7月15日，在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表示，“聪明车”必须是“安全车”，智能汽车安全需通过“类脑认知架构”实现向人类驾驶认知模式的跃迁。

王建强指出，当前智驾技术主要是两种路径，其中规则驱动强调可观测与可解释，属于“白盒系统”，但策略固定，难以适应复杂环境；而数据驱动具备一定智能性，能够通过深度学习进行场景泛化，但其“黑箱属性”导致决策过程不透明，难以保障关键时刻的安全可靠性。“为突破规则系统僵化、数据系统‘黑箱’的困境，我们提出第三条技术路线：认知驱动。它以人脑认知机制为启发，融合规则驱动的可解释性与数据驱动的学习能力，这种路线一方面让规则驱动的系统具备进化能力，适应更多场景；另一方面推动模糊系统‘去黑箱化’，变成确定系统，实现过程透明、结果可信。”他说。

王建强表示，认知驱动的关键在于：通过对人、车、路系统的深层理解，构建对要素特性、相互作用与运行规律的准确建模与数字表达。不仅继承了规则驱动的可解释性，也具备数据驱动的适应性，但更强调“理解机制”本身。认知驱动旨在推动智能驾驶系统真正具备泛化、演化和可靠决策能力。

王建强表示，当前自动驾驶系统的实际发展明显滞后于预期，面临的难题仍有很多。虽然不断增加传感器数量和数据规模，但在面对极端复杂场景时，受限于“黑盒模型”的不可解释性与泛化能力不足，系统安全性难以保障，难以突破 L3 向 L4、L5 发展的瓶颈。为实现高等级自动驾驶落地，需要构建“自主学习 + 先验知识”的新范式：一方面利用大模型增强环境理解和推理能力，实现自主“智能涌现”；另一方面引入人类知识学习与反馈机制，使系统具备类人认知与决策能力，提升在长尾场景下的安全与泛化表现。

南方+记者 郭小戈