7月23日，2026中国汽车论坛主题论坛“AI驱动智能网联汽车新能源汽车产业数智新发展”在上海隆重举行。IAE智行众维受邀出席并与行业伙伴共同参与“智驾数据产品上架汽车行业可信数据空间发布仪式”。

前期，由中国汽车工业协会牵头建设的智能网联新能源汽车行业可信数据空间，已入选国家数据局发布的可信数据空间创新发展试点，该项目致力于打造行业数据流通基础设施，着手破解数据流通应用难题。此次发布，行业首次在可信数据空间上规模化呈现合规脱敏后的智能驾驶数据产品，覆盖感知、行为、智舱、合成四大类别，覆盖超30万条原始采集及标注数据、12万动态场景，数据规模超过500TB、8000万帧。

作为本次联合发布和产品上架的核心数据服务商之一，IAE智行众维上架了多款智能驾驶数据产品，覆盖感知算法训练、仿真测试验证与驾驶行为分析等核心研发环节。

合成数据推出Sim-KITTI仿真图像2D目标检测/3D仿真点云3D目标检测训练数据集，基于DEEP OCEAN.AI平台生成高保真仿真图像数据并附带2D/3D标注，适用于感知算法训练、多模态融合研究及Corner Case数据补充；SimTerrain高速与城市道路静态场景数据集，提供高精度OpenDRIVE路网及3D模型，支撑高速/城市NOA仿真测试及驾驶模拟器应用。

行为数据推出SimScenario AEB与TJA仿真测试场景集，覆盖C NCAP法规场景及典型危险工况，支持ADAS功能开发与安全性验证；中国真实城市路端自然驾驶行为轨迹数据集，提供36万帧结构化轨迹数据，可用于驾驶行为建模、轨迹预测、交通流研究及车路协同。

IAE智行众维长期深耕面向物理AI领域的仿真闭环测评技术与产业落地，基于自研的DeepOCEAN.AI平台，融合”水木灵境”场景工场的多模态真实自然驾驶数据完成世界模型训练优化，依托模型自动化量产行业稀缺长尾极限场景，全面赋能数据加工、自动驾驶算法训练、虚实融合仿真评测等核心业务。 目前已积累超百万组真实数据资产并实现规模化商业交付，并持续迭代模型能力和虚实迁移核心能力，拓展物理 AI 多场景测试训练数据应用。

新闻来源：新华财经

7月3日举行的第一届数字经济机遇年会设置“耐心资本全国行·走进全球数字经济大会”环节。作为该环节的路演企业，苏州智行众维智能科技有限公司从自动驾驶场景切入，全面展示其物理AI仿真与数据能力，加速构筑AI具身智能体与物理真实世界之间的桥梁。

新华财经北京7月5日电（刘苏毅） 3日，2026全球数字经济大会第一届数字经济机遇年会（以下简称“年会”）在北京国家会议中心举办。年会设置“耐心资本全国行·走进全球数字经济大会”环节，六家代表企业与多家知名投资机构负责人进行现场路演与互动交流，以金融赋能科技创新，助力数字经济企业行稳致远。作为现场路演企业之一，苏州智行众维智能科技有限公司（以下简称“智行众维”）从自动驾驶场景切入，正全面释放其物理AI仿真与数据能力在端到端智驾和具身智能的泛化潜力，加速构筑AI具身智能体与物理真实世界之间的桥梁。

图为智行众维创始人兼首席执行官安宏伟路演现场

人工智能进入下半场，多模态智能体正加速从虚拟的信息世界沉浸到真实的物理实体中。在此过程中，算法需突破屏幕，在真实的物理世界中做出动作，与错综复杂的对抗环境进行高频交互。这就意味着，物理AI落地应用的主要瓶颈不再是算法，而是黑盒模型在物理环境中的安全性边界验证，以及长尾场景数据的高昂获取成本。

智行众维以自动驾驶仿真测试和数据支持起家，已完成海量高质量训练测评数据、物理AI仿真引擎、X-In-Loop闭环测试工具链和强标合规资源的积累沉淀。以汽车智驾为切入点，智行众维创始人兼首席执行官安宏伟给出解决方案——依托 X-In-Loop虚实融合仿真测试工具链、“水木灵境”高保真场景及合成数据生产平台，以及脱敏合规海量高质量场景数据真值资产库，构建起物理 AI 评测与数据的通用技术底座。

据安宏伟介绍，基于经过充分验证、具备高壁垒的车规级物理引擎平移能力，公司正全面赋能具身机器人与空间智能的创新发展，为其提供极具物理可信度、虚实融合的训练与测评空间。

从“汽车智驾安全”迈向“万物具身智能”，智行众维将自身定义为“大模型时代物理AI和智能体评测验证全链闭环领导者”，已从技术探索阶段迈入规模化验证与商业落地阶段。“通过构建‘标准工具链+场景数据SaaS订阅+合成数据’的软硬一体、高毛利与轻资产的商业化模式，公司已累计实现营收规模7亿元并连续盈利，实现强劲的自我造血能力。”安宏伟表示。据悉，智行众维现已正式启动 A 轮融资，聚焦世界模型迭代、物理 AI 多场景训-测数据泛化及双向合规出海布局。

产业向上生长，离不开资本活水的浇灌。在路演点评环节，君联资本董事总经理纪海泉表示，具身智能和物理AI是人工智能从大语言模型走向世界模型的重要一步，市场空间广阔。他肯定了智行众维在自动驾驶领域积累的数据基础和技术能力，同时建议公司未来要“先人一步，先把数据标准定出来”，在激烈的行业竞争中率先占领市场制高点。

中科创星合伙人夏琳指出，智行众维在仿真测试软件方面具备技术领先性，打破了传统仿真软件“重渲染、轻物理”的局限。她认为，公司领先性体现在高逼真度的物理级传感器仿真以及高保真车辆动力学模型。在云原生架构下，其平台能够支持百万级公里的大规模并发仿真，这在处理自动驾驶长尾问题时具有显著优势。

夏琳进一步表示，从自动驾驶仿真测试扩展到具身智能领域的思路非常好，“项目做的是卖水人的生意”，随着智驾政策落地和汽车出海加速，智能仿真测试是“能扛周期”的赛道。

2026全球数字经济大会第一届数字经济机遇年会由全球数字经济大会组委会主办，北京市经济和信息化局、中国经济信息社、经济参考报社、新华社北京分社、中国国际科技促进会母基金分会共同承办。年会以“聚智寻机·赋能未来”为主题，设置主旨演讲、成果发布、耐心资本全国行等核心环节，共同探讨数字经济形态下，人、企、城的发展新机遇。（完）

摘要：在智能驾驶竞争回归“体验与安全”本位的当下，感知算法迭代效率正成为车企核心竞争力。IAE智行众维推出 iTT-GT 真值系统，以开放架构为底座，融合 AI 自动化与闭环评测能力，助力车企打通从路采数据处理→真值生成→算法评测→结果验证的完整流程。

行业背景：智驾研发步入“深水区”

随着高阶辅助驾驶的规模化普及与 L3 级自动驾驶探索的持续推进，感知算法面临着越来越复杂的场景挑战。与此同时，行业竞争正从单点算法优化，逐步转向数据效率与工程化能力的竞争。

感知研发的核心瓶颈仍在于真值生成与评测流程的滞后。传统模式不仅受困于传感器标定偏差、时空同步难等数据质量问题，更因人工标注效率低、缺乏过程证据及量化评测体系，导致大量路采数据难以持续复用，严重制约算法研发、验证与量产迭代效率。

针对上述挑战，IAE 智行众维推出?iTT-GT 真值系统。该系统通过打破“数据孤岛”与“黑盒作业”的工具链壁垒，面向车企与 Tier 1 提供即采即用、高效闭环的一站式真值生成与测评平台，构建感知算法验证闭环。

01 高精度同步底座：构建可信的数据基准

iTT-GT 基于高精度全链路时间同步能力，确保评测数据具备统一的数据基准：

• 高精度时空同步：原生支持 GPS 与 PTP/gPTP 微秒级硬件时间戳对齐以及相机触发曝光，可实现 Camera、LiDAR 等多传感器全链路硬件时间对齐。同时兼容主动、被动双向授时模式，可直接适配客户现有智驾域控及数据采集系统，无需对整车进行二次改造。
• 数据完整性：通过对数据流的实时监控与校验，保证算法训练、评测与回归分析始终基于一致的数据基准。

02 开放式架构：统一的数据资产与评测底座

iTT-GT 改变了采集硬件与标注软件深度绑定的传统模式，实现数据资产的持续增值：

• 存量资产唤醒： 兼容主流传感器协议，支持直接解析并处理存量路采数据包（如 Rosbag、MCAP），让历史数据持续服务于算法训练、验证与回归分析，而不是随着工具链更替成为“沉没成本”。
• 评测生态自主：打破“黑盒”限制，支持用户直接接入自有算法模型与评测逻辑，实现对算法迭代及验证过程的自主可控。

03 应对长尾挑战：自动化标注与场景筛选构筑效率壁垒

iTT-GT 通过引入 AI 自动化流水线，实现了从“人找数据”到“数据找人”的转变：

• 多模态自动标注：内置高性能多模态融合算法，自动完成点云与图像的高精度时空对齐与标注，支持轨迹级的交互式精修。
• 智能长尾挖掘：系统内置离线场景筛选引擎，研发人员可通过定义触发条件(如：特定距离的切入、遮挡工况、恶劣天气)，自动化挖掘、分类与归档长尾场景。这种“场景按需供给”的能力，直接解决了算法训练中 Corner Case 匮乏的工程痛点。

04 闭环评测能力：让每次算法升级都有量化依据

iTT-GT 面向感知算法验证流程，支持将Ground Truth（GT）与算法输出进行对比分析，形成多维度评测指标和过程记录。

• 全维量化评测体系：内置标准化评测体系，覆盖目标检测、目标跟踪、轨迹预测、车道线识别等核心算法，可自动输出 IoU、Precision、Recall、MOTA、MOTP 等关键指标，并支持批量回归分析、多版本算法对比，帮助研发团队持续跟踪算法演进效果。
• 标准化交付报告：自动输出包含性能对比、覆盖率及演进趋势的结构化报告，并提供“原始数据-参考真值-算法预测”联动回放，助力研发团队快速定位误检根因。

05 安全合规与极速部署：沙箱极速部署适配专属云环境

iTT-GT 通过创新的部署模式，提供了兼顾部署效率与数据安全的解决方案。

• 合规支持：支持人脸与车牌自动模糊脱敏，内置标准的地理信息加偏与解耦接口，确保真值处理全过程满足相关监管与合规要求，为主机厂合规使用提供支撑。
• 容器化沙箱：采用插件隔离架构，支持私有云环境下一键拉起，简化环境调试，大幅缩短从系统集成到上线验收的周期。

从数据到算法，构建持续演进的数据闭环

随着“AI+仿真测试”逐渐成为行业标配，IAE 智行众维正通过 iTT-GT 真值系统，将中国智驾的研发范式从“重资产堆砌”推向“高效率流转”。 我们不仅通过开放架构消除了研发流程中的”数据孤岛”，更通过高精度同步、自动化真值生成与标准化评测能力，帮助车企构建可持续演进的感知验证数据闭环，加速感知算法从研发验证走向工程化落地。让每一公里路采数据都产生价值，让每一次算法迭代都有据可循——助力中国智能驾驶在全球竞速中，不仅跑得更快，更跑得“心中有数”。

欢迎扫描下方二维码，了解更多产品详情

随着AI技术的发展，AI工具不仅在我们的日常生活中，在职场环境中也成为了不可或缺的合作伙伴。相较于个人用户，企业工程师在落地 AI 应用时普遍面临同一核心痛点：如何在保障数据安全的前提下，打通企业自有业务环境与内部数据，实现与 AI 的高效互通？为系统性解决该行业难题，VisualPro正式引入全球前沿创新标准——MCP（Model Context Protocol，模型上下文协议）。

通过MCP将各类复杂的连接方式标准化

什么是MCP（模型上下文协议）

MCP是一种开源标准协议，旨在使AI模型能够与外部数据源或工具（如API、数据库、企业内部系统等）进行安全通信。通俗地说，它可以被称为AI生态系统中的“Type-C线缆”。就像我们使用不同品牌的智能手机、平板电脑和电子设备，但只需一根Type-C线缆即可通用一样，MCP将各种数据环境与AI模型之间复杂的连接方式标准化为统一的通用规范。<引自Anthropic官方博客《Introducing the Model Context Protocol》>

MCP运行架构

为什么MCP如此重要

过去，如果AI要利用特定软件或内部数据，必须针对每种环境开发复杂且碎片化的定制集成代码，开发成本高、复用性差。依托 MCP 协议可实现三大核心能力：

1.标准化无缝互通：无需复杂的开发过程，通过标准化规范，AI模型即可与VisualPro环境中的数据即时交互。

2.完备的数据安全与权限管控：杜绝企业私有数据向外网服务器外泄、无授权拷贝，所有数据访问权限在企业本地系统闭环管控，仅向 AI 开放推理所需最小上下文数据。

3.高度弹性扩展能力：无论后续迭代全新大模型，或是企业数据架构发生变更，均可基于 MCP 标准快速适配，扩展性不受限制。

为用户提供一体化集成式全链路工作环境

综上，VisualPro引入的MCP技术将发挥创新工具的作用，帮助用户免去繁琐的系统设置和安全担忧，让工程师聚焦核心业务以提升研发效能。下文将详细介绍 VisualPro 基于 MCP 协议打造的全套 AI 智能分析功能。

MCP 的核心优势 — 安全性与管控能力

基于MCP协议的自动化FMEA分析全流程

依托 Claude Sonnet 4.6 大模型，在VisualPro进行FMEA（失效模式与影响分析）。以变速箱结构分析场景为例，工程师可要求AI推荐属于第三层级的“齿轮组”的下属零部件。确认AI推荐的内容无误后，直接要求将其输入到VisualPro中，即可看到内容被立即反映。

AI 智能推荐可添加至现有 VisualPro 分析架构的条目

由于目前仅在“齿轮组”下创建了部件，这些部件的功能尚未定义。接着，用户可直接请求AI为新增部件推荐功能定义，确认内容后只需指示添加，用户无需逐一手动输入功能，AI便会自动为每个部件匹配并添加相应功能。

AI 辅助完成新增子组件的功能定义及内容录入

在基础结构与功能定义完成后，我们要求它一次性完成从故障分析、风险分析到优化的全过程。AI会基于已定义的变速箱整体结构以及齿轮组下级部件的功能定义，来推导各项功能的潜在失效模式。对于严重度或故障原因，AI将基于用户选择的VisualPro库信息进行判断。

AI 内置 AIAG-VDA FMEA 规则与原理，智能协助用户开展工作

在风险分析阶段，AI会自动识别未构建完整的AP（行动优先级）的故障链路，并以“齿轮组”为中心，构建“失效影响-失效模式-失效原因”的故障网络结构。随后，基于库中存储的信息评估故障原因的发生度(O)和探测度(D)，编写预防措施和探测措施，最终完成 AP 行动优先级计算，闭环风险分析全流程。

仅依托基础录入信息，AI 即可完成全流程 FMEA 分析并输出最优结果

在优化阶段，基于已完成的风险分析结果，输入用于降低AP值的新发生度(O)和探测度(D)，以及相应的预防措施和探测措施，从而完成优化。

支持按自定义格式导出最终分析报告

优化完成后的最终结果可以报告的形式输出。AI可以自行判断并以任意格式输出，用户也可以指定原有使用的格式或模板，以统一的形式输出报告。

构建无安全威胁担忧的AI环境：本地部署（On-Premise）与前沿模型（Frontier Models）

IAE-VWAY 根据客户的数据安全政策与需求，支持两种AI集成方式：

●前沿模型（Frontier Model）集成：通过 API 接口对接 GPT-5、Claude、Qwen、DeepSeek 等高性能商用前沿大模型，充分发挥顶尖模型推理能力。

●本地私有化（On-Premise）部署：面向国防、整车、航空等高数据敏感行业，支持在企业自有内网服务器部署安全加固型小型大语言模型（sLLM），所有 AI 推理运算均在内网闭环执行，无需向外网传输任何研发数据。

携手 VisualPro共启功能安全分析全新范式

●支持STPA、FMEA、FTA、TARA等多种安全分析技术的VisualPro，如今正跨越单纯“工具”的范畴，进化为工程师（Engineer）的“智能合作伙伴”。

●依托 AI 自动化承接重复、繁琐的标准化分析工作，释放工程师大量时间资源，使其聚焦高价值的安全架构设计与验证工作。IAE-VWAY将为您构建最便捷、最安全，且完美契合您企业数据环境的AI分析环境。

VisualPro 已通过 TUV-SGS 认证，可用于 ISO 26262 功能安全分析工作

2026年6月17日，河北清华发展研究院（下称“研究院”）与IAE智行众维共建的物理AI模型和数据联合研发中心启动仪式在河北清华发展研究院石家庄总部顺利举行。研究院副院长张军主持活动，新华社中国经济信息社、苏州市人工智能和大数据产业联盟、苏州挚途科技有限公司等相关产业生态代表受邀参加会议。

当前，人工智能正经历从以大语言模型、AIGC为核心的CyberAI时代，向以自动驾驶、通用具身智能机器人和低空飞行器为载体的PhysicalAI时代加速跃迁。面对这一范式变革，联合研发中心将聚焦物理AI、空间智能等前沿技术领域，围绕“物理规律对齐、物理世界大模型研发与评测、多智能体实时交互”等关键共性技术开展攻关合作，赋能“具身智能 + 智能驾驶 + 低空智能”等全场景体系创新。

启动会上，IAE智行众维董事长王耀东表示，IAE智行众维作为一家专注于智能驾驶仿真测试与空间智能的高新技术企业，深知“核心技术自主可控”和“产学研深度融合”对产业升级的决定性意义。这次公司与研究院强强联合，对我们而言是一次里程碑式的战略机遇。

研究院战略咨询委员会主任张华堂在总结发言中表示，该项目汇聚了顶尖科研力量、优质应用场景和成熟产业资源，具有良好发展基础。并希望团队扎实落实各项规划，持续提升创新能力，为区域科技创新与产业升级注入新动能。

IAE智行众维总经理、联合研发中心主任安宏伟系统介绍了中心的发展规划，他表示，将充分整合智行众维在技术研发、产业落地和场景应用方面的实践经验，以及研究院在高端人才、科研攻关等方面的综合优势，着力打造高水平、深融合的物理AI协同创新平台。在发展规划方面，联合研发中心紧密围绕国家“人工智能+”战略部署，明确了核心技术攻坚方向与重点应用场景，构建具有自身特色的物理AI模型和数据技术体系，为空间智能提供自主可控的基础设施和技术中台。

此次合作标志着IAE智行众维在空间智能与物理AI战略布局上迈出了关键一步，并持续以技术突破驱动产业升级，以生态协同释放创新动能，为构建自主可控的物理AI技术体系贡献力量。

近日，#德勤亚太物理人工智能卓越中心主管合伙人孙晓臻一行到访苏州智行众维智能科技有限公司（以下简称“IAE智行众维”），双方针对#物理AI(Physical AI)、#世界模型的应用展开深入交流并正式签署战略合作谅解备忘录(MOU)。双方将围绕物理AI业务和生态展开深度合作，充分发挥各自在技术创新与管理咨询领域的优势，共同推动世界模型、物理AI技术在汽车行业应用与价值落地。

物理AI趋势与智能驾驶应用核心观点

关于物理AI的发展趋势，德勤亚太物理人工智能卓越中心主管合伙人孙晓臻认为物理AI是实现#工业智能化跃迁的关键驱动力。通过将AI技术与物理世界的严谨逻辑相结合，利用端到端的数字咨询能力，德勤中国致力于深度重构传统产业的业务流程，解决复杂物理场景下的决策与效率难题，从而实现真实的商业价值变革。

针对世界模型在智能驾驶的应用，IAE智行众维CDO刘虎认为，#仿真测试是验证自动驾驶安全性的核心环节，当前AI正在从数字世界走向物理世界，智驾仿真测评也正在经历从传统仿真工具走向世界模型应用的变革。物理AI技术，能够通过更精准的物理仿真与高保真的场景推演，打破传统测试工具的局限。它不仅能够模拟海量长尾复杂场景，还能通过物理逻辑推演实现对真实物理环境的深度理解与预测，从而大幅提升自动驾驶系统的研发效率与落地安全性。

双方合作展望

此次合作标志着双方在深化数字化转型服务、拓展物理AI应用场景、共建物理AI生态方面迈出了重要一步。双方将致力于建立长期的战略合作关系，通过资源共享与优势互补、生态协作，为客户提供更具前瞻性的解决方案，助力客户在复杂业务场景中实现高效增长。

关于德勤亚太物理人工智能卓越中心

德勤中国是一家立足本土、连接全球的综合性专业服务机构，我们的办公室遍布中国31个城市，现有超过2万名专业人才，向客户提供审计、税务、咨询等全球领先的一站式专业服务。

德勤全球率先布局物理人工智能(Physical AI)发展，在中国建立亚太物理人工智能卓越中心(Physical AI Center of Excellence)，并携手全球产业巨头与前沿科技力量，在上海成立集创新、协作与实践于一体的亚太物理人工智能实验室，以端到端数字咨询驱动真实场景变革，推动中国和亚太前沿产业实现智能化跃迁。

近期CICV 2026第十三届智能网联汽车技术年会上，中国工程院李骏院士提出重要警示：自动驾驶清单式合规的应试时代已经结束，Safety Case（安全论证）成为行业新核心门槛，叠加2027年即将落地的ISMR在役监控要求，行业淘汰赛全面开启。

针对这一行业重大变革，IAE智行众维资深首席安全专家方成熏（PANG SUNG HOON / Mr.Pang） 结合二十余年自动驾驶系统研发、功能安全与预期功能安全开发和评测的资深经验，深度解读行业发展趋势，并基于IAE X-IN-LOOP闭环技术体系指出：智能驾驶的竞争早已从“功能比拼”转向安全证据竞争，VaHIL与VTHILS 不只是研发测试关键装备，更是智能驾驶准入前、支撑”安全论证”（Safety Case）的必要基础设施。

一、行业巨变：智能驾驶，从“道路偶遇”全面转向“证据闭环”

过去智能驾驶行业的竞争，大多停留在功能演示、道路里程和用户体验层面。但如今整个行业进入了更冷静、更严格的新阶段：企业不能只证明“系统可以工作”，更必须严谨证明系统在边界条件和故障条件下仍然安全。

安全论证不是多写几页材料，也不是把测试报告简单装订成册。它要求企业把安全目标、危险场景、功能不足、故障反应、验证结果和残余风险用一条清晰的证据链连接起来。

随着国内准入试点、组合驾驶辅助强制性标准、预期功能安全、在用监测相关要求持续加码，所有主机厂、零部件供应商、测试机构都面临同一个核心问题：我的智能驾驶系统，凭什么被信任？

传统道路试验有其固有价值，但无法独立支撑高标准安全论证：暴雨、浓雾、低照度、异形目标、驾驶员接管、通信异常、电源波动、传感器偏移、执行器反馈异常等风险场景，不会按照研发计划准时出现；即便偶然复现，也无法保证下一次以完全相同的条件再次重现。

基于此，行业三大转变已经不可逆：

1. 从功能演示，转向证据闭环；

2. 从道路偶遇，转向可重复验证；

3. 从单一试验报告，转向标准化安全证据包。

正如图示逻辑：安全论证的根基是安全目标，依托明确的ODD与应用场景，设置故障/触发条件，观测系统响应并建立时序判定标准，最终形成完整证据包。没有可复现、可审计、可追溯的证据，所有安全主张都无法站住脚。

二、事故复盘：从公开案例，看懂安全论证必须补齐的核心证据

结合多起公开事故案例分析可以看出，智能驾驶安全风险从来不是单点问题，而是感知、分类、预测、控制、告警、接管、数据记录多环节共同作用的结果。事故案例不是用来制造恐慌，而是用来反推哪些安全证据必须提前准备。

 

结合行业典型问题，目前主要存在三大高频风险点，同时也明确了对应的证据补齐要求：

01 交叉目标/白色目标误识别

感知系统在特殊角度、强光、低对比条件下易出现目标识别不足。

所需证据：目标检测边界、误检/漏检率、触发条件、系统降级策略，以及夜间、遮挡类场景的完整验证数据。

02 非标准目标分类、反应延迟

目标分类、轨迹预测与制动决策链路响应过慢，会直接放大碰撞风险。

所需证据：感知-规划-制动全链路时序数据、最小风险策略、全场景验证记录。

03 驾驶员接管与告警争议

L2/L3级智能驾驶的功能边界、接管请求、驾驶员监控、HMI警告，是事故责任判定的核心。

所需证据：接管请求时机、告警强度、驾驶员反应假设、完整的数据记录。

中国市场的关键不是“谁的功能更炫”，而是谁能把边界条件、接管逻辑、降级策略和数据记录讲清楚、证据化。

结合两类核心在环平台，不同问题可针对性补强证据：

三、VaHIL：面向故障安全，打造全链路证据生成平台

VaHIL 的核心不是“把车辆放到设备上跑一跑”，而是把真实车辆、真实控制链路、虚拟道路负载、故障注入和同步记录打通，形成从故障触发到安全状态的完整证据链。

在安全论证体系中，VaHIL 是面向故障安全的核心证据生成平台，尤其适配线控底盘、制动线控、转向线控、域控制器等对故障处理时序高度敏感的系统。1. VaHIL 核心实效能力

• 高风险故障可安全复现：可精准触发传感器偏移、开路、短路、信号延迟、数据丢帧、电源波动、执行器反馈异常等各类高危故障，全程在实验室完成，规避道路测试风险。
• 故障反应可量化：精准记录故障触发时间、检测时间、报警时间、降级时间、安全状态转移时间，所有数据量化可查。
• 证据链可审计：总线记录、故障码、信号波形、车辆动态响应、试验报告统一归档，完全满足第三方审计、安全评审要求。

2. VaHIL标准交付物(直接支撑Safety Case)

• 故障注入矩阵：明确故障类型、注入位置、持续时间、系统期望响应；
• 时序判定报告：统计检测时长、反应时长、降级时长，判定是否符合安全准则；
• 安全状态证据：报警记录、功能降级、功能退出、最小风险策略、故障码与总线原始数据。

3. 四层故障注入设计

为覆盖从物理失效到功能不足的全风险链，我们将VaHIL故障注入分为四大层级，这也是安全论证中故障部分的核心依据：

VaHIL 的判定不能只看“是否报警”，完整时序链路才是安全论证的核心。必须全程记录故障触发、诊断确认、告警、策略切换、执行器响应、车辆稳定、安全状态到达全流程时间戳。

四、VTHILS：面向场景安全，筑牢预期功能安全验证底座

VTHILS 的核心价值是将道路上难以等待、难以控制、难以复现的长尾场景，转化为实验室内可稳定运行的标准化场景。它特别适合验证ODD边界、恶劣天气、低照度、隧道、湿滑路面、混合交通和V2X条件下的系统鲁棒性。

如果说VaHIL 聚焦硬件与通信故障，那么VTHILS 则主攻复杂环境、长尾场景、预期功能安全（SOTIF），解决大量道路试验无法覆盖的边界工况。

1. VTHILS 核心实效能力

• 环境条件全可控：雨、雾、光照、湿滑路面、隧道等工况全部参数化设置，降雨强度、能见度、照度等指标精准可调。
• 同一场景可无限重复：同一车辆、同一算法版本、同一环境参数反复运行，方便版本对比、回归测试、问题追溯。
• 真实传感器参与：区别于纯仿真平台，沿用实车感知链路，测试结果无限贴近真实上路状态。
• 全面支撑预期功能安全：验证已知不安全场景，同时通过数据闭环持续挖掘全新风险触发条件。

2. 三层场景设计体系

为满足安全论证中场景可追溯、可复用要求，VTHILS场景分为功能场景、逻辑场景、具体场景三大层级：

VTHILS需要完整记录传感器原始数据、感知融合、目标分类、轨迹预测、规划决策、控制指令、车辆动态、HMI人机交互全链路信息，这是支撑预期功能安全论证、接管逻辑论证的核心素材。

五、时序判定：安全论证的核心标尺，从“有无故障”到“是否及时安全”

在安全论证中，单纯说明“系统检测到了故障”并不够。真正关键的问题是：系统是否在允许时间内检测？是否及时告警？是否完成降级？是否进入安全状态？这些问题必须通过统一时间戳的证据回答。

一套合格的时序证据，必须完整包含五大维度：

1.触发条件出现的精确时间；

2.系统检测到异常的时间；

3.报警、接管请求、功能退出的时间；

4.执行器响应与车辆动态变化数据；

5.系统进入安全状态/最小风险策略的时间。

时序数据是Safety Case中最具说服力的量化依据，也是国内外法规、第三方评审重点核查内容。

六、多类验证手段实效对比：VaHIL+VTHILS 补齐证据全缺口

道路试验、纯仿真、传统台架、VaHIL、VTHILS 各有价值，行业发展方向不是用单一手段替代所有测试，而是建立组合式证据体系。

• VaHIL 聚焦高风险故障链、真实执行机构响应，补齐硬件失效、通信异常类证据；
• VTHILS 聚焦复杂环境、交通参与者、ODD边界复现，补齐长尾场景、预期功能安全类证据。

两者深度结合，才能完整补齐安全论证所需的全部证据链条。

七、核心交付物：客户最终采购的，是一整套安全证据包

客户真正购买的不是一台设备，而是一套能够支撑安全论证的证据生成能力。每一个安全目标，都需要对应的场景、触发条件、判定准则、同步日志和报告结论。每一次故障注入，都应当留下检测时间、反应时间、故障码、总线记录、车辆响应和安全状态证据。

安全论证核心公式：安全主张+论证逻辑+可追溯证据= 可审计的安全论证

一套标准安全证据包，包含六大模块：需求追溯、场景定义、故障/触发配置、同步记录、时序判定、结论报告。所有内容围绕安全目标统一归档，可直接用于准入申报、内部评审、第三方检测等。

结合不同业务场景，IAE X-IN-LOOP 方案可输出对应标准化证据：

八、SOTIF闭环：覆盖已知与未知风险，实现全维度安全验证

面向预期功能安全（SOTIF），验证工作不能仅停留在已知场景。VaHIL与VTHILS组合，可搭建从已知不安全场景到未知不安全场景的完整闭环：

九、落地路线图：从设备采购，升级为安全证据能力建设

VaHIL / VTHILS 的导入不应被包装成一次性设备采购，而应被设计成安全证据能力建设项目。结合国内车企、检测机构、供应商的实际落地需求，我们规划五阶段导入路线，循序渐进搭建安全论证能力：

阶段1：需求梳理

梳理安全目标、ODD范围、系统架构、接口要求与准入关注点，输出需求-场景-证据追溯模板，明确测试方向。

阶段2：场景与故障库建设

搭建典型场景、边界场景库、故障注入矩阵与统一判定规则，实现测试体系化。

阶段3：VaHIL/VTHILS正式执行

开展故障注入、环境在环、交通在环测试，生成日志、波形、视频、故障码等原始证据。

阶段4：证据包与安全论证落地

将测试结果按安全目标整合归档，输出标准化证据包，支撑评审与准入。

阶段5：持续更新迭代

结合道路数据、事故案例、软件版本、法规变化更新场景库与故障库，匹配ISMR在役监控要求。

这套路线将硬件采购升级为长期安全资产建设，从根源上降低了开发风险、准入风险以及责任解释风险等。

十、总结：VaHIL+VTHILS，智驾安全论证时代的核心基建

结合李骏院士提出的行业变革，以及国内法规持续收紧的大背景，不难看出行业发展的核心趋势：

智能驾驶行业已经彻底从功能竞争，转向安全证据竞争。谁能更早建立可复现、可审计、可追溯的验证能力，谁就能更快完成准入、从容应对安全评审。

VaHIL 解决“故障发生后，系统是否依然可控”，守住故障安全底线；VTHILS 解决“复杂环境与长尾场景下，系统是否依然可靠”，拓宽场景安全边界。

两大平台结合，把危险场景留在实验室，把验证数据转化为合规证据包，全方位支撑Safety Case安全论证、功能安全、预期功能安全三大核心要求。简单概括其价值：把危险场景留在实验室，把验证结果变成证据包，把证据包支撑安全论证。

合规表达提醒（行业宣传准则）

在对外传播中，我们坚持严谨表述：

-推荐：支撑安全论证证据、ODD内安全性验证、高风险场景可重复验证、降低准入评审风险。

-规避：绝对安全、全场景通吃、完全替代道路试验、保证认证通过。

安全是智能驾驶行业的终身课题。在Safety Case全面落地的新时代，IAE智行众维将持续依托X-IN-LOOP、VaHIL、VTHILS系列解决方案，携手全行业伙伴，以扎实的技术、完整的证据链，助力中国智能驾驶产业合规、稳健前行。

专家介绍

方成熏(PANG Sung Hoon)，IAE智行众维 资深首席安全专家，拥有25年自动驾驶系统、16年ISO 26262功能安全、8年ISO 21448预期功能安全（SOTIF）开发和测评的资深经验，深度参与国际权威安全标准制定工作，是ISO 26262第二版工作组成员、SOTIF工作组、UL 4600工作组成员，对全球智能驾驶安全法规、标准体系具备深刻理解与落地实践能力。

方老师先后任职于通用汽车、日本TAKATA、雷诺日产、现代汽车、红旗等全球知名企业，曾任华为2012实验室 功能安全/预期功能安全副首席专家，主导及参与众多重量级量产与预研项目，包括红旗H9（ADS Level 2+）量产项目、中国SOTIF政府课题、华为L3级自动驾驶预研项目、华为SOTIF安全措施项目、华为基于场景的L4级自动驾驶验证项目等，覆盖自动驾驶域、底盘域、车身域、新能源电控等全领域产品。

参考阅读：中国工程院 | 李骏院士：自动驾驶安全进入Safety Case时代

在智能汽车向域控集中、软件定义转型的今天，制动系统作为功能安全的最后一道防线，其测试验证正面临着前所未有的“数据与场景”鸿沟。工程师们在开发更高阶的制动系统时，普遍陷入了以下困境：

●故障测试失真：传统的仿真注入方案，难以还原真实传感器复杂的物理与协议层失效，测试结果与真实世界存在偏差。

●极限场景难复现：在实车路试中，安全地复现一系列危险的轮速传感器故障（如高速缺齿、间歇性断路等）不仅成本极高，且风险巨大，会导致测试覆盖率严重不足。

●开发节奏被打乱：手动、割裂的测试工具，无法融入现代自动化的CI、CT开发流程，成为项目快速迭代的瓶颈，研发周期被迫拉长。

此外，法规的强要求与测试能力的缺口，形成了尖锐的矛盾。但以国标GB 21670-2025《乘用车制动系统技术要求及试验方法》为代表的法规，对系统失效时的安全表现提出了明确且严苛的验证要求。因此，市场急需一个可以真正解决上述诸多痛点的工程利器。

IAE的解法：定义高保真、高实时故障模拟新方案

基于上述对行业困境的深刻洞察，IAE智行众维正式推出四通道车载轮速故障模拟器，专为满足严苛功能安全法规而生，是支持实时、高保真，全协议覆盖等的轮速故障注入一体化平台。其核心使命是让工程师能在台架和实车上，安全、精确、自动化地复现各类复杂轮速失效场景，将功能安全验证从“抽样检查”变为“全面体检”。

三大核心优势：用硬核指标，筑牢功能安全验证基线

本模拟器由高精度信号采集单元、可编程实时故障注入模块、多协议解析引擎以及高速通讯背板构成，提供三大性能标杆：

1.极致实时，实现无损闭环介入

通过优化信号处理链路，将采集-注入-输出的整体延迟控制在5μs以内。这意味着故障可以无缝嵌入车辆或台架的实时控制闭环中，不会因工具延迟而产生测试偏差，确保每一帧数据的有效性。

2.从物理到协议，定义“位级”全层级故障覆盖

我们打破了传统工具仅模拟电气故障的局限，在物理层和协议层实现了技术突破。

●物理层：精确复现断路、对电源/地短路、虚接（＜10μs间歇）、缺齿、信号毛刺等7大类现场失效。

●协议层（核心突破）：原生支持磁电、霍尔及S/I/AK等主流协议传感器，并能对AK协议数据链路层的每一个二进制位进行位级的精确改写。这可以帮助用户模拟最深层次的通讯失效，测试控制器在数据错误下的判断逻辑。

3.软硬融合，拥抱自动化测试时代

该平台提供千兆以太网程控接口以及完整的SDK，可被无缝集成到HIL台架或自动化测试序列中。同时，其集成的8通道AIO与8通道DIO，为同时注入踏板、电源等相关系统故障提供了可能，可以此构建一站式的制动域测试环境。

典型应用场景

场景一：实车路试中的安全故障复现

当测试团队需要在公共道路上验证L3级自动驾驶的制动冗余降级策略时，工程师可以在车内，通过笔记本安全地、动态地注入一个（例如）“右后轮传感器AK协议校验位错误”的故障，全过程无需对车辆线束做任何物理破坏。

场景二：HIL台架上的法规自动化回归测试

待集成到HIL系统后，设备可根据预设脚本，在夜间无人值守时，自动遍历上千个国标GB 21670-2025中要求的故障注入用例，并于次日清晨生成完整的测试报告，可以将原本需要数周的工作时长压缩至一个夜晚内完成。

不仅如此，IAE智行众维同时可以提供开箱即用的上位机软件，同步开放底层API接口和详尽的例程文档。无论是标准测试还是高度定制化的研究，该平台都能实现灵活支撑。我们承诺提供全生命周期的技术支持，并可根据客户需求，共同开发定制化的故障模型库，以适应未来不断演进的传感器技术和安全标准。

在软件定义汽车的浪潮下，汽车安全最终由一行行可靠的代码来守护，四通道车载轮速故障模拟器正是守护这些代码质量的关键基座。

即日起，欢迎扫描下方二维码，申请产品演示或获取技术手册。让我们携手，一同开启功能安全测试的“高保真、高实时”时代！

拓展阅读

GB 21670-2025《乘用车制动系统技术要求及试验方法》于2025年5月30日发布，将于2026年1月1日起实施，代替2008版旧标准。作为制动系统的强制性国家标准，本次修订围绕新能源与智能驾驶技术发展趋势，首次将线控制动系统（ETBS）正式纳入标准体系，赋予电子机械制动（EMB）合法工程地位。

标准核心变化体现在三个方面：一是强制安装ABS，所有乘用车必须配备防抱死制动系统；二是规范单踏板模式，明确规定默认状态下松开加速踏板不应使车辆减速至停车，同时要求能量回收减速度>1.3m/s?时必须点亮制动灯；三是强化功能安全，要求ETBS满足ISO 26262 ASIL D级设计目标，单点故障覆盖率需大于99%。

标准采用分阶段实施：新申请型式批准的车型自2026年1月1日起执行大部分条款，单踏板模式相关条款延至2027年1月1日实施。该标准的出台标志着我国乘用车制动系统正从液压为主向电控为核心全面演进。

其中，与本期介绍的方案直接相关的测试条目及要求如下表所示：

*如需 GB21670-2025完整文件，请关注公众号，回复“GB21670”获取。

随着GB 21670-2025《乘用车制动系统技术要求及试验方法》和GB 17675-2025《汽车转向系基本要求》的相继实施，线控底盘的安全验证不再只是“能跑起来”，而是要回答一个更尖锐的问题：当机械连接被弱化甚至取消后，故障发生时车辆是否仍然可控？证据链是否完整？

这篇文章不从设备规格切入，而从技术验证的视角说明：为什么VaHIL会成为线控制动、线控转向走向量产和合规评审时最有说服力的一环。

图1 “失效可控”的证据链：要求 → 注入 → 反应 → 判定 → 留证

1、线控底盘的安全挑战：没有机械备份之后，风险位置变了

图2 BBW/SBW失效热点：风险不只在单个零件，而在整条信号—控制—执行链路

传统制动依赖液压管路，传统转向依赖机械转向柱。即使电子控制失效，仍可能存在一定物理冗余。但BBW和SBW不同：驾驶员意图通过传感器、电源、通信、控制器和执行器闭环实现。任何一环出现异常，都可能演变为制动力不足、非预期制动、非预期转向辅助、锁止转向或降级失控。

关键点：线控化后的安全验证，不是单独问“某个故障会不会被检测”，而是要问“检测之后车辆是否仍处于可控制状态”。这正是整车闭环测试的价值入口。

2、“失效可控”如何被证明：FTTI、降级状态和可控性要同时成立

图3 从故障触发到安全状态的时间链：每个节点都应有时间戳和判定依据

在功能安全语境下，“可控”不是主观描述。它至少要同时满足三类证据：故障被诊断、系统进入约定的降级或安全状态、驾驶员/车辆仍具备足够的操作余量。附件中的BBW HARA给出过典型示例：基本制动SG01可按ASIL D、FTTI 400ms管理；ABS/ESC关联的横向安全目标可进入200ms级验证窗口。SBW侧，非预期转向辅助、锁止转向等安全目标可按20ms~200ms级时间窗进行设计验证。

所以，一份有说服力的验证报告不能只有“注入成功”。它必须把 fault trigger、ECU reaction、vehicle response 和 pass/fail criteria 放在同一条时间线上。

3、VaHIL是什么：真实车辆与虚拟世界之间的安全桥梁

图4 VaHIL闭环结构：真实车辆在虚拟交通/道路/环境中接受故障注入与动态验证

VaHIL(Vehicle Advanced Hardware-in-Loop)可以理解为“高级整车在环”：车辆是真车，ECU与执行器是真实硬件，道路、交通、天气、坡度、路面附着和传感器目标由仿真系统生成；车辆通过测功机或台架获得真实负载，故障注入单元在指定时刻触发电气、协议或信号级故障。

对客户来说，VaHIL最容易打动人的不是“平台很大”，而是：那些他们最怕做、最难做、最需要向认证/质量团队解释的场景，可以被系统化执行。

4、故障注入必须分层：从断线到协议位错误，再到应用值异常

 

图5 三层故障注入：物理层、数据链路层、应用层必须组合覆盖

GB21670对应的制动电子控制系统验证，不能只停留在“短路/断路”。附件中的GB21670故障模拟器资料把故障注入分成物理层、数据链路层、应用层，并特别强调WSS和SENT等制动传感器的协议级失效。这个方向非常适合转化为客户能理解的Demo：同一套场景中展示正常波形、注入波形、ECU反应和最终判定。

5、真实案例一：VaHIL如何验证BBW传感器故障下的制动安全

图6 BBW故障测试示意：SENT/WSS/执行器反馈故障与ECU反应同步记录

以BBW为例，客户最关心的不是“能不能造故障”，而是造出故障后，制动意图、轮速可信度、执行器反馈和制动力输出之间是否还能保持安全关系。VaHIL让工程师可以在同一场景中重复注入SENT CRC错误、WSS AK bit错误或执行器反馈卡滞，并观察主/备控制、DTC、warning、制动扭矩和车辆减速度的时序关系。

这类场景用实车道路做，最大的痛点不是“是否可能”，而是风险、重复性、注入时机和波形一致性。VaHIL让测试从经验判断变成可审计数据。

6、真实案例二：SBW在驾驶员/L3模式下的故障接管

图7 SBW VaHIL场景：车道保持/变道中注入扭矩、角度、电源或马达位置故障

SBW取消机械连接后，最敏感的验证对象是“非预期转向辅助、锁止转向、突然失去助力、错误自动驾驶横向控制”。 SBW测试用例中，扭矩传感器、电源、Yaw rate、Haptic、转角传感器、马达位置传感器均被列为VaHIL测试对象，并要求在故障发生后禁用TJP或进入limp home，由HFOU/SFOU等备份路径接管。

VaHIL不仅验证ECU能检测故障，还能验证“故障检测期间车辆有没有越线、驾驶员是否仍可接管、备份通道是否按预期生效”。

7、证据包设计：把Worksheet、日志、DTC、波形和判定放在一起

图8 VaHIL证据包：从安全目标到测试结论的可追溯结构

测试场景应从安全目标推导，至少为每个安全目标选择一个代表场景；注入故障后，需要评价故障瞬间与进入安全状态后的制动、转向和其他可操作性，并测量从故障注入到安全状态的时间间隔是否满足EOTI/FTTI。

真正成熟的交付物不是“测试通过”四个字，而是一份能追溯到SG/FSR/ASIL、能复测、能解释差异的工程证据包。

8、VaHIL不是替代所有测试，而是补上最关键的验证空白

图9 测试方法对比：VaHIL适合承担高风险、高重复性、高证据要求的场景

MIL/SIL适合快速迭代模型和软件逻辑；传统HIL适合ECU、总线和I/O验证；实车道路测试适合正常行驶和最终确认。但对线控底盘来说，最难的是“故障状态下的整车动态”。这类场景既危险，又需要毫秒级时序，还要求车辆、驾驶员/ADAS、执行器和环境同步闭环。VaHIL刚好补上这一块。

不要把VaHIL讲成“更大的HIL”，而要讲成“线控底盘失效可控证据链的生成平台”。

9、技术展望：从合规测试走向安全设计闭环

图10 建议路径：把VaHIL嵌入概念、设计、台架、整车和量产评审闭环

国标落地只是起点。真正有远见的团队，会把安全验证前移到概念和设计阶段：先用HARA和安全目标定义问题，再用故障注入矩阵设计测试，最后用VaHIL在真实整车闭环中确认可控性和证据完整性。这样，测试不再只是“最后过关”，而是持续反哺安全架构、控制策略和故障库的设计工具。

新闻来源：无锡高新区在线

5月18日，浙江吉利控股集团高级副总裁兼CTO、吉利创新中心主任沈源一行来访无锡高新区。无锡高新区管委会主任、区长章金伟与沈源一行交流会谈，并共同出席智行众维智能新能源汽车检测中试基地项目签约活动。区领导顾国栋、阙尧尧，苏州智行众维智能科技有限公司总经理安宏伟参加活动。章金伟对沈源一行到访表示欢迎，并对项目签约表示祝贺。他表示，无锡高新区是长三角科创高地、高质量发展标杆城区，创新动能强劲，产业基础扎实。汽车零部件产业是无锡高新区六大地标性产业之一，2025年产业规模突破千亿。吉利控股集团综合实力强劲，是中国汽车产业崛起的代表，是无锡高新区重要的合作伙伴。集团2024年与区内专精特新企业卓品智能合资成立的吉卓智能扎根无锡高新区以来，合资公司已围绕车辆电子控制系统开发和标定业务开始向吉利集团供货，并开拓了包括五十铃、峰景汽车、上汽、小鹏等头部客户，保持着良好的发展势头。通过此次签约，期待与吉利控股集团实现长期合作，希望吉利把更多的产业资源及优质人才汇聚无锡高新区，加快推动项目建设，携手同行，共赢发展。沈源感谢无锡高新区对项目的支持与帮助。他说，无锡高新区优越的营商环境和有力的服务保障，为吉利控股集团持续加码无锡高新区，深化双方合作奠定了坚实基础。本次吉利创新中心与智行众维强强联手，共同出资成立智行众维智能新能源汽车检测中试基地项目，将树立智能驾驶“多支柱法”安全测试验证体系，有望填补国内在复杂、极限及高安全要求场景下的一体化测试能力空白。吉利控股集团将持续深耕无锡高新区，为无锡高新区经济社会发展作出更大贡献。

吉利创新中心是由浙江吉利控股集团牵头组建的省级技术创新中心，聚焦智能驾驶、绿色能源、先进部件三大领域，致力于突破共性、关键和前瞻技术，打造世界一流的绿色智能汽车研发与技术服务平台。

智行众维智能新能源汽车检测中试基地项目总体投资近2亿元，由吉利创新中心和苏州智行众维智能科技有限公司合作成立，将聚焦研发AI驱动的自动驾驶半实物仿真一体化系统及智能测试平台、建设智能新能源汽车检测中试基地（一期）、建立AI加强自主可控的综合安全评测服务能力以及行业高质量合成数据集，重点打造高级整车在环实验室、NOA&智能座舱测试实验室等为代表的物理AI+自动驾驶场景核心测评能力。