极限与多维视角缺失问题，常见场景中因感知遮挡、光线等原因，智能驾驶系统会出现“看不见”“看不清”“看错”“看漏”等情况，传感器物理特性导致的感知盲区难以通过算法解决；少数产品因缺少提前训练，对罕见场景无法识别。

逻辑决策方面，存在瓶颈与接管机制待突破问题，突发难以接管的场景中，因突然出现障碍物等无法提前预判，事故风险显著增加。开发层面，企业数据收集和训练存在单车数据有限、车载传感物理限制、不同车机采集数据类型不一致、数据安全保障机制等问题，限制了开发。

技术层面，单车感知能力受限、端到端模型可靠性差且AI大模型训练数据不全面、产品架构为烟囱型缺乏基础底座导致开发成本高和质量效率低，这些问题都亟待解决。

“车路云一体化”：新范式破解安全难题

针对上述问题，李克强教授提出智能网联汽车安全保障新范式。在感知维度上，从视觉内平视到超视觉全感知；决策逻辑方面，从独立博弈到协同最优；安全防线方面，从被动防御到内生安全；产业生态方面，从造车竞争到生态共建，以此提升系统安全性能。

“车路云一体化”协同发展是关键架构。它为智能汽车行驶建立安全“数字轨道”，通过车路协同提前感知规避风险；作为提升安全的“数字发电站”，汇聚各车数据，解决数据多而不全的问题，降低AI大模型训练成本、提升效率；采用分层结构、跨域共用方式，以低代码快速开发提高效率，解决烟囱型架构问题。

示范项目推进：验证架构可行性与优势

目前，国家工信部、公安部、交通部等部委推动两个重大示范项目，即高级别L3级城市准入示范和“车路云一体化”基础设施支撑示范。在北京、重庆等主要城市搭建共用数据底座，协同路侧和通信支撑车的安全感知。

产业化示范也已开展，去年发起中外15家车企联合示范，包括中国主流车企和国外丰田、华为等企业。示范根据车企提出17个应用场景，其中5个是媒体公布难通过的场景，如网联式前向辅助、网联式滤波引导等。实验结果显示，多家车企用拳头级产业化车型平台完成挑战，今年有7家车企正在做量产化推进。

此外，网联式前向避撞系统在多地推动产品安装；绿波带系统让车辆在北京、重庆能连续通过5个以上红绿灯路口；网联式匝道汇入解决国外车企关注的问题；鬼探头场景试验也在推进。这些示范表明该架构是可行且能显著降低安全风险的技术。

总结展望：筑牢安全根基，推动产业发展

李克强教授在结束语中强调，安全是行业亟待解决的首要问题，正视单车智能驾驶技术瓶颈是前提，行业要摒弃急功近利，回归安全本源。“车路云一体化”系统为车辆提供多维数据输入，实现车、路全域协同感知，增强环境感知与风险预判能力，建立“数字轨道”，提升安全性和通行效率，支撑智能交通运行。其数据兼具“海量性”与“完备性”，打破数据孤岛，为AI大模型训练建立“数字发电站”，降低训练成本、提升效率。计算基础平台和开发系统通过分层解耦、跨域共用，提高模块复用率，实现低代码开发，支撑产品安全高效开发。

此次演讲为智能电动汽车产业发展提供了重要思路，在智能网联汽车快速发展的当下，“车路云一体化”或将成为解决安全难题、推动产业迈向新阶段的关键力量。