在第二十一届上海国际汽车展览会期间，第八届国际汽车关键技术论坛吸引了众多行业专家的目光。中国汽车工程学会秘书长助理、国汽战略院副院长郑亚莉在论坛上发表的主旨演讲，尤为引人关注。她指出，数据驱动的人工智能大模型，已成为解决自动驾驶领域长尾问题的关键所在，为高级别自动驾驶的发展带来了前所未有的机遇。
郑亚莉详细阐述了高级别自动驾驶所需的两项核心能力：一是更智能的决策力，要求系统能够快速决断并谨慎预测；二是更类人的学习力，意味着系统需具备自监督的持续进化迭代能力。她进一步强调，计算芯片、智能底盘和测试验证也是推动高级别自动驾驶发展的关键技术。
在算法模型方面，郑亚莉建议，对于已开始量产应用的模块化大模型，应进一步优化其分层解耦的环境感知和跨域共用的决策控制，并重点突破多模态感知信息融合技术与复杂场景关键特征提取能力。她鼓励市场各方积极探索端到端建模与世界模型深度融合的下一代智能驾驶模型，特别是视觉语言模型（VLM）、视觉语言动作模型（VLA）与世界模型的融合，以提升系统的安全性和智能决策能力。
针对数据训练，郑亚莉认为，高质量、真实场景的数据将变得越来越稀缺。她提出，基于生成式世界模型的数据高效合成方法，将是解决数据短缺问题的有效途径。在模型训练方面，她观察到“自监督筑基+强化学习调优”的趋势，前者通过掩码重建、对比学习等方式挖掘数据内在规律，后者则结合人类驾驶经验知识进行策略微调。这种数据高效与训练高效的结合，将推动模型开发从“规则+数据”驱动向“知识”驱动转型，从而解决长尾难题，让AI从“见过大量案例”进化到“理解驾驶本质”。
在计算芯片方面，郑亚莉指出，为支持大模型在端侧部署，满足高级别自动驾驶所需的感知、通信、计算和存储等功能，汽车芯片特别是SOC芯片将更加注重高算力、可配置、强集成和易扩展的特性。她认为，RISC-V架构、存算一体、多维封装将是提升芯片性能的关键技术。
随着电驱动系统的技术迭代，底盘作为汽车安全可靠行驶的重要组成部分，也迎来了技术变革。郑亚莉表示，底盘正从传统底盘、电动底盘向智能底盘转变，成为未来电动化与智能化进一步转型升级的融合载体。她预测，结构集成化、部件线控化、控制智能化将是智能底盘的重点发展方向。
针对不断增加的测试需求，郑亚莉提出了未来测试验证的主要手段：仿真测试和场地测试。她解释说，仿真测试需要反复遍历各类已知交通场景，进行全面而高效的算法验证，并识别出边界场景；场地测试则在受控条件下，对关键场景进行精细校验，特别是边界场景下的系统操作验证；而道路测试则在当前仿真测试不健全的情况下，在真实交通流中验证系统边界和交互安全，并持续采集新场景。
