近日，北京賽目科技股份有限公司首席技術官楊強在2025第八屆智能輔助駕駛大會測試驗證專場發表主題演講，系統闡述了智能網聯汽車安全驗證策略與仿真工具鏈，為行業破解安全驗證難題提供了清晰路徑。

智能網聯汽車安全驗證仍面臨諸多挑戰

當前，隨著 ISO26262（功能安全）、ISO21448（預期功能安全）、ISO21434（網絡安全）等國際標準的全面實施，自動駕駛系統（ADS）的安全要求已提升至全新高度，但實際驗證中仍面臨多重挑戰：城市交通場景的復雜性和隨機性使得測試場景難以枚舉；動輒數百萬公里的實車路測耗時數年且經濟成本高昂；ADS 軟硬件融合度持續提升，傳統測試方法難以覆蓋潛在風險；同時，量化 ADS 在未知危險場景中的失效概率缺乏統一方法與工具。

這些挑戰的核心在于傳統“實車路測為主”的驗證模式已無法滿足ADS的安全需求，基于場景的仿真測試正成為突破瓶頸的關鍵。

基于測試空間分析的ADS安全評估策略

針對如何構建有效測試場景集的行業痛點，賽目科技創新提出“連續和離散雙維度測試空間”的ADS安全驗證策略，通過精準覆蓋測試場景、高效降低驗證成本，可實現ADS安全性的量化評估。

在連續空間中，通過預期功能安全分析構建邏輯場景，結合測試空間分析生成具體場景集，經仿真測試后基于統計論證評估風險。結合SOTIF分析生成邏輯場景，通過實驗設計（DoE）采樣技術對概率區間分層，避免樣本集聚，確保測試場景的代表性。根據真實世界的場景進行模型定義，通過敏感性分析、可靠性分析、魯棒性分析，建立“邏輯場景構建-測試空間分析-仿真驗證-風險評估”閉環，高效定位安全臨界場景。

在離散空間中，通過構建大規模隨機交通流的虛擬城市仿真測試，基于宏觀與微觀 AI交通流模型實現大規模并行云仿真，復現復雜交通工況。

針對復雜交通環境，賽目科技打造“虛擬城市+AI交通流”的大規模隨機交通流仿真測試平臺：宏觀交通流模型基于TGCN、AGCRN、STFGNN、Z-GNETs時空圖神經網絡，精準預測不同區域交通流變化；微觀交通流模型通過BEV+Transformer結構，實現車輛軌跡的多模態預測與優化；依托Cloud Pro云平臺，進行分布式實時仿真，單個仿真任務支持5000+交通車、100+主車的并發測試，實時提取危險場景。

置信度與測試策略是仿真測試工具鏈的關鍵

“仿真工具的核心競爭力，在于置信度與測試策略。”楊強重點介紹了賽目科技全棧自研的仿真工具鏈，其通過國際權威認證，為安全驗證提供堅實支撐。

Sim Pro作為全球首個通過ISO 26262 ASIL D級認證的仿真安全分析工具，支持閉環仿真、場景管理，與實車測試結果一致性達90%以上；預期功能安全分析工具Safety Pro也已通過ISO 26262功能安全認證，可自動生成邏輯場景并評估殘余風險；SGO Pro可進行測試空間分析，支持場景泛化及實驗設計DoE；云仿真平臺Cloud Pro支持大規模并行仿真；AI交通流工具Traffic Pro可進行交通流搭建及仿真；場景提取工具SceCo Pro可基于實車采集數據自動提取生成safety-critical場景。這些工具通過“場景提取-安全分析-云仿真-結果評估”的全鏈路協同，形成了從實車數據到虛擬測試的完整閉環。

賽目科技全棧自研的仿真工具鏈

同時，賽目科技基于3DGS+擴散模型的三維重建技術，提升了攝像頭傳感器數據保真度，讓虛擬場景與真實環境“無差別”；高精度27自由度非線性動力學模型，支持燃油車、電動車等多車型，精準模擬車身、制動、轉向等動態特性。

案例分析中，楊強提到，在跟車變道場景測試時，賽目科技的SGO Pro敏感性分析算法可將7維測試空間降為5維，結合可靠性分析算法，初始采樣1500次即可精準估計TTC<1 和 TTC<0.5 的失效概率，較傳統蒙特卡羅方法和定步長泛化大幅減少仿真次數，測試效率提升2-4個數量級，驗證了該策略在降維測試空間、高效評估風險方面的優勢。

“安全是智能網聯汽車的生命線。”楊強表示，賽目科技將持續深耕仿真測試技術，通過“測試空間覆蓋驅動+全鏈路仿真”策略，結合自研工具鏈與AI技術，助力行業解決場景覆蓋難、成本高、風險量化難等問題，持續推動智能網聯汽車從“技術可行”邁向“安全可控”。

此次演講不僅展現了賽目科技在智能網聯汽車安全驗證領域的技術領先性，更為行業提供了可落地的安全驗證范式——以仿真技術破解實車測試難題。隨著智能網聯汽車滲透率的逐年提升，安全驗證成為量產關鍵卡點，賽目科技將持續用數據驅動定義安全邊界，為智能網聯汽車的規模化落地筑牢“安全防線”。