近期，智能輔助駕駛系統安全事故頻發、大規模實測表現堪憂，疊加監管部門接連劃定安全紅線，其安全可靠性正遭遇前所未有的公眾信任危機。7月23日，國家公安機關強調，將協同有關部門進一步加強“智能駕駛”規范管理，標志著行業監管從“事后整改”轉向“事前預防”的國家級體系化治理。

智能駕駛的進化，如同人類駕駛員需要海量經驗積累，如今，高效使用場景數據進行訓練迭代，構建強大數據閉環能力，已成為保障智駕系統安全進化的當務之急。

周鵬｜上汽集團創新研究開發總院，智駕部仿真與數據開發專家

第八屆智能輔助駕駛大會上，上汽集團創新研究開發總院，智駕部仿真與數據開發專家周鵬介紹：面對這一核心挑戰，上汽集團已超前布局，將數據驅動作為智駕能力提升的根基。其數據工廠體系，歷經長期建設與迭代，形成堅實數據閉環基礎。此次數據工廠2.0的升級，基于過往深厚積累進行關鍵攻堅，目標直指云端數據閉環體系的效能躍升，旨在為智駕安全進化提供更強大的底層支持。

重構閉環業務：破解數據流轉瓶頸

隨著智能輔助駕駛算法的快速迭代，車企對數據閉環能力的要求日益提高。然而，原有的數據工廠1.0所包含的四大核心數據平臺，已無法滿足車端回傳數據的高效流轉需求，還暴露出業務上線周期長、推廣難度大、數據復用率偏低等瓶頸。

為此，智駕團隊對數據和服務進行重新定義，對整個數據閉環業務展開系統性重構，將原有四大核心平臺中的服務進行解耦，拆分為獨立的微服務單元；通過打造全新的純云原生體系，形成數據工廠2.0。

數據工廠2.0體系下，原有業務平臺的訪問入口得以保留，但底層服務通過解耦成為獨立模塊，業務平臺的數據規模因此顯著壓縮，大部分原業務平臺數據下沉至場景數據層進行統一管理。這一變化讓數據調用及結果運算更便捷高效，數據流轉效率隨之顯著提升，進而推動算法迭代效率同步進階，縮短了用戶獲取新功能的周期。

提速智駕研發：四大核心平臺升級

數據工廠2.0體系中，四大核心平臺迎來全面升級。標注平臺同時支持人工標注與自動化標注兩種模式。其中自動化標注涵蓋多類型標注任務，包括BEV標注、車道線標注及OCC標注等。通過對SLAM點云拼接等微服務模塊進行解耦與重構，各功能組件的復用性得到顯著提升。這不僅為標注效率與質量的提升奠定了技術基礎，還進一步增強了對城市復雜場景的應對能力與效率，其最終目的是加速城市NOA功能的落地。

同時，得益于數據工廠2.0新體系的整合能力，仿真平臺很快與問題管理平臺、集成發布平臺等其他業務平臺互通。這些外部平臺的操作均可能觸發仿真工作流執行。例如，問題管理平臺可直接跳轉至可視化界面查看相關數據，可視化平臺提供一鍵生成仿真場景的功能按鈕，用戶可將指定數據轉化為仿真場景并納入場景庫，進行后續仿真驗證。該功能使多層安全驗證成為可能，為用戶提供更強大的行車安全冗余體系。

場景挖掘平臺當前采用視覺語言模型，對視頻或圖像進行向量化處理。針對測試數據中暴露的問題，系統會在全局場景庫中開展相似場景挖掘，挖掘結果按比例分配至訓練集以及測試集。當相似場景數量不足時，平臺將自動觸發數據采集流程。該平臺支持基于圖像或者文本的檢索功能，包括以圖搜圖、以文搜圖等多樣化查詢模式。

仿真數據合成服務采用多種方法生成數據以滿足不同需求。例如，針對地面標線生成、泊車魚眼數據生成以及天氣轉換等場景，智駕團隊較早便開展了相關研究，并應用包括Diffusion方法和純仿真渲染在內的多種技術手段。

此外，平臺還提供基于3D高斯場景重建的新視角生成和閉環仿真服務，并引入特別的優化技巧以保障仿真畫面的可用性，基本做到車輛在車道級的軌跡和姿態改變下，仍能維持仿真畫面的清晰度與可用性，實現場景無感銜接。

隨著城市NOA、記憶泊車等復雜功能加速落地，上汽乘用車正以數據工廠2.0為技術基座，加速賦能旗下車型迭代進化，在智能輔助駕駛系統“數據攻堅戰”中構建核心競爭力，助推中國汽車智能化駛入高質量發展快車道。