在近日于上海舉行的第四屆全球智能駕駛峰會暨網(wǎng)絡與信息安全軟件開發(fā)論壇上，商湯科技移動智能事業(yè)群智能駕駛副總裁石建萍發(fā)表了主題演講。她深入剖析了當前智能駕駛技術發(fā)展的核心挑戰(zhàn)與未來路徑，明確指出：高效解決海量、復雜的長尾場景，是全面提升智能駕駛系統(tǒng)場景覆蓋度與安全可靠性的根本前提。

石建萍首先回顧了智能駕駛技術的發(fā)展歷程。她指出，在經(jīng)歷了基礎感知、規(guī)控功能的實現(xiàn)與常見場景（即“頭部場景”）的初步覆蓋后，行業(yè)正步入深水區(qū)。真正的挑戰(zhàn)來自于那些出現(xiàn)頻率低、但種類極其繁多、形態(tài)各異的“長尾場景”，例如極端天氣、罕見交通參與者行為、復雜道路異形結構等。這些場景雖不常見，但一旦發(fā)生，對系統(tǒng)的處理能力要求極高，直接關系到駕駛安全與用戶體驗。

“長尾場景的解決，不能依靠簡單的數(shù)據(jù)堆砌或規(guī)則枚舉。”石建萍強調。她認為，傳統(tǒng)方法在面對近乎無限的長尾問題時，會遭遇研發(fā)效率瓶頸和成本壓力。因此，高效解決之道在于構建更強大的底層AI基礎設施與核心能力。她詳細介紹了商湯科技在此領域的思考與實踐：

1. 感知決策一體化的大模型驅動范式：商湯正致力于研發(fā)面向自動駕駛的視覺大模型及多模態(tài)大模型。通過大規(guī)模、多任務的預訓練，模型能夠獲得對物理世界更深層次的理解和泛化能力。當遇到未曾明確標注過的長尾場景時，模型能夠基于其強大的通用知識進行推理和判斷，而非僅僅依賴有限的數(shù)據(jù)集，從而顯著提升對未知場景的應對能力。

1. 高效的數(shù)據(jù)閉環(huán)與仿真體系：利用生成式AI技術，可以低成本、高效率地生成海量、高質量的長尾場景合成數(shù)據(jù)，用于模型訓練和補充。結合高保真仿真平臺，能夠對難以在現(xiàn)實世界中復現(xiàn)或存在高風險的長尾場景進行充分測試與驗證，加速算法迭代，形成“真實數(shù)據(jù)驅動-合成數(shù)據(jù)補充-仿真極致驗證”的高效閉環(huán)。

1. 車云協(xié)同的持續(xù)進化能力：真正的“高效”不僅體現(xiàn)在研發(fā)階段，更貫穿于車輛全生命周期。通過車端輕量化模型與云端大模型的協(xié)同，系統(tǒng)可以實現(xiàn)對行駛過程中遇到的“新”長尾案例的持續(xù)學習與模型優(yōu)化，并將升級后的能力通過OTA方式部署到車隊中，讓整個車隊的智能水平不斷進化，逐步消化長尾問題。

石建萍進一步將智能駕駛與本次峰會的另一個主題——網(wǎng)絡與信息安全——聯(lián)系起來。她指出，隨著智能駕駛系統(tǒng)復雜度的提升，尤其是車云協(xié)同和數(shù)據(jù)閉環(huán)的深入，網(wǎng)絡安全、數(shù)據(jù)安全與功能安全變得深度耦合。確保數(shù)據(jù)在采集、傳輸、訓練、部署各環(huán)節(jié)的安全，防御針對AI模型和傳感器的潛在攻擊，是智能駕駛系統(tǒng)，尤其是在應對長尾場景時能夠可靠運行的基石。商湯在研發(fā)智能駕駛技術的也構建了完整的內生安全架構。

石建萍道，智能駕駛的最終目標是實現(xiàn)全場景、無隱患的可靠體驗。通往這一目標的道路上，攻克長尾場景是必須翻越的山峰。而翻越這座山峰不能僅靠“人力”，必須依靠以AI大模型為代表的新一代AI技術，構建起高效感知、高效迭代、高效進化的系統(tǒng)能力，同時筑牢網(wǎng)絡信息安全的防線。她表示，商湯科技將繼續(xù)深耕原創(chuàng)AI技術，與行業(yè)伙伴一道，推動智能駕駛技術邁向更安全、更廣泛普及的新階段。

本屆峰會聚焦智能駕駛與網(wǎng)絡安全的融合發(fā)展，石建萍的演講從技術根本出發(fā)，為行業(yè)突破當前瓶頸提供了清晰的技術視角與實踐路徑，引發(fā)了與會者的廣泛共鳴與深入討論。