近期，智能辅助驾驶系统安全事故频发、大规模实测表现堪忧，叠加监管部门接连划定安全红线，其安全可靠性正遭遇前所未有的公众信任危机。7月23日，国家公安机关强调，将协同有关部门进一步加强“智能驾驶”规范管理，标志着行业监管从“事后整改”转向“事前预防”的国家级体系化治理。
智能驾驶的进化，如同人类驾驶员需要海量经验积累，如今，高效使用场景数据进行训练迭代，构建强大数据闭环能力，已成为保障智驾系统安全进化的当务之急。
第八届智能辅助驾驶大会上，上汽集团创新研究开发总院，智驾部仿真与数据开发专家周鹏介绍：面对这一核心挑战，上汽集团已超前布局，将数据驱动作为智驾能力提升的根基。其数据工厂体系，历经长期建设与迭代，形成坚实数据闭环基础。此次数据工厂2.0的升级，基于过往深厚积累进行关键攻坚，目标直指云端数据闭环体系的效能跃升，旨在为智驾安全进化提供更强大的底层支持。
重构闭环业务：破解数据流转瓶颈
随着智能辅助驾驶算法的快速迭代，车企对数据闭环能力的要求日益提高。然而，原有的数据工厂1.0所包含的四大核心数据平台，已无法满足车端回传数据的高效流转需求，还暴露出业务上线周期长、推广难度大、数据复用率偏低等瓶颈。
为此，智驾团队对数据和服务进行重新定义，对整个数据闭环业务展开系统性重构，将原有四大核心平台中的服务进行解耦，拆分为独立的微服务单元；通过打造全新的纯云原生体系，形成数据工厂2.0。
数据工厂2.0体系下，原有业务平台的访问入口得以保留，但底层服务通过解耦成为独立模块，业务平台的数据规模因此显著压缩，大部分原业务平台数据下沉至场景数据层进行统一管理。这一变化让数据调用及结果运算更便捷高效，数据流转效率随之显著提升，进而推动算法迭代效率同步进阶，缩短了用户获取新功能的周期。
提速智驾研发：四大核心平台升级
数据工厂2.0体系中，四大核心平台迎来全面升级。标注平台同时支持人工标注与自动化标注两种模式。其中自动化标注涵盖多类型标注任务，包括BEV标注、车道线标注及OCC标注等。通过对SLAM点云拼接等微服务模块进行解耦与重构，各功能组件的复用性得到显著提升。这不仅为标注效率与质量的提升奠定了技术基础，还进一步增强了对城市复杂场景的应对能力与效率，其最终目的是加速城市NOA功能的落地。
同时，得益于数据工厂2.0新体系的整合能力，仿真平台很快与问题管理平台、集成发布平台等其他业务平台互通。这些外部平台的操作均可能触发仿真工作流执行。例如，问题管理平台可直接跳转至可视化界面查看相关数据，可视化平台提供一键生成仿真场景的功能按钮，用户可将指定数据转化为仿真场景并纳入场景库，进行后续仿真验证。该功能使多层安全验证成为可能，为用户提供更强大的行车安全冗余体系。
场景挖掘平台当前采用视觉语言模型，对视频或图像进行向量化处理。针对测试数据中暴露的问题，系统会在全局场景库中开展相似场景挖掘，挖掘结果按比例分配至训练集以及测试集。当相似场景数量不足时，平台将自动触发数据采集流程。该平台支持基于图像或者文本的检索功能，包括以图搜图、以文搜图等多样化查询模式。
仿真数据合成服务采用多种方法生成数据以满足不同需求。例如，针对地面标线生成、泊车鱼眼数据生成以及天气转换等场景，智驾团队较早便开展了相关研究，并应用包括Diffusion方法和纯仿真渲染在内的多种技术手段。
此外，平台还提供基于3D高斯场景重建的新视角生成和闭环仿真服务，并引入特别的优化技巧以保障仿真画面的可用性，基本做到车辆在车道级的轨迹和姿态改变下，仍能维持仿真画面的清晰度与可用性，实现场景无感衔接。
随着城市NOA、记忆泊车等复杂功能加速落地，上汽乘用车正以数据工厂2.0为技术基座，加速赋能旗下车型迭代进化，在智能辅助驾驶系统“数据攻坚战”中构建核心竞争力，助推中国汽车智能化驶入高质量发展快车道。
