智能驾驶汽车外网论文发表

易车讯 日前，我们从官方渠道获悉，在第八届HAOMO AI DAY上，毫末智行发布自动驾驶生成式大模型DriveGPT，中文名"雪湖·海若"。生态方面，毫末官宣取得3个主机厂定点合同，商业化迎来跃升一步；同时毫末推出的中国首个重感知、不依赖高精地图的城市NOH即将量产上车，最先落地北京、上海、保定等城市。

毫末打造的自动驾驶生成式大模型DriveGPT雪湖·海若通过引入驾驶数据建立RLHF（人类反馈强化学习）技术，对自动驾驶认知决策模型进行持续优化，现阶段主要用于解决自动驾驶的认知决策问题，终极目标是实现端到端自动驾驶。

毫末DriveGPT雪湖·海若已开启对限量首批生态伙伴的开放合作，北京交通大学计算机与信息技术学院、高通、火山引擎、华为云、京东科技、四维图新、魏牌新能源、英特尔等高校与企业加入。

产品方面，毫末中国首款可大规模量产落地、重感知城市NOH，将首批落地北京、保定、上海等城市，并开启泛化测试，到2024年有序落地100城。首款搭载HPilot3.0的新摩卡DHT-PHEV即将重磅上市，这也是毫末DriveGPT雪湖·海若的首发落地车型，全面确保毫末城市NOH的行业领先性。

生态层面，毫末乘用车6P开放合作取得重大突破，已与3家主机厂签署定点合同，相关项目正在交付中。这是毫末商业化的重要一跃，全面保障了毫末高速发展态势。

毫末智行董事长张凯判断：“2023年智驾产品进入全线爆发期，大模型开启在车端的落地应用，车主的使用频率和满意度成为产品竞争力的重要衡量标准。毫末不断进步的数据驱动的六大闭环能力将进一步加速毫末进入自动驾驶3.0时代的步伐并形成相应的护城河。”

张凯认为，智驾产品正在进入快速增长的全线爆发期，2023年是非常关键的一年。首先，城市导航辅助驾驶产品在2023年将围绕量产上车发力，主要玩家的城市导航辅助驾驶产品进入到真实用户覆盖和多城市落地的比拼。其次，行泊一体和末端物流自动配送产业商业化将成为自动驾驶公司深耕的重点。在乘用车领域，搭载行泊一体功能的智驾产品将迎来前装量产潮；在末端物流自动配送领域，末端物流自动配送车在商超、快递等场景迎来爆发，2023年将在这些场景实现可持续商业化闭环。

首款搭载HPilot3.0的新摩卡DHT-PHEV即将重磅上市，第二款搭载毫末HPilot3.0的车型魏牌蓝山也将在今年发布。毫末HPilot整体已搭载近20款车型。用户辅助驾驶行驶里程突破4000万公里，HPilot2.0辅助驾驶日均行驶里程使用率达到了12.6%。海外布局方面，搭载毫末HPilot的车辆已运往欧盟、以色列等地区和国家，陆续交付到用户手中，接下来将在中东、南非、澳大利亚等市场陆续投放；同时，毫末HPilot即将量产墨西哥版本及俄罗斯版本。

3月，高工智能汽车研究院在每个年度基于前装量产数据库及定点车型库数据进行综合评估，通过对毫末前装近20款车辆等数据研究，为毫末颁发年度高阶智能驾驶系统量产份额领军奖。第三方数据佐证毫末是中国量产自动驾驶绝对领军者。

其次是“MANA大模型巅峰之战”，中国首个自动驾驶数据智能体系MANA架构已迎来全线升级。到2023年4月，MANA学习时长超56万小时，相当于人类司机6.8万年。毫末DriveGPT雪湖·海若，已经完成基于4000万公里驾驶数据的训练，参数规模达1200亿。

第三是“城市NOH百城大战”，中国首款可大规模量产落地、重感知城市NOH，已在北京、保定、上海等城市开启泛化测试，即将量产上车，到2024年有序落地100城。毫末会以“安全为先、用户为先、规模为先”的原则，加速赢得城市NOH百城大战。

最后是“末端物流自动配送商业之战”，毫末末端物流自动配送车小魔驼已在商超履约、智慧社区、校园配送、餐饮零售、机场巡逻、高校教育、快递接驳、智慧园区、大气环评等九大场景开启运营，加速商业化闭环能力。2023年3月，小魔驼2.0获北京亦庄无人配送车车辆编码，开启亦庄运营。毫末也成为《北京智能网联汽车政策先行区无人配送测试规范》升级后，准许在北京市高级别自动驾驶示范区公开道路进行无人配送车测试的首个公司。

“技术领先是生存根本，毫末鼓励所有技术研发同学投入到技术创新当中。”张凯在演讲中再次强调了毫末对于技术研发投入的坚定决心。截至目前，毫末已获得专利证书164件，国际顶级学术会议论文收录6篇，最新2篇更是分别入选计算机视觉识别领域三大顶会之一的CVPR和全球首个智能车专业期刊IEEE TIV。毫末已将所有论文在GitHub开源，与业内共享。

现场，张凯还向外界公布了毫末6P开放合作的重要进展，目前已与3家主机厂签署定点合同，相关项目正在交付中。“毫末始终认为，自动驾驶是一个共同进退、共享成果的前沿产业。只有健康的生态伙伴才能支持毫末高速发展。”张凯表示。

此外，毫末一直坚持场景化用户体验设计、人工智能技术、技术工程化能力均衡发展，不断以数据驱动闭环的方式完善用户体验。张凯介绍，三个月时间，毫末在数据驱动六大闭环体系上实现多重进展。

用户需求闭环方面，毫末对驾驶场景数据持续分析完善策略，并进行新功能体验反馈；研发效能闭环方面，毫末将数据驱动理念深入到产品需求定义、感知与认知算法开发等产品开发流程，整体开发效率提升30%；数据积累闭环方面，毫末在车端部署诊断服务数据场景标签覆盖92%的驾驶场景。

数据价值闭环方面，毫末大模型正在持续挖掘数据价值解决关键问题；产品自完善闭环方面，毫末实现售后问题处理速度较传统方式的十倍效率提升，实现最快10分钟定位售后问题。两年时间有效挖掘产品提升点，问题闭环率达76%；业务工程化闭环方面，毫末进一步完善了从采集回流、标注训练、系统标定、仿真验证等环节到最终OTA释放环节的产品研发全流程工程化闭环。

毫末DriveGPT雪湖·海若通过引入驾驶数据建立RLHF（人类反馈强化学习）技术，对自动驾驶认知决策模型进行持续优化。它的最终目标是实现端到端自动驾驶，现阶段主要用于解决自动驾驶的认知决策问题，后续持续会将毫末多个大模型的能力整合到DriveGPT。目前，毫末DriveGPT雪湖·海若实现了模型架构与参数规模的升级，参数规模达到1200亿，预训练阶段引入4000万公里量产车驾驶数据，RLHF阶段引入 5万段人工精选的困难场景接管Clips。

DriveGPT雪湖·海若的底层模型采用GPT（Generative Pre-trained Transformer）生成式预训练大模型，与ChatGPT使用自然语言进行输入与输出不同，DriveGPT输入是感知融合后的文本序列，输出是自动驾驶场景文本序列，即将自动驾驶场景Token化，形成“Drive Language”，最终完成自车的决策规控、障碍物预测以及决策逻辑链的输出等任务。

DriveGPT雪湖·海若的实现过程是，首先在预训练阶段通过引入量产驾驶数据，训练初始模型，再通过引入驾驶接管Clips数据完成反馈模型（Reward Model）的训练，然后再通过强化学习的方式，使用反馈模型去不断优化迭代初始模型，形成对自动驾驶认知决策模型的持续优化。同时，DriveGPT雪湖·海若还会根据输入端的提示语以及毫末CSS自动驾驶场景库的决策样本去训练模型，让模型学习推理关系，从而将完整驾驶策略拆分为自动驾驶场景的动态识别过程，完成可理解、可解释的推理逻辑链生成。

现场，毫末宣布DriveGPT雪湖·海若首发车型是新摩卡DHT-PHEV，即将量产上市。顾维灏提到，DriveGPT雪湖·海若可以逐步应用到城市NOH、捷径推荐、智能陪练以及脱困场景中。有了DriveGPT雪湖·海若的加持，车辆行驶会更安全；动作更人性、更丝滑，并有合理的逻辑告诉驾驶者，车辆为何选择这样的决策动作。对于普通用户来说，车辆越来越像老司机，用户对智能产品的信任感会更强，理解到车辆的行为都是可预期、可理解的。

毫末DriveGPT雪湖·海若将携手生态伙伴率先探索四大应用能力，包括智能驾驶、驾驶场景识别、驾驶行为验证、困难场景脱困。当前，毫末在使用数据过程中，逐步建立起一套基于4D Clips驾驶场景识别方案，具备极高性价比。在行业上，给出正确的标注结果，一张图片需要约5元；如果使用DriveGPT雪湖·海若的场景识别服务，一张图片的价格将下降到0.5元。单帧图片整体标注成本仅相当于行业的1/10。接下来，毫末会将图像帧及4D Clips场景识别服务逐步向行业开放使用，这将大幅降低行业使用数据的成本，提高数据质量，从而加速自动驾驶技术的快速发展。

顾维灏介绍，毫末在2023年1月发布的中国自动驾驶行业最大的智算中心MANA OASIS（雪湖· 绿洲）此次从算力优化等层面升级了三大能力，进一步支持DriveGPT雪湖·海若的算力。首先，毫末与火山引擎全新搭建了“全套大模型训练保障框架”，实现了异常任务分钟级捕获和恢复能力，可以保证千卡任务连续训练数个月没有任何非正常中断,有效保证了大模型训练稳定性；其次，毫末研发出以真实数据回传为核心的增量学习技术，并将其推广到了大模型训练，构建了一个大模型持续学习系统，自主研发任务级弹性伸缩调度器，分钟级调度资源，集群计算资源利用率达到95%；最后，MANA OASIS通过提升数据吞吐量来降本增效，满足Transformer大模型训练效率，通过引入火山引擎提供的Lego算子库实现算子融合，端到端吞吐提升84%。

毫末打造的中国首个自动驾驶数据智能体系MANA，在经过一年多的应用迭代后，本次AI DAY也迎来了全面的升级，正式开放赋能。顾维灏介绍，MANA计算基础服务针对大模型训练在参数规模、稳定性和效率方面做了专项优化，并集成到OASIS中；其次，MANA感知和认知相关大模型能力统一整合到DriveGPT雪湖·海若中；第三，增加了使用NeRF技术的数据合成服务，降低Corner Case数据的获取成本；同时针对多种芯片和多种车型的快速交付难题优化了异构部署工具和车型适配工具。

此外，MANA的视觉感知能力持续提升，一方面可同时学习三维空间结构和图片纹理，并将纯视觉测距精度超过了超声波雷达，BEV方案也拥有了更强的通用性和适配性；另一方面可实现单趟和多趟纯视觉NeRF三维重建，道路场景更逼真，肉眼几乎看不出差异。通过NeRF进行场景重建后，可以编辑合成真实环境难以收集到的Corner Case。在原有的全局视角修改、添加光照/天气效果的基础上，新增合成虚拟动态物体的能力，可以在原有设定的运动轨迹上，合成各种Hard Case，模拟城市复杂交通环境，用更低成本测试提升城市NOH能力边界，更好提升应对城市复杂交通环境。

值得一提的是，面对目前行业里最难的视觉任务之一——单目视觉测量，继特斯拉后，毫末也在中国率先开始验证能否使用鱼眼相机代替超声波雷达进行测距，以满足泊车要求。毫末把视觉BEV感知框架引入到了车端鱼眼相机，做到了在15米范围内达到30cm的测量精度，2米内精度高于10cm的视觉精度效果。泊车场景使用纯视觉测距来取代超声波雷达，将进一步降低整体智驾成本。

易车超级评测体系重磅上线！专业、硬核、全面的汽车评测内容云集，易车年度车型榜单新鲜出炉！上易车App搜索“超级评测”，等你来看！

汽车智能化指数是指为衡量或评价汽车智能化水平,根据标准化、合理性、易比较等准则,考虑美国SAE提出的等级划分等因素构建的对应各阶段智能汽车技术与产品的一体化、可延伸的基准指标。其宗旨是基于一系列立体化、实践性、全方位定位,发挥产品研发准则、技术测评标尺、科技发展导向等作用。汽车智能化指数是引领全球汽车智能化发展的风向标,其本质是汽车智能化水平的方法论、智能汽车研发的基准值及验证系统。其基本思想是借助可横向扩充和纵向深化的系统性指标,通过科学合理地确定各个指标的不同权重,进行各个子指标的详细对标,从而完成汽车智能化水平综合评价。汽车智能化指数的构建将贯穿汽车智能化水平发展进程全周期的评价体系,依据SAE提出的Level 0-5不同阶段的汽车智能化等级,建立详细的横向扩充和纵向深化的系统性评价指标,并通过专业测评(实验室测评、虚拟场景测评、封闭场景测评)、实践工况(开放道路测评、科技赛事测评)、市场评价(品牌指标、满意度指标)等“三位一体”方法加权核算出对应指数。汽车智能化指数总体可从功能型和性能型两个阶段开展研究。对于目前已量产的智能汽车所处的Level 1-2以及向Level 3的过渡阶段,则主要考虑高级驾驶辅助系统(ADAS)、V2X通信功能等方面评价指标,建立对应的三级树型指标层级结构,形成以单车智能和联网智能为基础,以高级驾驶辅助功能、车与车(V2V)、车与路(V2I)、车与网(V2N)以及车与人(V2P)等方面为划分依据,涵盖自适应巡航控制、自动泊车、车道保持辅助、前向碰撞预警、交通灯预警、在线/实时导航、行人穿行预警等功能的评价体系。基于已建立的评价指标体系,综合利用主客观评价方法确定指标权重,并构建评价模型完成汽车智能化评价实例的具体实施流程。最终计算得出的评价分数与星级结果可为汽车智能化等级提供判断依据,从而促进智能汽车技术研发及产品开发水平的整体提升,也为社会消费者提供科学、合理、可靠的参考依据。本论文的研究成果将有助于整车及零部件企业加快产业转型升级,为智能汽车技术突破以及产品制造提供“详细定位、精准对标”的指导作用;有利于国家部委制定智能汽车产业发展政策,不断完善智能汽车测试与评价技术,推动智能汽车测试与评价相关标准法规的建设与完善;有利于增强社会群体对于智能汽车的客观认知,快速推进大众对智能汽车的认同和认可,为消费者购车提供高权威、可信赖的参考依据。另外,用指数来描述智能化的思想对于研究其它产品智能化同样具有重要的意义。

1.局限性高

无人驾驶汽车在其“视觉能力”方面无法达到人脑的高度，其传感器通过红外摄像和普通摄像两种技术完成道路环境的收集。当车辆在人口密集的楼房建筑区、事故区域或者其他有人通过通用手势信号来指挥车辆在此区域通行时，无人汽车将遇到判断难题。另外，道路存在信号标志老旧变形等情况出现，无人汽车可能产生误识或者漏识，造成不必要的事故。

2.人文接受程度问题

社会对无人驾驶汽车依然存在诸多疑问，如当无人驾驶汽车行驶在这个人口稠密的世界时，发现已经无法避免事故的发生时，智能计算机应该选择冲向马路的行人还是直接撞击迎面而来的车辆？在受到外部虚拟网络攻击后是否还可以维持完全驾驶？未被Google或GPS完全测绘的道路如何行使等。无人驾驶汽车在法律法规方面同样存在极大的挑战。如产品责任，立法和多重管辖权等。无人汽车与有人汽车发生事故责任判定和无人汽车之间发生事故责任判定等。

3.安全防御性低

软件安全公司SecurityInnovation首席科学家乔纳桑·佩蒂特(JonathanPetit)表示，大部分无人驾驶汽车探测障碍物的激光雷达系统只需一个成本不到60美元的装置即可破解。佩蒂特表示，通过这一装置，黑客可以在任何位置设置实际并不存在的汽车、行人，或是墙壁，导致无人驾驶汽车的行驶速度放慢，甚至寸步难行。其相关论文已在欧洲黑帽安全大会上发表 。

百万购车补贴

文 | 清华大学车辆与运载学院、国家智能网联 汽车 创新中心首席科学家 李克强教授

来源 | 汽车 专家咨询委

当前，新一代信息通信及人工智能技术高速发展， 汽车 作为这些新技术应用的重要载体，正在加速向智能化和网联化转型，而智能网联 汽车 将成为新一轮产业转型升级的重要标志和依托。

世界各国加速推进智能网联 汽车 的创新发展，但 汽车 主要制造国家尚未对产业和技术发展道路形成统一认识，中国也没有成功经验和既定道路可以借鉴。因此，有必要立足高新技术与产业发展要求，并结合我国国情， 探索 并实践智能网联 汽车 创新发展方案。

一、国外智能网联 汽车 发展战略现状

目前，美国、欧洲和日本等 汽车 产业发达国家或地区已经在推动智能网联 汽车 产业发展方面开展了大量 探索 性工作， 形成一定的先发优势。

在美国，凭借政府产业规划和项目引导，智能网联 汽车 产业起步早，伴随着智能交通系统（ITS）的整体部署而快速发展。自2016 年以来，美国交通部制定并不断更新发布自动驾驶战略规划，2020 年1 月份公布了《确保美国自动驾驶 汽车 技术的领导地位：自动驾驶 汽车 4.0》，提出整合交通部、司法部等政府部门在智能网联 汽车 产业发展方面的相关职能， 以更高效地推动智能网联车辆实践应用。

在欧洲，政府及产业界正加强跨国家和地区的自动驾驶联合示范， 探索 道路智能化发展。2018 年5 月，欧盟委员会发布《通往自动化出行之路：欧盟未来出行战略》，明确到2020 年在高速公路上实现自动驾驶，在城市中心区域实现低速自动驾驶；在网联应用上，到2022 年，欧盟所有新车都将具备通信功能。此外，为深入分析技术实现路径，促进各国联合推进，欧洲道路交通研究咨询委员会在2019 年3 月发布新版技术路线图，对网联式自动驾驶技术发展路线进行规划， 以此作为其后续产业发展和部署的重要依据。

在日本，2014 年内阁府就制定《战略性创新创造项目— 自动驾驶系统研究开发计划》（SIP_adus），旨在推进政府和民间协作，重点是基础技术与协同式系统相关领域的商业化开发。2019 年，SIP_adus 进入2.0 阶段，将自动驾驶与未来智能 社会 （Society 5.0）的协同纳入重点方向。同时，日本也在对《道路交通法》、《道路运输车辆法》等相关法律法规进行修订，避免对新兴技术造成阻碍，营造有利于智能网联 汽车 发展的法律环境。

二、我国智能网联 汽车 发展 探索 与实践

为加快建设智能 汽车 强国，实现 汽车 产业的转型升级， 我国也通过不断完善顶层设计规划、加速标准体系建设、鼓励示范应用等方式加快推进智能网联 汽车 产业发展。

2019 年9 月，国务院发布《交通强国建设纲要》，提出加强智能网联 汽车 （智能 汽车 、自动驾驶、车路协同）研发， 形成自主可控完整的产业链。2019 年12 月，工信部对《新能源 汽车 产业发展规划（2021-2035 年）》公开征求意见，明确了未来我国智能网联 汽车 的量产规模、能力水平和商业化应用范围等发展目标。2020 年2 月，发改委等11 部委联合印发《智能 汽车 创新发展战略》，明确提出建设中国标准智能 汽车 的发展方向和实现智能 汽车 强国的战略目标，清晰规划了技术创新、产业生态、基础设施、法规标准、产品监管和网络安全等六大体系重点任务，对智能 汽车 未来发展方向具有重要的指导意义。

我国智能网联 汽车 创新发展路径具备以下特征：结合中国优势与产业发展趋势，通过优势产业的协同带动效应，实现跨越式发展；在凝聚共识的基础上， 探索 适应产业变革需求的发展路线；以 汽车 为核心，实现 汽车 、交通与智慧城市共同发展的智能网联 汽车 新型体系架构。智能网联 汽车 系统架构的变化，将打破传统 汽车 产业垂直的产业链结构，呈现出网络化、扁平化特征和平台化的发展趋势。构建行业基础平台并集中突破，将有效推动智能网联 汽车 产业的协同发展， 形成发展合力。

因此，在符合中国的基础设施标准、联网运营标准和新体系架构 汽车 产品标准的前提下，建立我国智能网联 汽车 信息物理架构，充分融合智能化与网联化发展特征，以车载计算基础平台、智能终端基础平台、云控基础平台、高精动态地图基础平台和信息安全基础平台等五大平台为载体，实现“人-车-路-云”一体化协同的创新发展道路。

智能网联 汽车 产业链的核心关键节点集中体现在五大基础平台及其共性技术领域。这五大基础平台的建设将是未来智能网联 汽车 产业中的高端核心组成部分，为不同企业产品研发提供跨领域的共性交叉基础模块、中间组件和通用平台，将形成产业发展的基础支撑，加速产业协同创新。这些关键节点的突破，将形成我国智能网联 汽车 产业战略安全的“护城河”，并通过辐射带动作用，推动智能网联 汽车 乃至智能 汽车 产业的协同创新发展。

三、未来智能网联 汽车 发展建议

基于上述智能网联 汽车 发展的 探索 与实践工作，结合我国智能 汽车 创新发展战略，对未来智能网联 汽车 的发展，提出以下建议。

1.突出产业优势，发展中国标准智能 汽车 。 区别于传统 汽车 产业，智能 汽车 发展具备明显的本地属性，其发展路径依赖于本国的产业基础，并受到政策法规、标准体系、基础设施和交通场景等的影响。因此，需要依托我国在道路交通设施、无线移动通信、北斗导航定位和路网地理信息等方面建设优势，开展复杂系统体系架构基础前瞻技术研发，构建先进完备的智能 汽车 基础设施体系，从智能化路网设施、车用无线通信网络、高精度时空服务、车用基础地图和大数据云控平台等角度完善基础设施建设，进一步突出我国智能 汽车 在网联化方面的技术优势与演进特色。面对 汽车 智能化与网联化的发展趋势，我国也将建立中国标准智能 汽车 信息物理系统架构，协调以智能 汽车 为核心的各类复杂系统问题，真正实现“人-车-路-云”一体化发展。

2.突破共性技术，推动基础平台建设。 伴随着技术的跨界融合，智能 汽车 产业面临大量基础前瞻技术与共性交叉技术挑战，如何攻克相关挑战也已经成为各国智能 汽车 产业的竞争焦点。当前，我国正在通过智能计算平台、新型智能终端、云控平台、高精度动态地图及定位和信息安全等基础平台建设，加速共性技术突破。上述基础平台是中国标准智能 汽车 的重要特征，也是智能 汽车 的支柱“新型零部件”。因此，需要攻克智能 汽车 底层关键共性技术，构建五大基础平台，为不同类型企业产品研发提供跨领域的共性交叉基础模块、中间组件和通用平台，形成产业发展的基础支撑，加速产业协同创新发展。

3.挖掘创新资源，培育创新发展平台。 智能 汽车 跨产业深度交叉融合的特征决定了其技术无法由单一行业或企业完成，需要形成跨行业发展合力。发展好智能 汽车 需要充分挖掘创新资源，加强开放合作、协同研发。在创新主体 探索 方面，我国支持建设了国家级智能网联 汽车 创新中心，组建产业联合体和联盟，培育智能 汽车 创新发展平台等新型市场主体，以创新驱动为核心，密切 汽车 制造、信息通信与互联网等领域骨干企业相互合作，形成跨产业协同机制，有力提升我国智能 汽车 创新能力。未来，需要进一步集中力量突破智能 汽车 关键核心技术瓶颈，提升智能 汽车 基础试验条件和综合服务能力，支撑我国智能 汽车 行业发展。

4.重视示范应用，打造多层次示范体系。 测试验证与应用示范已成为智能 汽车 功能开发、技术验证及认知提高不可获取的环节，可以有效加速技术研发进程与产业化步伐。因此，鼓励支持智能 汽车 测试评价技术、特定场景应用、封闭区域出行服务、示范区建设与评价和车联网先导区建设，形成覆盖仿真测试、道路测试及特定场景示范到大规模城市级综合应用的多层次立体式示范体系，支撑我国智能 汽车 创新发展。未来，以北京冬奥会和通州副中心智能交通、雄安新区智慧城市等重大工程建设为契机，开展智能 汽车 示范运行，呈现智能 科技 成果，打造“人-车-路-云”一体化系统，加速产业应用步伐。

5.破除应用挑战，加速智能 汽车 市场化步伐。 智能 汽车 给产业带来颠覆性变革，面对车辆控制权的切换和自动驾驶的出现，一方面，我国在法律法规、标准体系及产品监管等方面还存在众多挑战与空白；另一方面，伦理道德和数据安全等问题也都将长期伴随智能网联 汽车 的发展，甚至对商业化推广产生决定性影响。因此，面对上述智能 汽车 应用的挑战，需要继续健全法律法规、完善标准体系、推动认可认证、加强产品管理，以及构建网络安全体系，努力破除发展障碍，培育良好的市场发展环境，同时从组织实施、扶持政策、人才保障、国际合作和发展环境上加强保障。这些措施，既能体现我国大力发展智能 汽车 的决心，也将有效打消消费者对智能 汽车 的诸多疑虑，提升 社会 接受度，最终形成利于智能 汽车 产业发展的良好 社会 环境。

李克强教授

清华大学车辆与运载学院教授， 汽车 安全与节能国家重点实验室主任，国家智能网联 汽车 创新中心首席科学家，清华大学智能网联 汽车 与交通研究中心主任，中国智能网联 汽车 产业创新联盟专家委员会主任。

李克强教授长期致力于 汽车 智能驾驶系统动态设计与控制的理论研究及工程应用，获国家技术发明二等奖2项、国家 科技 进步二等奖1项，行业 科技 进步特等奖1项，授权国内外发明专利80余项，发表SCI/EI论文200余篇，获教育部长江学者特聘教授和首届全国创新争先奖。

《新能源 汽车 月度数据监测报告》

中文版、英文版、日文版全球同步发售

邮箱：

最全PPT看懂中汽协产销数据：1月 汽车 销量下降18.0%

最全PPT看懂中汽协产销数据：10月新能源遭遇腰斩

最全PPT看懂中汽协产销数据：9月十五连负

最全PPT看懂中汽协产销数据：8月六大细分市场齐降

最全PPT看懂中汽协产销数据：7月新能源 汽车 负增长