新盛公司直属客服微信71465115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及教授王建强就智能汽车的发展发表了见解，强调“智能汽车”不仅需具备智能，更应首先确保安全。
王建强强调，数据驱动作为自动驾驶的主要发展路径之一，拥有自主学习、模块集成以及场景泛化能力，但同时也存在决策不可解释、对训练数据依赖度高、模型参数庞大导致推理速度慢等问题。这表明，在极端场景下，数据驱动在安全保障方面面临重大挑战，难以支持L4+级自动驾驶的实施。
王建强认为，仅依靠数据驱动无法有效应对长尾场景，人类学车时更多依赖日常经验与知识。因此，要解决长尾问题，需要借鉴人类的学习方式，引入认知驱动的路线，融合知识与数据，打造具有更强推理和泛化能力的智能系统。
为克服规则系统的僵化和数据系统的黑箱问题，王建强提出了认知驱动的技术路线。他认为，这种路线以人脑认知机制为灵感，结合规则驱动的可解释性和数据驱动的学习能力，使规则驱动系统具备进化能力，并推动模糊系统“去黑箱化”，实现过程透明、结果可信。
王建强指出，认知驱动的核心在于对人与车路系统的深入理解，构建准确建模与数字表达。这种路线不仅继承了规则驱动的可解释性，还具备数据驱动的适应性，更强调“理解机制”本身。认知驱动旨在使智能驾驶系统具备泛化、演化和可靠决策能力。
王建强表示，当前自动驾驶发展滞后于预期，面临诸多难题。要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，回归以人为中心的技术理念，聚焦系统能力构建，推动从功能智能向认知智能的转变。
面向未来，王建强提出“三纵三横”式技术架构，为智能汽车演进提供系统化路径。纵向包括车辆关键技术、信息先进技术和基础支撑技术，构成核心功能支撑体系。横向则依托车载终端平台、交通设施平台和信息安全平台，分别强化车端智能、车路协同与系统可信保障。这种架构将共同支撑智能汽车的规模化、规范化和可持续演进。在处理诸如复杂、泛化以及未知等高风险交通场景时，王建强提出观点：“智能车辆”理应首先确保其安全性，故智能汽车的安全性能必须通过“类脑认知架构”来实现对人类驾驶认知模式的模拟。其长远目标在于：增强自动驾驶车辆的学习、自我审视和适应性，打造一个具备人类大脑推理特性且安全性得到验证的高级别智能驾驶系统。
