算法架构演进 19 2.2.2 算法场景应用 20 2.3 云端训练 20 2.3.1 训练数据 21 2.3.2 训练芯片 22 第三章 智能驾驶行业赋能与场景创新 24 3.1 主动安全 25 3.1.1 碰撞预警（FCW/RCW） 25 3.1.2 自动紧急制动系统（AEB） 25 3.1.3 紧急转向辅助（ESA） 26 3.1.4 自动紧急转向（AES） 通过 OTA 升级模块接收云端模型更新，结合故障诊断 功能确保系统可靠性；算法包含轨迹生成、意图预测、 网络服务、地图服务、定位模块等关键环节，并集成神 经网络实现环境理解与决策优化；应用主要包含主动安 全、巡航以及泊车等功能；安全域则从功能安全、网络 安全等维度构建防护体系。该层深度依赖平台层的硬件 算力，芯片提供神经网络推理所需的计算资源，域控制 汽车智能驾驶技术及产业发展白皮书 06 摄像头每秒能记录或显示的图像数量，越大画面实 时性越高、提供的信息越精细，但帧率过大对目标 识别提升有限且算力消耗大 （2）激光雷达 激光雷达是激光探测及测距系统的简称，是一种以激光 器为发射光源，采用光电探测技术手段的主动光学遥感 设备。激光雷达通过发射器向环境发射激光束，激光遇 到物体后反射，接收器捕捉反射光，根据发射与接收的 时间差计算距离，并结合激光扫描角度和旋转频率，还 原物体的形状、位置和空间分布，为系统提供高精度环

ARIMA 时间序列异常检测 Ipe JunN ET WO R KS 6 JU P· e driven by mist AI 人工智能驱动的支持 AI 依靠的是持续数据的积累 利用人工智能主动解决的客户 IT 问题的百分比 January 2019 Juniper Public Junipe: N ET WO R K 11 从端到云的保障 • 应用程序、用户、设备和会话的可见 性 • 实时客户端数据、主动射频调整 • 集成 Wi-Fi 、 vBLE 和物联网 90% AIOps 领导者 • 实时 SLE 全栈 • 唯一会话式 VNA （ Marvis ） • 7 年以上数据科学经验 是过去从未尝试之举” 主动自动化和自 线优接先 入 排 P 零售企 业 0 在 处 复现司存场 5% 公 不 的 8 头部 科 /10 全 0 顶 级 需 / 要 1 以上 动的 % 驱 9 “A 几乎可以 排障提速 20 /20 世界最大的云提供商 18 /20 全球知名大学 自动化、增强型的 PKI 和主动 优化措施促使网络服务支持

乏逻辑和规范化数据使模型生成内容存在 信息丢失和违规的风险。 大模型无法确保 生成内容完整、规范、可信 04 通用大模型采用的是一问一答的交互方式， 一方面受提示词的影响，生成内容变化较 大；另一方面，大模型不能主动向用户搜 集需求，也会导致生成内容不完整。 大模型 交互方式智能性不足 汽车产业 AIGC 技术应用白皮书 17 PAGE 汽车设计过程涉及文本数据、图像数据、音频数据等多模态的设计交互及数据处理，通用语言大模型 设计 师的知识能力体系进行构建和训练，从而期望获得与设计师相近的汽车开发能力。设计大模型将通用 语言大模型作为基座模型，并通过向大模型注入标准规范流程等文件，使大模型具有独特的知识内容 体系和主动交互收集完整需求的能力。在本节中，我们将以一汽NKL VEHAITM为例进行分析。 (3) 工具链：工具链是汽车设计AIGC系统生成的执行单元，设计大模型只负责数据的转化，也就是将 输入数据按照 通 过流程等企业私域知识训练，使大模型具备自动识别流程完整性能力。 • 三是模型对于输入知识的补全能力，设计大模型通过搭建本地化的企业大模型，通过模板等企 业私域知识训练，使大模型具备完整需求主动交互收集能力。 • 四是应用的具体场景与需求，针对于不同的具体场景，提供不同的交互逻辑与问题解决方式， 在不同的应用领域上，提供特化的训练模型。 2.2 汽车设计AIGC系统 2.2.2.2

挖掘最优的参数组合 AI 预测 + 行动力：  感知环境；  采取行动；  实现特定目标。 对设备实现预测性维护 AI+ 设备管理（预测性维护） 基于设备运行状态——实时监测与数据分析的主动维护策略：  持续采集设备运行参数（如振动、温度、电流等）；  利用机器学习或物理模型预测设备劣化趋势；  在故障发生前，精准定位风险点并制定干预计划。 全面设备管理体系的三类方式比较 模式 及时发现潜在问题并采取预防性措施。 预警和故障定位 减少维护成本 提供实时机床健康状态信息 持续监测和分析设备状态 通过 AI ，打造预测性维护的“预测”能力： 基于数据科学决策，提前掌握风险，实现“智能预测 + 主动维护”。 图形 1 案例 浙江申轮——减速机基于振动的轴承故障预测（一） 项 目 概 要 项 目 范 围 项 目 价 值 浙江金华 2022 年 浙江申轮 • 单台设备远程监控； • 构建设备全生命周期知识库（行业标准、操作 手册、历史故障案例、智能点检保养等）； • AI 模型构建和自动更新 ; • 实现设备异常的实时监控、精准的预警和故障定位、知 识经验复用，达成“智能预测 + 主动维护”。  知识经验库  数据采集 和预处理  预测性维护  AI 辅助决策 和知识推荐 设备 IOT 平台 生产监控及分析 知识经验库闭环 故障模式识别 剩余寿命预测 维护决策

合绿盟科技的经验，尽可能正确地对车端的关键资产进行比较基础的功能梳理，可能会有不专业之 处，也欢迎读者指出。 本节分析的功能，均被攻击者重点关注。根本原因是，攻击者可以利用这些功能获取零部件操 作系统的权限，或者主动发送 CAN 总线报文进行控车，甚至利用汽车作为跳板机攻击汽车云端和车 企资产。接下来，我们分小节分别介绍 6 个关键的零部件。 4.2.2 多媒体系统 多媒体系统，又被称为座舱域控制器、车机 到云端平台的所有通信，通过篡改和重放原始请求和响应，欺骗和绕过车辆云端平台的安全机制， 车联网安全研究报告（第六期） 54 进行更多非法操作，且由于攻击者可以直接篡改数据报文，所以该类攻击在主动清除攻击痕迹后 不易发现。 5.2 针对 V2X 的攻击 V2X 的结构可以分为平台侧、边缘侧、终端侧。终端侧包含的是装载了车载单元（OBU）的汽 车，边缘侧包含了基站、路测感知设备以及与车 特征提 取和判断决策，从而实现在相机观测环境恶劣的条件下对目标车辆的鲁棒性跟踪。 5.5.2 欺骗攻击 欺骗攻击（又称虚假数据注入攻击）是借助车联网中节点之间共享开放信道的特点而实现的一 种主动攻击方式，它通过篡改系统数据来执行。在这种攻击中，攻击者可以通过获得密钥或破坏一 些网络元素从而伪造数据。在车联网场景中，欺骗攻击常体现为以下两个方面： （1）位置欺骗攻击 车辆位置传感器常受到欺骗攻击的威胁。每个车载单元上都配有

越重要的作用。 第三次大转型：到互联网上去，用人工智能（机器人）生产、管理、生活； 把技术用于社会（阿里云 ET 优化红绿灯管理）与军队（冀龙无人机海外作战）网络强国（换道超车）； 超前布局、力争主动 -- 实施国家大数据战略 加快建设数字中国 2017.12.8 不用死记硬背：天猫精灵、地图导航、出国翻译官…… 不用干累活、脏活、体力活：扫地机器人、机器人警察、手术机器人、产业机器人……我的伺服机器人梦想（ 今天被互联网赋能了的消费者则是“积极 主动、见多识广、相互联系”。企业与消费者的关系已经发生了根本性变化。 供 ----- 求，互联网改变了供求关系的力量对比，天平向需求方倾斜，网民越多，变革的新动能就 越大。 数字技术使信息流脱离物质流，形成了一个没有重量、可共享、速度快且低成本的、“时空错开、同 步 并联”的数字世界；人类”价廉物美、主动参与、娱乐分享”（新、快、热闹）等天性得到充分释放，信 切实把创新驱动发展战略实施好 2016.10.9 中共中央政治局第三十 六次集体学习：实施网络强国战 略； 2017.12.8 下午中共中央政治局就 实施国家大数据战略进行集体学 习， 超前布局、力争主动 -- 实施国家大 数据战略 加快建设数字中国； 2019.10.24 中央政治局第十八次集 体学习时强调 把区块链作为核心技 术自主创新重要突破口 加快推动区 块链技术和产业创新发展 建设数字中国的价值逻辑

修履历、诊断规则、漏报总结等有 价值的信息进行统一管理、归档， 逐步建立一个有价值的知识库。知 识可以通过相应的关键字做查询和 检索 设备系统 设备知识库 知识收集 智能推荐 知识模型 反馈优化 主动检索 维保工单 专家知识 经验分享 第三方知识 UWB 定位专家 10cm 高精度定 位 领域建模 分类聚类 知识挖掘 机器学习 原因分析 维修方案 l 巡检任务制定完成后，按照巡检要 询到车辆的历史行驶轨迹及当前停放位置，可查 询进出区域的时间，停留时间，及是否停留超时。 l 返修区即将饱和时，系统主动报警，提供预 警信息，集中人力物力先行解决此返修区的 车辆，以免造成大量滞留； l 某滞留车停留时间过长，系统主动报警，优 先返修此滞留车辆，避免遗漏。 预警系统 UWB 定位专家 10cm 高精度定 位 要货管理 l 通过系统返修要货，节点

重新定义了人与座舱的互动本质。端到端优化的大模型技术显著降 低 了语音交互延迟，并能更准确地理解和执行复杂的多意图指令。强大的场 景引 擎协调舱内各系统，基于情境（如目的地、电量）和用户状态（如情绪 识别） 提供主动、连贯的服务。同时，大模型能力拓展至丰富的服务生态， 包括自然 对话、内容创作、信息获取及用车帮助等。 未来展望 未来汽车智能化将更加深入地理解用户个体需求，基于健康、情绪等多 维数据提供 汽车行业的智能 化转型提供了更强大的技术支持。例如， DeepSeek 模型通过算法优化，以 较 低算力实现高性能，显著降低智能座舱开发成本，其多模态融合能力可精 准解 析模糊指令，主动预测用户需求。 未来，生成式 AI 、多模态大模型等技术将进一步成熟和应用，推动汽车 智能化水平不断提升。生成式 AI 可以自动生成设计方案、虚拟仿真与测试等， 优化生产与研发流程，实现 务智能化升级支柱： ● 研发智能化：生成式设计系统自动输出工程可行方案，虚拟仿真平 台 完成高拟真环境验证； ● 运营精准化：智能内容引擎动态生成营销素材，用户数据中枢实现 全 生命周期画像管理； ● 座舱主动化：端到端语音链路突破响应时延瓶颈，场景引擎基于时 空 维度提供无感服务。 阶段三：智能闭环自治期（生态进化） 形成 AI 驱动的业务自优化体系，实现全价值链动态调优： 8-int 量化模型显存占用（

智能行为侦测 功能支持越界、进入 / 离开区域 、 区域入 侵、徘徊、人员聚焦、 快速移动、物品遗留 / 拿取等异常事件的 自动侦测与报警 ， 变 被动监控为主动防 控。 可对声音的 强度进行检测， 同时具备环境 噪音过滤功能， 可通过软件算 法处理的方式 缓解背景噪 声 对音质带 来的 影响。 视频质量诊 稳定的运行 ，及时发 现和处理各类 电气火灾隐患 ，有 效避免电气火灾 事故的发生 ，为 平稳运行提供可有 力的保障。 部署 原理 智慧用电 系统架构 系统可同时处理一个或多个电气火灾监控探测器主动上 传的剩余电流或温度的报警数据。 系统具备监控管理中心客户端、 联网建筑消控室电气 火 灾监控设备、 前端电气火灾监控探测器三点同时报警 的功 能 ， 以满足不同监管需要 系统具备实时监测联网建筑建设的电气火灾监控系统报

（ 4-10 ） （ 4-11 ） （ 4-12 ） 被动视觉 指利用弧光或普通光源和摄像机组成的系统 主动视觉 一般指使用具有特定结构的光源与摄像机组成的视觉传感系统。 被动视觉 主动视觉 对于自动化焊接，视觉传感能带来最丰富的焊缝信息。机器人焊接视觉 传感技术包括：机器人初始焊接位置定位导引、焊缝跟踪、工件接头识别、 熔池几何形状实 热变形等因素所引起的超前检测误差，并且能够获取接头和熔池的 大量信息，这对于焊接质量自适应控制非常有利。 为了获取接头的三维轮廓，人们研究了基于三角测量原理的主动 视觉方法。由于采用的光源能量大都比电弧能量小，一般把这种传 感器安装在焊枪前面以避开弧光直射的干扰。由于主动光源是可控 的，所获取的图像受环境干扰可滤掉，真实性好。 图 4-46 焊枪一体式的结构光视觉传感器结构 图 4-47 接头跟踪传感器的原理结构