本报讯 （记者刘钊）7月15日，在吉林长春举行的2025新能源智能汽车新质发展论坛上，清华大学车辆与运载学院院长王建强教授发表题为《智行天下，安驶未来——智能汽车安全技术发展现状与趋势》的主题演讲，深入剖析智能汽车安全技术的现状、挑战及未来方向，提出以认知驱动为核心的技术创新路线，为高等级自动驾驶落地提供新思路。

清华大学车辆与运载学院院长王建强（组委会供图）

智能汽车安全技术面临挑战

现有路线存在局限

王建强指出，我国道路交通场景复杂、事故频发，提升交通安全已成为国家迫切需求，而智能汽车技术是解决这一问题的关键。低等级智能汽车已实现高市场渗透率和大规模应用，但在迈向高等级自动驾驶过程中，复杂长尾场景下的事故时有发生，安全技术仍面临诸多难题。

他解释，车辆故障、复杂环境扰动等不可控因素始终存在，需依靠“感知–认知–决策”全链路技术体系保障安全。但当前技术仍存局限：特斯拉事故暴露感知系统误检问题，Waymo事故反映对潜在风险认知不足，Uber事故则源于决策误判，这些案例均显示智能汽车在处理突发、复杂场景时的技术短板。

同时，王建强分析了当前主流技术路线的短板。规则驱动通过预设规则实现决策，结构清晰、可解释性强，但依赖固定规则，难以适应开放场景，无法满足L4级及以上自动驾驶需求。数据驱动具备自主学习和场景泛化能力，却存在“黑箱”决策、依赖训练数据、推理速度慢等问题，在极端场景下安全保障能力不足。

认知驱动成破局关键

技术演进指向类人认知

“人类驾驶不依赖海量数据，而是基于知识、经验和常识判断。”王建强受此启发，提出认知驱动作为第三条技术路线。该路线融合规则驱动的可解释性与数据驱动的学习能力，既让规则系

统具备进化能力以适应复杂场景，又推动数据系统“去黑箱化”，实现过程透明与结果可信。

认知驱动的核心是对人、车、路系统的深层理解，构建要素特性、相互作用及运行规律的精准建模。其技术架构涵盖感知、认知、决策三层：感知层融合物理状态估计与语义理解，提升环境重构可靠性；认知层通过“统一场”建模与深度学习，实现风险趋势判断；决策层结合知识图谱与大模型推理，应对复杂未知场景。

展望未来，王建强认为自动驾驶正从规则驱动、数据驱动向认知驱动演进，核心是构建“类人认知、学习与进化”能力。他提出“三纵三横”技术架构支撑智能汽车规模化发展，并强调智能汽车安全需通过“类脑认知架构”实现驾驶认知模式跃迁，最终提升自动驾驶系统的自学习、自反思、自适应能力，打造具备人类类脑推理特征、安全可验证的高等级智能驾驶系统。

A股商誉资产的“双面叙事”　　界面新闻记者|尹靖霏　　2025年上半年，A股市场见证了商誉资产的双面叙事：一边是龙头企业通过战略性并购实现业务版图扩张，商誉规模水涨船高；另一边则是部分公司因经营环境剧变或资产出售，不得不计提大额商誉减值，业绩瞬间变脸