在国家数据局指导下，全国数标委秘书处组织开展了数据基础设施、高质量数据集、数据匿名化、全国一体化算力网、可信数据空间、数据服务等6个重点方向15个标准和2个技术文件的验证试点工作，经形式审查、标准验证、报告评审等过程，形成数据领域重点标准验证试点典型单位。

8月29日，在贵阳市举办的2025年中国国际大数据产业博览会“数据标准化”主题交流活动中，国家数据局正式公布了数据基础设施、可信数据空间、高质量数据集、数据服务、全国一体化算力网、数据流通匿名化等重点方向标准及技术文件的验证试点典型单位。IAE智行众维积极参与“高质量数据集”和“数据服务”方向标准的试点验证工作并成功入选试点典型单位。

未来，IAE智行众维将继续深耕数据技术创新、资产化和市场应用落地，并以此次入选为契机，充分发挥试点典型单位的示范引领作用，聚焦智能驾驶、具身智能和低空经济等前沿、高价值数据应用领域，致力于打造合规、安全、高效的数据产品和服务体系，推动行业标准研发落地，赋能产业提质升级。

8月8日，由湖州莫干山国有资本控股集团有限公司、中国信息通信研究院、中信科智联科技有限公司联合组织的“德清智能网联汽车测试场三期启用暨车路云一体化开放道路测试实践活动”在浙江省德清国际会议中心举行。此次活动旨在加速国家车联网产业发展规划落地，推动车联网先导区建设，深化车路云一体化试点应用。IAE智行众维作为重要生态合作伙伴，受邀出席并参与“车路云一体化”数据合作签约。

IAE智行众维在“车路云一体化”数据开发方面拥有深厚的技术积累以及丰富的落地实践，通过此次签约，公司将充分发挥自身优势，积极参与德清车路云数据生态建设，与政府平台公司、科研院所以及科技公司共同探索德清“车路云一体化”高价值数据的合规共享、融合应用与创新服务，筑牢车路云数据底座，加速智能网联技术的商业化落地。

活动后，IAE智行众维作为车路云产业实践代表还参与了《湖州市智能网联汽车创新发展条例（草案）》的立法研讨，在草案形成的关键阶段，在产业创新及安全保障等方面，结合公司在技术研发、测试验证及车路云数据商业化探索中的有效经验，围绕关键技术标准与验证、数据应用、商业化路径探索等方向，为立法部门提供了建设性意见。

IAE智行众维董事长王耀东为立法会作专家发言

近日，招商局检测技术控股有限公司（以下简称“招商检测”）党委书记、总经理张日忠，党委委员、副总经理纪伦一行莅临IAE智行众维考察指导，深化战略合作，推动共赢发展，IAE智行众维董事长王耀东、CEO安宏伟等主要领导参加交流。

座谈会上，IAE智行众维王耀东董事长代表公司对招商检测领导一行的到来表示热烈欢迎，安宏伟总经理详细介绍了公司面向智能新能源汽车、在仿真测试领域研发打造的AI赋能工具和数据相结合的新型解决方案，以及服务于行业所取得的成果。会上，双方回顾了前期签署的战略合作，并在检测认证、技术研发、仪器装备等领域达成的诸多成功合作案例。在未来发展规划中，公司CTO李月介绍到，公司将以仿真赋能、数据驱动、AI增强作为未来发展的整体定位，基于AI世界模型底座，拓展从智能网联汽车到低空经济和具身领域的解决方案能力，服务于空天地一体化的智慧出行。

会议中，张日忠书记、纪伦副总经理对IAE智行众维的核心技术、科技创新以及商业化成果等给予充分肯定，并希望未来双方重点围绕自动驾驶仿真测评体系等合作方向做更深入的探索和交流，共同助力行业高质量发展。

文章素材来源：汽车纵横网??链接：http://www.autoreview.com.cn

2025年7月10-12日，2025中国汽车论坛在上海嘉定举办。本届论坛主题为“提质向新，智赢未来”，由“闭门峰会、大会论坛、技术领袖峰会、多场主题论坛、N场行业发布、主题参观活动”等15场会议和若干配套活动构成，各场会议围绕汽车行业热点重点话题，探索方向，引领未来。其中，在7月12日上午举办的“主题论坛七：AI创新引擎，驱动智慧出行新生态”上，苏州智行众维智能科技有限公司总经理安宏伟发表精彩演讲。以下内容为现场演讲实录：

各位领导，各位同仁，大家上午好！

非常高兴有机会在汽车论坛和大家再次分享IAE智行众维在自动驾驶和通用AI仿真测试领域所做的探索和实践。

今天给大家汇报的题目是“仿真走向跨域融合，世界模型应用提速”。分为三部分：
一是，自动驾驶仿真测试相关方向目前在做的具体工作。
二是，仿真测试服务于多域多应用场景AI落地所做的探索、实践。
三是，我们探索和研究的方向，世界模型如何应用于AI相关的训练、测试、验证。

一、自动驾驶仿真测试现状

给大家汇报我们公司目前围绕自动驾驶做的相关工作。自动驾驶是人工智能皇冠上的明珠之一。对于自动驾驶而言，经历了算法由规则驱动到由数据驱动的进化。同时，数据驱动的大模型也在经历由大语言模型到世界模型的跃进和变化。

对于AI系统的安全，包括AI系统运行安全，我们需要通过仿真测试来确保，这已经是行业的共识。从仿真和测试的角度来讲，需要有工具链、数据对AI系统安全进行评测、训练、验证。这里有两个看似存在矛盾的要求，既希望在仿真测试过程中能实现加速，同时还要确保它的真实，这是“既要还要”的矛盾共存体。

在测试过程中，早期基于规则驱动，或者做ADAS L1和L2级别辅助驾驶的时候，每次测试只需要几百或者上千条测试用例就可以满足对安全性、功能完整性的覆盖。但是进入到L2+，更高阶的辅助驾驶阶段，以至L3级别自动驾驶后，我们所面临的场景、测试需求将呈指数级的增长。在AI算法上车、面向数据驱动时代，我们测试的方法论、需要的数据量会有很大的变化。

伴随AI算法上车，大家对此有很高的期望和预期，但实际的情况如何呢？以美国国家公路交通安全管理局统计的数据为例，2024年相比于2023年，由于自动驾驶所导致的交通事故上升了45%，其中有10%是致命的，是非常关键的事故。自动驾驶的安全到现在为止依然是行业里的挑战，国内的情况就不多说了，是相通的。

自动驾驶发展到今天，和AI领域的多数场景一样，从技术端在数据方面依然面临瓶颈和挑战，前面各位同仁已经做过详细的介绍，不再多说。从IAE智行众维的角度，针对AI系统的功能安全、预期功能安全、运行安全提出了什么样的技术路径做响应？两个闭环：数据闭环、工具闭环。

通过仿真赋能数据驱动的路径和手段，保障AI系统从研发设计到实际商业落地过程中的安全性。

（1）技术闭环。
打造和搭建了一条仿真测试的完整工具链，基础是X-In-Loop技术体系，对于自动驾驶汽车，由于车辆的复杂性，包括在道路行驶对安全性的极致要求，只在硬件、软件或者云端单一条件下做相应的训练和测试，对于确保它的安全是远远不够的。对于这样复杂的、对安全有极致要求的应用场景，我们需要一个技术体系、一套工具链来保证安全。

既需要有虚拟仿真来满足我们对加速、效率的要求，也需要有各种虚实结合、混合仿真的方式来确保其真实性。从仿真测试的角度来讲，大家在汽车行业曾经有过设想，仿真完成90%，试验场完成9%，路试完成1%，但和原有的ISO“三支柱法”一样，已经不能适应于目前高阶辅助驾驶、自动驾驶的测评需求，我们的目标是要在实验室里通过虚拟仿真、混合仿真结合的手段和技术，把更多的长尾工况、Cornercase加以覆盖。

在这个工具链路里，我们提出了在汽车其他性能测试中原来所没有的实车在环闭环测试体系，把智驾、座舱、功能安全、预期功能安全、线控底盘等相关领域的安全需要，在上路和进试验场之前完成相应的测试验证。

（2）数据闭环。
在过去几年里我们打造了“水木灵境”场景工场，这里的“场景数据”来自车端、路侧、法规、交通事故、AI生成，服务于我们对智能驾驶算法训练和测试要求。2023年开始，在行业里我们联合主机厂，包括吉利、上汽、长安、广汽等也在一起探讨这方面的数据应用，在此也很感谢行业合作伙伴们给予的支持。去年公司在数据这一板块产生了几千万的收入，这也是智能化发展到当前阶段，高阶算法的测试验证对数据有越来越多的需求。

二、仿真测试走向跨域融合

2023年到2024年，因为大模型的商业化落地，包括在车端的应用，也带动了AI在其他领域，包括飞行汽车、低空飞行器、通用机器人等方向的发展。应整个市场发展趋势、技术发展趋势的需求，我们原来所做的仿真工作也在由地面二维交通拓展到三维的低空，拓展到通用机器人，甚至包括在无人驾驶船舶等其他领域；响应AI应用场景往智慧出行的发展，工具链和数据体系也在做相应的拓展和进化。仿真所做的工作，由智能网联汽车地面的二维平面模拟，在往三维，往空间智能领域做拓展。目标是服务于更广义的智慧出行、AI应用场景落地的需要。

以具身智能、人形机器人为例，类似于自动驾驶，这些AI应用场景既有巨大的机遇，同时也有面临的问题和挑战。不论是足球赛还是机器人马拉松，当前阶段还需要人的远程操控等诸多支持，包括对肢体、动力学的训练和测试明显都是不足的。

同样，在数据端也面临着挑战和问题。该如何响应这一挑战？这里分享一下我们的思考。近些年来对于合成数据、数据集、场景库，整个行业都做了大量探索，这期间有基于真实数据做的场景重构，也有基于3D高斯、NeRF等神经网络渲染的方法做数据合成。这几年大家也在探讨世界模型的应用。当前，由于算力资源的提升，以及行业对数据的迫切需求和重视，世界模型的发展取得了比较大的进展。

我们和包括高校在内的生态合作伙伴一直在探索，对于满足如自动驾驶、具身智能、低空飞行等各类AI应用场景训练测试所需要的数据到底采用什么样的技术路径获取？如3D高斯这类神经网络渲染的数据有不可编辑性，生产成本高。而对于世界模型，原来受限于算法算力的不足，以及大模型本身有幻觉等诸多问题。

基于近年来相关技术的快速迭代发展，我们联合生态合作伙伴将世界模型作为跨域融合仿真、获取海量高质数据的技术底座之一。通过世界模型生产数据，赋能工具，为相关工具链提供AI增强，满足AI应用场景对数据量和质的要求，满足仿真训练测试对于加速性和真实性的要求。

三、助力世界模型应用提速

下面介绍一下我们在这个方向所做的探索和取得的进展。

AI模型目前正在经历从大语言模型到世界模型的进化，既要服务于汽车或飞行器等智能体，同时也是AI工具链和数据的基础。针对AI算法在车辆、低空飞行以及具身智能等领域应用，IAE正在把仿真工具链从二维平面向三维立体拓展，从而响应融合仿真对于工具链的需要，既基于我们所开发的DeepOCEAN.AI（深海AI虚拟仿真平台），实现从车辆到更广泛智慧出行的应用拓展。基于这一软件平台，针对车辆、飞行器和具身智能测试所用的工具链会有区别，但底层的逻辑是相通的。

数据层面，针对各种AI应用场景需要，公司技术团队基于已有的自然驾驶真实场景和各类真实数据生产合成数据。合成数据生成有不同的技术路线，可以是基于真实数据的重构和回灌，可以来自于神经网络渲染，也可以基于世界模型。

我们所选择的技术路线是基于世界模型，前面提到，和所有大模型或者生成式AI一样，我们面临着相同的挑战。

第一，数据从哪儿来？刚才韩昭总也提到真实数据可以来自于车端和路侧。我们和包括上海汽车城在内的生态伙伴，通过车路云系统的路侧设备采集自然驾驶真实场景数据，搭建仿真场景库并进而构建知识库用来训练AI模型。

第二，通过AI生成数据并进行泛化是获取海量数据的有效手段。但是对于AI模型而言，幻觉是我们必须面临的实际问题。国内有非常优秀的大模型，但幻觉率会到10%到15%。如何解决这一问题？如何让数据生产、仿真测试能够更好地回归本质，数据不但要量大，而且要求能更加准确、可用和好用，这是我们要解决的挑战。

这是IAE基于多源数据融合技术与AI驱动的合成数据生成的全链路。基于车端和路侧真实驾驶场景的数据采集和处理；在场景库和数据集构建的时候分为两个阶段，目前已经完成闭环的是基于AI增强技术的数据治理，以自然驾驶真实场景作为底座进行知识库完善和构建。同步，也在构建用于世界模型训练所需要的知识库，以及对模型进行调校和优化，最终形成算法训练和测试所需要的相关数据集，这是目前在做的工作和取得的成果。

这是在今年初，我们和众链科技一起发布的基于DeepSeekR1的AI场景生成的工具，以及面向训练的动态、静态的数据集。其中有部分数据，在众链科技介绍时提到的珊瑚数据开源计划中已经在做了发布，在此希望主机厂、零部件企业和高校伙伴共同来尝试，给予珊瑚数据计划以更多的反馈和支持。

通过构建多源数据融合和AI驱动的高质量数据体系，服务于自动驾驶等场景的测试验证，服务于算法训练，确保AI系统的安全。

下一步，我们将基于知识库和世界模型，以及AI增强仿真工具链，打造服务于自动驾驶和低空、具身智能等AI应用场景的融合仿真能力和数据集。我们和国内高校AI领域专家、英伟达等生态合作伙伴正共同探索，推进世界模型应用的落地和提速，更好地服务于智慧出行产业和生态。这方面也希望能和上海国际汽车城、中汽协会，以及更多的伙伴共同探索和实践。

仿真、测试、数据生成和应用都具有强实践性，所有产出成果都需要经过反复迭代和持续优化，才能成为真正有价值的经验和资产，从而推动行业的发展。

以上是我的介绍，非常感谢大家！

（注：本文根据现场速记整理，未经演讲嘉宾审阅）

以下新闻来源于：中汽股份

焕新提升

2025年7月14日，长三角（盐城）智能网联汽车试验场智能网联复杂环境多维模拟平台创新能力提升技术交流会议在中汽股份召开，中汽股份会同苏州智行众维智能科技有限公司（简称“IAE智行众维”）针对智能网联复杂环境多维模拟平台进一步提升创新能力开展了深入的技术交流。中汽股份副总经理康诚、IAE智行众维总经理安宏伟参加会议。

2025 年 7 月 10 日，备受瞩目的 2025 NVIDIA 创业企业展示——杭州站活动圆满落幕。本次活动由 NVIDIA 主办，G5 Capital 与 EIC 联合承办，聚焦 AI 技术在垂直领域的创新应用与落地实践。作为 NVIDIA 初创加速计划会员企业，IAE 智行众维受邀参与此次交流，并做路演展示，分享其在自动驾驶与具身智能仿真测试领域的前沿技术与实践成果，引发在场观众和投资人广泛关注。

在路演环节，IAE 智行众维副总裁、水木灵境 CTO 刘虎以《从数据到智能：“水木灵境” 解锁世界模型仿真测试新范式》为题，深入剖析了当前自动驾驶与具身智能发展面临的数据采集瓶颈与测试困境。当前，自动驾驶汽车真实路测中长尾场景稀缺、标注效率低下，具身智能训练环境搭建成本高昂等问题，已成为制约行业发展的关键挑战。对此，刘虎重点介绍了 IAE 智行众维自主研发的 “水木灵境” 场景工场AI增强解决方案。该方案依托多源数据融合技术与 AI 驱动的合成数据生成能力，构建了高保真、高覆盖度、高置信度、高通用性的场景库和数据集，可实现从数据采集、处理到场景开发的全链路自动化，为自动驾驶与具身智能算法训练及测试验证提供一站式支持。

值得关注的是，IAE 智行众维正基于 NVIDIA Omniverse 与 Cosmos 平台，打造高精度仿真场景与合成数据生成体系。通过Sim2Real技术路径，将虚拟场景数据高效转化为真实世界应用能力，有效降低了下游企业的测试成本与安全风险。目前，“水木灵境” 已积累包括极端天气、复杂路口对抗交通流、交通事故复现、工业协作等海量场景资源，覆盖城市道路、高速公路、非结构化道路等多类环境，服务已广泛应用于国内外主机厂、零部件企业、科技创新企业、研究院所、第三方检测机构和智能网联测试示范区等数百家客户。

活动现场，IAE 智行众维的技术成果引发投资人与行业专家的热烈讨论。 IAE 智行众维依托 NVIDIA 在智能计算领域构建的硬件、软件、算法的完整生态体系，利用其 GPU 等核心技术提供的强大算力支撑与创新底座，结合自身在仿真测试领域拥有的行业领先的全栈式解决方案，共同为智能机器人与自动驾驶提供高质量仿真数据与场景，助力下游客户突破测试成本与安全瓶颈。

作为 NVIDIA 初创加速计划会员企业，IAE 智行众维将持续依托NVIDIA 的技术生态支持，深化 “水木灵境” 场景工场的技术创新，拓展在全球市场的场景覆盖与应用落地。未来，IAE 智行众维将继续以技术突破为核心，构建更开放、高效的AI仿真测试+数据场景生态，助力自动驾驶与具身智能产业跨越数据与安全瓶颈，为世界模型的应用提速，加速驶向智能化未来。

近日，一场聚焦未来智慧物流的战略合作在西部科学城正式启航。IAE智行众维与西部科学城智能网联汽车创新中心（重庆）有限公司、国汽智控（北京）科技有限公司、云控智行科技有限公司、智御维科（重庆）科技有限公司、荷塘创业投资管理（北京）有限公司等5家深耕智能网联汽车与聚焦智慧物流产业的领军企业，共同宣布成立商用车“车路云”智能网联创新联盟。各方将秉持“优势互补、自愿平等、开放公平、互利共赢”原则，通过深度协同，重塑新能源商用车在物流领域的应用范式，加速车、能、路、云一体化技术的产业化落地。

联盟成立后，将围绕核心目标展开系统性合作。

一是共建标准体系，打通协同壁垒。联盟成员将深度整合商用车智慧物流场景经验与海量数据，共同研制覆盖“车、能、路、云”全链条的技术与运营标准（如车辆接口、V2X通信协议、高效物流流程规范）。此举旨在破除信息孤岛，实现跨系统无缝协同，并通过行业协会、国际论坛等渠道推动标准成为行业基石，引领规范化发展。

二是构建开放生态，加速技术融合。联盟将整合五方核心资源，广泛联结上下游企业、顶尖科研院所及高校，打造开放共享的“车路云一体化”生态圈。重点促进新能源技术、高阶自动驾驶、物流大数据、云端智能在商用车场景的深度融合与商业化应用，并通过联合推广扩大生态影响力，吸引全球伙伴共创价值。

三是实体化运营联盟，夯实创新基石。各方将共同发起设立实体化的“商用车‘车路云’智能网联创新联盟”，联合建立“车路云”智能网联联合实验室，致力于攻关前沿技术（如动态能源管理、复杂环境车路协同），打通从基础研究到产业化落地的全链条。

作为联盟的核心成员之一，IAE智行众维将依托行业生态力量，以仿真测试技术为驱动，为中国商用车“车路云”智能网联技术的全球领先地位贡献力量，携手生态伙伴共同书写中国智慧物流新篇章！

2025年6月12日，备受瞩目的“2025国际汽车级供应链博览会（香港）”在香港亚洲国际博览馆盛大开幕。这场以“新汽车?新征程”为主题的盛会，不仅创下了香港车展历史上的规模之最、内容之最，更因其极高的内地车企参与度和本地影响力，成为观察中国汽车产业全球化进程的重要窗口。此次博览会汇聚了从汽车制造、通信技术、测试验证到物流运输、金融服务等全产业链龙头企业，其目标是构建一个集资源整合、战略协同与创新驱动于一体的全球化赋能平台，推动中国汽车产业的海外布局，实现与全球市场的深度融合。

作为中国智能驾驶仿真测试领域的领军企业，IAE智行众维携行业领先的AI+数据相结合的X-In-Loop全栈式仿真测试解决方案亮相展会，向全球市场展示中国在“工具链+数据+安全测评服务”融合创新领域的最新成果，助力智能网联汽车产业新质生产力的培育与发展。展会期间，中国工程院副院长钟志华院士、中国汽车工业协会常务副会长兼秘书长付炳锋、招商局集团副总经理及招商检测董事长邓仁杰、招商检测副总及招商车研董事长纪伦等重量级嘉宾亲临IAE展台调研指导，对公司在智能驾驶仿真测试领域的技术创新和应用落地成果给予高度评价。

日前，由SAE International 主办，上海国际汽车城与T?V北德协办的第七届SAE 2025 国际汽车安全大会在上海国际汽车城圆满闭幕。大会聚焦“智能化时代的汽车安全新挑战与新机遇”，汇聚了来自全国各地近400位行业专家、企业代表与科研学者，共同探讨汽车安全的技术前沿与未来趋势。IAE智行众维资深首席安全专家方成熏(Pang SungHoon)受邀出席“功能安全与SOTIF”分论坛，并进行《基于SOTIF标准的智能驾驶设计和VaHIL测试研究》主题演讲。以下为演讲实录：

IAE智行众维资深首席安全专家方成熏(Pang SungHoon)在演讲现场

各位领导，各位嘉宾，大家上午好！

今天和大家分享我们团队在辅助驾驶安全验证领域的最新实践——基于SOTIF标准的智能驾驶设计和VaHIL测试研究。

我们都知道，传统功能安全(ISO 26262)关注的是系统故障导致的风险，但自动驾驶的真正挑战往往在于：即使硬件和软件完全正常，系统仍可能因为功能设计的局限性而失效。这就是ISO 21448 SOTIF标准要解决的问题——比如传感器误判雨天积水为障碍物，或算法在复杂路口决策失误等”非故障类风险”。

我们先从技术演进的角度，系统梳理自动驾驶安全标准的发展脉络。该图展示了汽车及机器人等自主系统的功能安全与SOTIF(预期功能安全)相关国际标准的演进过程，其中我们先看时间轴的上方：

2002年发布的IEC 61508是所有工业领域的功能安全基石，它建立了安全完整性等级(SIL)的基础框架。对于汽车行业而言需要更具有针对性的标准，2011年ISO 26262诞生，第一版发布于2011年，第二版发布于2018年，第三版预计将在2026年进行发布。根据相关消息显示，第三版预计将纳入预期功能安全(SOTIF)的相关内容，这与接下来要介绍的SOTIF标准形成技术衔接。

2016年启动了ISO21448的制定，这也是大家熟知的SOTIF标准，2022年该标准正式发布，其技术定位是专门解决“无故障情况下的功能不足”这类新型风险，例如摄像头在强逆光下的误识别，或决策算法对罕见交通场景的误判等，这些都不属于传统功能安全的范畴。

预计将在2025年生效的ISO 23793-1(MRM)，则主要针对L3-L5级自动驾驶系统，规定了在系统检测到故障或异常时，如何执行安全降级操作以达到最小风险条件(Minimal Risk Condition, MRC)，与SOTIF形成技术互补。

ISO TS 5803和正在制定的ISO 8800则代表了面向自动驾驶法规合规的新型认证框架。

对应于时间轴的下方，则是应用于其他机械设备与机器人领域的功能安全标准，这些标准虽然与汽车标准同源，但存在重要差异。其中：

?ISO 15998:2008：工程机械安全

?ISO 12100:2010：通用机械安全基本原则

?ISO 13849-1:2015 / 2023：基于控制系统的安全设计方法

?ISO 25119:2018：农业机械功能安全

?ISO 19014:2022：工程设备安全控制系统的可靠性要求

综上，就标准的演进来讲，FUSA(ISO26262)，SOTIF(ISO 21448:2022) 和 MRM(ISO 23793-1) 是实现 L3 及以上自动驾驶功能过程中，可有效降低事故风险的关键安全标准。而未来的 DCAS、ISO 8800 等标准将成为自动驾驶法规认证的核心依据。