自动驾驶迈入运行安全时代，李骏院士：AI开车车企全责，车辆终身纳入安全监管

“汽车产业将彻底告别‘驾驶员全责’旧模式，全面进入自动驾驶运行安全时代。未来卖高阶自动驾驶车，车企要全程自证安全、实时监控上路车辆、终身承担安全责任，一套全新的行业规则正在重塑所有车企的研发、生产、售后体系。”

这是中国工程院院士、清华大学教授李骏在7月22日于上海嘉定举办的2026中国汽车论坛上抛出的核心观点。

在主旨发言阶段，李骏点出了自动驾驶安全时代的三大特征：动态驾驶任务的责任由驾驶员转移至制造商；安全第一是自动驾驶汽车进入道路先决条件；自动驾驶安全必须保证全生命周期持续安全，不再是出厂一次性合格。

01

行业面临三重压力

2026年，全球自动驾驶法规迎来统一变革拐点，联合国WP.29、美国《Self-Driving Act 2.0》、中国国标三大体系同步收紧自动驾驶安全门槛。尤其国标方面，国内自动驾驶强制国标GB 44721将于2027年7月1日正式落地，这意味着留给车企改造体系的窗口期仅剩一年。

在李骏看来，行业正承受三重压力。

压力一：责任逻辑全面反转，合规标准彻底升级。

首先，责任主体变了。传统车出事查司机操作；自动驾驶出事，监管、保险、法院第一时间核查车企的算法、数据、安全管控流程。

其次，认证方式变了。过去只需要做完场地、仿真、道路“三大测试”，满足条文就能拿资质；现在要求车企做完整安全论证（Safety Case），不能只靠几次试验证明安全。

第三监管周期变长，从“上市前一次性检测”升级为“全生命周期持续取证”，车辆上路后的每一次行驶数据，都要作为安全证据留存。

压力二：车企研发流程多了关键一环，安全重心后移。

传统车企开发流程是三段式——设计开发、模拟测试、认证上市，车辆交付客户后研发工作基本结束。但是高阶自动驾驶车型新增第四大阶段——市场运营全生命周期安全管控。这代表着安全管理重心不再停留在工厂研发阶段，而是大量后移到车辆卖到用户手里之后，车企必须持续监控、修复、迭代全网车辆的自动驾驶系统。

压力三：确定的时间表，OEM只有一年时间建立ADS全生命周期安全保障体系。

两套全新能力体系从零搭建，传统车企完全没有经验。想要满足新规要求，车企必须同步搭建法理体系和车辆监控体系两大全新板块，两套体系各要求企业掌握四项核心能力：

法理体系要解决出事如何免责、自证清白。

这要求具有：安全状态判断能力，能实时识别自家自动驾驶车当前是否处于安全运行状态；合规自评价能力，拥有可信工具，定期自查系统是否符合国家、国际法规；免责举证能力，整理完整、可核查的安全论据，发生事故时向监管、保险公司、法院证明自身无过错；长效修复能力，车辆出现安全隐患后，能快速OTA升级、优化算法，杜绝同类问题重复发生。

在线监控体系则要实时盯紧路上每一台自动驾驶车。依托控制论闭环监管逻辑，车企要对全网车辆动态监控，四大核心能力缺一不可：

场景捕捉触发能力：自动识别两类危险场景，一是暴雨、施工、行人横穿等已知危险路况；二是研发阶段从没见过的“新鲜场景”，要知道，AI最怕陌生路况，极易误判，因此要有自动留存数据的能力；

海量数据管理能力：完整记录车辆行驶、感知、决策全量数据，作为监管核查、保险理赔的依据；

数据筛选分析能力：每天产生亿万条行车数据，快速从中筛选出能证明安全、暴露隐患的关键信息；

持续迭代改进能力：基于路上真实场景数据，不断优化算法，实现车辆终身安全升级。

02

行业四大核心难题待破解

在李骏看来，GB 44721国标八大安全细则，全都指向四个必须解决的核心难题上，也是未来车企技术比拼的主战场。

一是，上路车辆全生命周期持续安全如何标准化衡量；二是，AI算法、视觉感知、决策逻辑如何做到全程可验证、可信任；三是，自动驾驶不可能做到零风险，如何证明剩下的少量风险是普通人可以接受的；四是，路上不断出现的未知危险场景，如何持续收敛、闭环解决。

针对四大难题，院士团队提出五大必备工具，其中两大工具已写入全球强制法规，是车企合规硬性门槛。

工具一：Safety Case（安全论证）。

李骏指出，Safety Case在航空、核电、海上钻井平台早已强制使用，如今落地汽车行业，贯穿车辆从设计、测试、上市、上路、事故整改全流程。

简单来说，就是车企不能只说“我的车很安全”，必须拿出一套完整逻辑链，要包含五部分内容：

第一是主张：明确说明自家自动驾驶车在哪些路况、天气、速度下（ODD 运行设计域）可以安全行驶。

第二是依据：用技术原理、行业标准解释为什么系统能保证安全。

第三是证据：仿真数据、路测里程、实车测试报告、真实行车数据。

第四是假设：坦诚说明系统存在哪些局限、哪些极端场景无法完全应对。

第五是结论：向监管、消费者、保险公司证明，剩余风险可控、可接受。

安全论证有三大硬性要求：可第三方核查、可随车辆迭代更新、全程可追溯，彻底杜绝车企“测试合格就万事大吉”的旧思路。

工具二：ISMR（在役监测与上报系统）。

这是全球WP.29、中国国标强制要求搭建的，是继仿真、场地、道路测试之后，行业新增的两大合规支柱之一，传统“三支柱测试”升级为五支柱验证体系。

整套系统分为四个主要步骤：捕捉，路上车辆自动抓拍危险、陌生场景数据；云端上传，加密回传车企后台；实时监控，后台持续监测全网车辆自动驾驶运行状态；隐患挖掘上报，分析数据找出安全漏洞，同步上报监管部门，并通过OTA统一修复。

在李骏看来，ISMR背后的四项核心技术，也决定了车企监控能力强弱：

机器能否识别交规，摄像头、算法看懂红绿灯、交警手势、各类交通标志，AI必须严格遵守交通规则；

ODD动态边界识别能力，实时判断车辆是否超出自动驾驶安全行驶范围，比如高速自动驾驶驶入无车道线乡村路，系统立刻预警、要求接管；

SOTIF预期功能安全管控能力，解决系统没故障，但因为光线、障碍物识别不足导致的危险，比如大雾天摄像头看不清行人；

AI全链路监管能力，监控算法稳定性、识别准确率，防止AI长期使用后性能退化。

在下午的技术论坛上，李骏又简短地补充说明了另外三大关键工具。

一个是世界模拟器（世界模型）。

AI自动驾驶靠海量场景数据训练，但真实路测无法覆盖所有极端场景。世界模拟器可以用少量真实数据，AI自动生成海量罕见危险场景，把车辆底盘、动力学特性融入仿真，实现训练、测试一体化，新车上市前就能补齐绝大多数长尾场景。

另一个是SOTIF量化测试工具。

给AI识别能力制定标准化打分指数，像汽车排放国六标准一样量化，专门解决“未知危险场景”难题，不用无休止上路跑，在实验室就能模拟各种极端路况，降低事故概率。

此外，还有车载安全监控控制系统。

这相当于自动驾驶系统的“纪检小组”，AI负责开车，这套系统全程监督AI的决策、感知行为，一旦发现AI判断异常、性能下滑，立刻介入干预，避免失控。

03

行业尚存四大技术瓶颈

尽管法规框架已经落地，但在李骏看来，行业仍有四大关键问题没有统一解决方案，也是接下来智能网联联盟重点攻坚方向。

一是，持续安全没有统一衡量标准。到底车辆上路后，事故率、故障率降到多少才算“持续安全”，行业暂无统一指标。

二是，ODD边界识别难量化。如何精准判断车辆超出自动驾驶安全行驶范围，缺少通用判定方法。

三是，车辆系统退化无监测手段。车辆使用多年后，传感器老化、底盘磨损，AI算法没有适配硬件老化，极易引发危险，目前缺少成熟监测方案。

四是，残余风险无统一接受阈值：自动驾驶不可能零风险，多大程度的风险属于公众、保险、监管能接受，仅日本行业出台初步参考，国内尚未形成共识。

除此之外，OTA远程升级的规范、AI算法决策透明化、未知场景闭环收敛机制，都需要行业联合制定统一规则。

李骏总结道，自动驾驶安全要做到边界可说明、状态可识别、过程可监测、原因可追溯、问题可整改，所有风险长期处于可控状态。

在李骏看来，运行阶段的自动驾驶系统的安全，既需要标准的确定指标，也需要行业建立共同的方法。目前我们行业在这方面还没有共识。

李骏呼吁，在智能网联汽车创新联盟的框架下，去建立一个共识，使自动驾驶技术的发展有明确的安全底线，最终做到自动驾驶汽车安全第一。

本文来自微信公众号“赛博汽车”（ID：Cyber-car），作者：王凌方，编辑：章涟漪，36氪经授权发布。