大卓智能科技有限公司高級(jí)算法專家李紅軍
三、端到端技術(shù)的挑戰(zhàn)測試標(biāo)準(zhǔn)的迭代而非重構(gòu)
針對(duì)端到端自動(dòng)駕駛的“黑盒”特性，李海滄專家明確表示，檢測標(biāo)準(zhǔn)體系不會(huì)因單一技術(shù)而重構(gòu)，但需持續(xù)迭代。端到端技術(shù)通過傳感器直接映射控制信號(hào)，決策過程的不透明性帶來不確定性，但檢測環(huán)節(jié)正引入AI生成場景庫、覆蓋更多極端案例（corner case）等新技術(shù)，以提升檢驗(yàn)檢測的可信度與危險(xiǎn)場景覆蓋度。例如，基于神經(jīng)網(wǎng)絡(luò)與機(jī)器學(xué)習(xí)的測試方法，正推動(dòng)檢測標(biāo)準(zhǔn)與規(guī)程的動(dòng)態(tài)更新。
中汽研科技有限公司智能網(wǎng)聯(lián)汽車研究部智能駕駛測試技術(shù)專家李海滄
四、芯片架構(gòu)創(chuàng)新異構(gòu)多核驅(qū)動(dòng)數(shù)據(jù)處理與控制邏輯協(xié)同
周勇專家詳細(xì)解析了自動(dòng)駕駛芯片的異構(gòu)多核設(shè)計(jì)如何匹配激光雷達(dá)數(shù)據(jù)處理與整車控制邏輯。激光雷達(dá)數(shù)據(jù)處理通常分為數(shù)據(jù)輸入、點(diǎn)云預(yù)處理、深度學(xué)習(xí)推理與特征提取、后控制處理四個(gè)步驟，傳統(tǒng)方案需多芯片分工（如DSP處理數(shù)據(jù)輸入、GPU進(jìn)行矩陣運(yùn)算、NPU負(fù)責(zé)特征提取、MCU執(zhí)行控制指令），而當(dāng)前主流SoC芯片（如黑芝麻智能的武當(dāng)C1200與華山A2000系列）通過整合CPU、GPU、NPU、DSP等核心，從硬件架構(gòu)層面實(shí)現(xiàn)多傳感器數(shù)據(jù)的高效協(xié)同，優(yōu)化功耗管理，提升不同核心間的任務(wù)調(diào)度效率。
黑芝麻智能科技有限公司產(chǎn)品管理總監(jiān)周勇
五、未來展望技術(shù)信仰與產(chǎn)業(yè)趨勢的凝練預(yù)判
