智能辅助驾驶系统的安全可靠性，正经历着前所未有的公众审视。近期，相关安全事故偶发、大规模实测表现不及预期，再加上监管部门接连划出安全红线，行业对智驾系统的信任度面临考验。7月23日，公安部交管局明确表示，将联合有关部门进一步加强“智能驾驶”规范管理，这标志着行业监管已从“事后整改”转向“事前预防”的国家级体系化治理阶段。

　　就像人类驾驶员需要积累海量经验才能熟练驾驶一样，智能驾驶系统的进化，也离不开高效利用场景数据进行训练迭代。构建强大的数据闭环能力，已成为保障智驾系统安全进化的关键所在。

　　近日，在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，上汽集团早已超前布局，将数据驱动作为提升智驾能力的根基。其数据工厂体系经过长期建设与迭代，已形成坚实的数据闭环基础。而此次数据工厂2.0的升级，正是在过往深厚积累的基础上进行关键攻坚，目标直指云端数据闭环体系的效能跃升，为智驾安全进化提供更强大的底层支撑。

　　重构闭环业务

　　打破数据流转壁垒

　　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越来越高。然而，原有的数据工厂1.0所包含的四大核心数据平台，已难以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、数据复用率偏低等问题。

　　为此，智驾团队重新定义了数据和服务，对整个数据闭环业务进行系统性重构。他们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，构建出数据工厂2.0。

　　在数据工厂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。这使得业务平台的数据规模显著压缩，大部分原业务平台数据下沉至场景数据层进行统一管理。这种变化让数据调用及结果运算更加便捷高效，数据流转效率大幅提升，进而推动算法迭代效率同步提高，缩短了用户获取新功能的周期。

　　升级四大核心平台

　　加速智驾研发进程

　　数据工厂2.0体系中，四大核心平台迎来全面升级，为智驾研发按下“加速键”。

　　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BEV标注、车道线标注及OCC标注等多类型标注任务。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，最终目的是加速城市NOA功能的落地。

　　得益于数据工厂2.0新体系的整合能力，仿真平台很快实现了与问题管理平台、集成发布平台等其他业务平台的互通。这些外部平台的操作都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。该功能实现了多层安全验证，为用户提供更强大的行车安全冗余体系。

　　场景挖掘平台目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。此外，该平台还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，并应用了包括Diffusion方法和纯仿真渲染在内的多种技术手段。

　　同时，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保障仿真画面的可用性。即便车辆在车道级的轨迹和姿态改变时，仍能维持仿真画面的清晰度与可用性，实现场景的无感衔接。

　　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的“数据攻坚战”中，上汽乘用车正构建起核心竞争力，助力中国汽车智能化驶入高质量发展的快车道。