【清华大学】2025大模型时代的新能源汽车自动驾驶发展趋势_22页_3mb

2025中国汽车流通行业新春启航大会暨促消费大会报告摘要

邓志东教授在报告中系统分析了大模型时代新能源汽车自动驾驶技术的发展趋势，重点围绕范式变革、世界模型驱动的解决方案突破及认知智能发展三大方向展开。

一、范式变革：多模态大模型推动自动驾驶技术升级
当前自动驾驶技术正经历从传统感知驱动向多模态大模型主导的范式转变。视觉-语言模型（VLM）与视觉-语言-动作模型（VLA）成为核心创新方向。VLA通过融合感知空间与动作空间，实现对复杂场景的跨模态理解与生成。其性能提升体现在：1）提升多模态数据（图像、视频、3D点云、语义地图）的语义对齐能力，强化交叉理解；2）优化开放场景下的实例分割与目标检测准确率，实现更精准的视觉“分词”；3）增强时空动态场景预测能力，嵌入现实物理规律以提升避碰性能；4）通过引入小脑模型，改善行为与动作生成的精准度、鲁棒性及平滑性。这些突破使VLA从数字空间理解生成拓展至物理世界，为自动驾驶决策系统提供更全面的感知与推理能力。

二、世界模型驱动的一段式端到端解决方案突破方向
1）时空场景合成数据生成：依托世界模型与模拟器，可大规模生成边缘事件场景，实现“虚实闭环验证”，降低数据成本并提升场景真实性。4D时空模拟（3维空间+时间维度）支持智能体在虚拟环境中进行交互式学习，进而掌握物理规律。
2）硬件架构革新：

• 感知设备：探讨纯视觉方案是否需结合4D毫米波雷达实现多传感器融合；
• 车载计算平台：展望2025年英伟达Thor芯片（2000TOPS算力）量产及未来车载存算一体芯片的能效比突破；
• 大模型上车：关注AI硬件算力能否支撑百亿参数模型的轻量化部署，以满足端到端模型的实时性需求。
  3）模型与算法创新：
• 底座模型：发展具备线性复杂性的下一代大语言模型，解决现有Transformer架构（平方复杂度）的效率瓶颈；
• 智慧云建设：推动国产AI算力芯片与智慧云适配，构建覆盖AI全产业链的异构数据处理生态；
• 算力网络：加速全国算力中心互联，形成高速、大颗粒的超级智算体系。

三、发展趋势：从感知智能迈向认知智能
自动驾驶将突破当前感知能力局限，向基于学习的决策规划跃迁。关键路径包括：
1）构建多指标评估体系（安全、效率、舒适度、低碳），结合动态优化算法提升系统综合性能；
2）利用推理大模型（如DeepSeek）实现百万级合成场景训练，将接管率降至每10万公里1-3次，缩短轨迹规划响应时间至50ms；
3）数字孪生测试平台将推动实际路测里程占比突破70%，通过自动标注（准确率超99%）、并行测试及虚实数据迁移，加速泛化能力验证。

报告指出，未来五至十年，大模型技术将主导自动驾驶新范式，世界模型驱动的端到端方案将实现技术突破，车路云一体化分布式推理与可视化技术将同步发展。最终，通过感知智能到认知智能的转型，自动驾驶有望实现大规模商业化落地与产业生态构建。