李駿院士：AI開車車企全責，車輛終身納入安全監管

“汽車產業將徹底告別‘駕駛員全責’舊模式，全面進入自動駕駛運行安全時代。未來賣高階自動駕駛車，車企要全程自證安全、實時監控上路車輛、終身承擔安全責任，一套全新的行業規則正在重塑所有車企的研發、生產、售后體系。”

這是中國工程院院士、清華大學教授李駿在7月22日于上海嘉定舉辦的2026中國汽車論壇上拋出的核心觀點。

在主旨發言階段，李駿點出了自動駕駛安全時代的三大特征：動態駕駛任務的責任由駕駛員轉移至制造商；安全第一是自動駕駛汽車進入道路先決條件；自動駕駛安全必須保證全生命周期持續安全，不再是出廠一次性合格。

01

行業面臨三重壓力

2026年，全球自動駕駛法規迎來統一變革拐點，聯合國WP.29、美國《Self-Driving Act 2.0》、中國國標三大體系同步收緊自動駕駛安全門檻。尤其國標方面，國內自動駕駛強制國標GB 44721將于2027年7月1日正式落地，這意味著留給車企改造體系的窗口期僅剩一年。

在李駿看來，行業正承受三重壓力。

壓力一：責任邏輯全面反轉，合規標準徹底升級。

首先，責任主體變了。傳統車出事查司機操作；自動駕駛出事，監管、保險、法院第一時間核查車企的算法、數據、安全管控流程。

其次，認證方式變了。過去只需要做完場地、仿真、道路“三大測試”，滿足條文就能拿資質；現在要求車企做完整安全論證（Safety Case），不能只靠幾次試驗證明安全。

第三監管周期變長，從“上市前一次性檢測”升級為“全生命周期持續取證”，車輛上路后的每一次行駛數據，都要作為安全證據留存。

壓力二：車企研發流程多了關鍵一環，安全重心后移。

傳統車企開發流程是三段式——設計開發、模擬測試、認證上市，車輛交付客戶后研發工作基本結束。但是高階自動駕駛車型新增第四大階段——市場運營全生命周期安全管控。這代表著安全管理重心不再停留在工廠研發階段，而是大量后移到車輛賣到用戶手里之后，車企必須持續監控、修復、迭代全網車輛的自動駕駛系統。

壓力三：確定的時間表，OEM只有一年時間建立ADS全生命周期安全保障體系。

兩套全新能力體系從零搭建，傳統車企完全沒有經驗。想要滿足新規要求，車企必須同步搭建法理體系和車輛監控體系兩大全新板塊，兩套體系各要求企業掌握四項核心能力：

法理體系要解決出事如何免責、自證清白。

這要求具有：安全狀態判斷能力，能實時識別自家自動駕駛車當前是否處于安全運行狀態；合規自評價能力，擁有可信工具，定期自查系統是否符合國家、國際法規；免責舉證能力，整理完整、可核查的安全論據，發生事故時向監管、保險公司、法院證明自身無過錯；長效修復能力，車輛出現安全隱患后，能快速OTA升級、優化算法，杜絕同類問題重復發生。

在線監控體系則要實時盯緊路上每一臺自動駕駛車。依托控制論閉環監管邏輯，車企要對全網車輛動態監控，四大核心能力缺一不可：

場景捕捉觸發能力：自動識別兩類危險場景，一是暴雨、施工、行人橫穿等已知危險路況；二是研發階段從沒見過的“新鮮場景”，要知道，AI最怕陌生路況，極易誤判，因此要有自動留存數據的能力；

海量數據管理能力：完整記錄車輛行駛、感知、決策全量數據，作為監管核查、保險理賠的依據；

數據篩選分析能力：每天產生億萬條行車數據，快速從中篩選出能證明安全、暴露隱患的關鍵信息；

持續迭代改進能力：基于路上真實場景數據，不斷優化算法，實現車輛終身安全升級。

02

行業四大核心難題待破解

在李駿看來，GB 44721國標八大安全細則，全都指向四個必須解決的核心難題上，也是未來車企技術比拼的主戰場。

一是，上路車輛全生命周期持續安全如何標準化衡量；二是，AI算法、視覺感知、決策邏輯如何做到全程可驗證、可信任；三是，自動駕駛不可能做到零風險，如何證明剩下的少量風險是普通人可以接受的；四是，路上不斷出現的未知危險場景，如何持續收斂、閉環解決。

針對四大難題，院士團隊提出五大必備工具，其中兩大工具已寫入全球強制法規，是車企合規硬性門檻。

工具一：Safety Case（安全論證）。

李駿指出，Safety Case在航空、核電、海上鉆井平臺早已強制使用，如今落地汽車行業，貫穿車輛從設計、測試、上市、上路、事故整改全流程。

簡單來說，就是車企不能只說“我的車很安全”，必須拿出一套完整邏輯鏈，要包含五部分內容：

第一是主張：明確說明自家自動駕駛車在哪些路況、天氣、速度下（ODD 運行設計域）可以安全行駛。

第二是依據：用技術原理、行業標準解釋為什么系統能保證安全。

第三是證據：仿真數據、路測里程、實車測試報告、真實行車數據。

第四是假設：坦誠說明系統存在哪些局限、哪些極端場景無法完全應對。

第五是結論：向監管、消費者、保險公司證明，剩余風險可控、可接受。

安全論證有三大硬性要求：可第三方核查、可隨車輛迭代更新、全程可追溯，徹底杜絕車企“測試合格就萬事大吉”的舊思路。

工具二：ISMR（在役監測與上報系統）。

這是全球WP.29、中國國標強制要求搭建的，是繼仿真、場地、道路測試之后，行業新增的兩大合規支柱之一，傳統“三支柱測試”升級為五支柱驗證體系。

整套系統分為四個主要步驟：捕捉，路上車輛自動抓拍危險、陌生場景數據；云端上傳，加密回傳車企后臺；實時監控，后臺持續監測全網車輛自動駕駛運行狀態；隱患挖掘上報，分析數據找出安全漏洞，同步上報監管部門，并通過OTA統一修復。

在李駿看來，ISMR背后的四項核心技術，也決定了車企監控能力強弱：

機器能否識別交規，攝像頭、算法看懂紅綠燈、交警手勢、各類交通標志，AI必須嚴格遵守交通規則；

ODD動態邊界識別能力，實時判斷車輛是否超出自動駕駛安全行駛范圍，比如高速自動駕駛駛入無車道線鄉村路，系統立刻預警、要求接管；

SOTIF預期功能安全管控能力，解決系統沒故障，但因為光線、障礙物識別不足導致的危險，比如大霧天攝像頭看不清行人；

AI全鏈路監管能力，監控算法穩定性、識別準確率，防止AI長期使用后性能退化。

在下午的技術論壇上，李駿又簡短地補充說明了另外三大關鍵工具。

一個是世界模擬器（世界模型）。

AI自動駕駛靠海量場景數據訓練，但真實路測無法覆蓋所有極端場景。世界模擬器可以用少量真實數據，AI自動生成海量罕見危險場景，把車輛底盤、動力學特性融入仿真，實現訓練、測試一體化，新車上市前就能補齊絕大多數長尾場景。

另一個是SOTIF量化測試工具。

給AI識別能力制定標準化打分指數，像汽車排放國六標準一樣量化，專門解決“未知危險場景”難題，不用無休止上路跑，在實驗室就能模擬各種極端路況，降低事故概率。

此外，還有車載安全監控控制系統。

這相當于自動駕駛系統的“紀檢小組”，AI負責開車，這套系統全程監督AI的決策、感知行為，一旦發現AI判斷異常、性能下滑，立刻介入干預，避免失控。

03

行業尚存四大技術瓶頸

盡管法規框架已經落地，但在李駿看來，行業仍有四大關鍵問題沒有統一解決方案，也是接下來智能網聯聯盟重點攻堅方向。

一是，持續安全沒有統一衡量標準。到底車輛上路后，事故率、故障率降到多少才算“持續安全”，行業暫無統一指標。

二是，ODD邊界識別難量化。如何精準判斷車輛超出自動駕駛安全行駛范圍，缺少通用判定方法。

三是，車輛系統退化無監測手段。車輛使用多年后，傳感器老化、底盤磨損，AI算法沒有適配硬件老化，極易引發危險，目前缺少成熟監測方案。

四是，殘余風險無統一接受閾值：自動駕駛不可能零風險，多大程度的風險屬于公眾、保險、監管能接受，僅日本行業出臺初步參考，國內尚未形成共識。

除此之外，OTA遠程升級的規范、AI算法決策透明化、未知場景閉環收斂機制，都需要行業聯合制定統一規則。

李駿總結道，自動駕駛安全要做到邊界可說明、狀態可識別、過程可監測、原因可追溯、問題可整改，所有風險長期處于可控狀態。

在李駿看來，運行階段的自動駕駛系統的安全，既需要標準的確定指標，也需要行業建立共同的方法。目前我們行業在這方面還沒有共識。

李駿呼吁，在智能網聯汽車創新聯盟的框架下，去建立一個共識，使自動駕駛技術的發展有明確的安全底線，最終做到自動駕駛汽車安全第一。