1、智能网联汽车产业的算力需求不断增长,未来汽年产业到底需要多少算力?在自动驾驶算法训练所需数据量级和云端算力不断提升的情况下,地方城市的公共算力平台如何赋能汽车产业发展?

2、大模型在如何重构自动驾驶?从模块化到端到端，自动驾驶方案的终极形态是什么?

3、在真实驾驶数据存在局限性的情况下,如何满足自动驾驶模型训练对高质量数据的需求?

4、在人工智能与智能网联汽车融合发展的态势下,汽车车产业生态发生哪些变化?面临哪些机遇和挑战?

1、智能网联汽车安全政策法规

2、智能网联汽车安全标准体系

3、智能网联汽车安全工程落地实践

1、车路云一体化技术发展现状与前景分析

2、云网一体化关键技术

3、车路云一体化技术在量产车辆研发中的最新应用与分析

4、5G+MEC支撑量产车辆研发中车路云一体化应用落地

5、车路云一体化的城市实践

1、目前实现广域环境感知面临哪些挑战,运用车路协同是否可以解决上述问题,其落地前景如何?

2、如何将高精度地图与感知定位进行有机结合

3、跨场景高精度定位面临的挑战

4、面向感知与定位的多传感器产品研发

1、面向复杂交通场景的高鲁棒性决策算法

2、面向车辆运行过程中多种随机扰动的高实时性控制算法

3、非结构化道路无人驾驶矿卡关键规控技术

4、自动驾驶决控一体化算法开发与仿真工具

1、A1大模型驱动的自动驾驶算法

2、自动驾驶一体化轨迹预测与规划

3、智能网联汽车的协同规划与决策

4、学习型以及端到端自动驾驶决策

5、智能驾驶技术探索与实践

1、目前自动驾驶大模型有多种架构,最终哪个架构有望支持大规模商用?

2、自动驾驶系统大规模开放道路应用后,会面临哪些目前没有完全暴露的挑战?是否存在解决方案?

3、大语言模型GPT等对自动驾驶系统性能是否有根本性帮助?最终自动驾驶系统中是否必然需要大语言模型

4、当前车企中的数据闭环系统能否支持自动驾驶大模型研发,是否存在瓶颈?

1、三维空间协作智能技术的共性基础问题,仍存在那些瓶颈问题?

2、未来交通系统人、车、路、云等关键要素的载具平台、出行服务将面临哪些挑战,产业推动的困境是否存在?

3、6G+赋能未来交通系统,覆盖、带宽、时延、可靠性、并发量、定位精度等各项KP1指标,能否满足城市/高速/特殊场景下的未来交通系统应用需求?

1、汽车技术生态创新与智能化人才发展

2、智能网联汽车产业人才需求预测

3、创新驱动企业人才战略与发展实践

4、高校人才培养体系创新实践

5、自动驾驶人才需求趋势与人才发展报告

1、产业顶层战略布局及投资政策解读

2、自动驾驶的长期资本布局与战略思考

3、智能网联汽车投资趋势及全球化布局

4、科技投资与产业融合

5、高校与企业合作创新路径与实践

1、人工智能驱动的端到端在线建图

2、自动驾驶地图快速众源更新

3、自动驾驶地图安全合规技术

4、自动驾驶高精度定位技术

1、汽车智能座舱人机交互研发趋势与场景创新是什么？

2、实现舱内外多模态主动交互的关键点与难点是什么？

3、如何将大模型技术融入智能座舱人机交互研发流程？

4、如何利用智能座舱创新人机交互技术提升人机共驾的驾驶安全与用户体验?

5、当前企业在发展舱驾融合技术中的总体路线规划和瓶颈难点？

1、汽车、交通、通信、公安、测绘、住建等领域国标、行标及团标的研究进展,各标委会标准如何支撑车路云一体化应用试点,如何与试点工作相配合,有哪些标准的示范应用进展及计划

2、车路云一体化标准体系建设及推荐标准清单梳理情况,标准协同存在的问题分析

3、车联网先导区目前的标准研究进展及实施落地情况,针对试点工作的开展,有哪些标准规划,对标准协同有哪些要求和期待

1、智能网联汽车融合安全探索与实践

2、功能安全与预期功能安全新技术与应用

3、网络安全与数据安全新技术与应用

1、新一代电子电气架构作为复杂系统从设计开发到测试评价的闭环中,有哪些新的方法论和技术的研究及实践,比如架构建模、虚拟化仿真、大数据分析?

2、新一代电子电气架构的中央集中化发展现状及在车路云一体化架构演进中的探索和成功案例。

3、在智能网联汽车产业发展和电子电气架构升级过程中,“高带宽、低延时、安全冗余、互联互通”的通信架构作为重要支撑,有哪些将对产业产生重要影响的新技术应用趋势?

1、智能网联汽车产品行业监管研究进展,从智能网联汽车产品安全管理和上路通行领域开展的测试评价技术研究

2、面向智能汽车安全性测试验证的复杂场景构建,如何构建真实和全面的测试场景库,以及如何验证自动驾驶系统在这些场景下的性能和可靠性。

3、复杂天气-道路-冲突场景的多支柱测试技术及高精度测试装备,探讨如何通过先进的测试方法和测试装备来确保自动驾驶系统的安全性,包括但不限于仿真测试、封闭场地测试和实际道路测试。

4、自动驾驶在各国的发展及其安全性评估

5、人工智能与机器学习在智能网联测试评价中的应用创新:探索A1和机器学习技术如何推动自动驾驶测试 技术的技术难点,以及如何利用这些技术来解决测试复杂问题。

1、线控转向制动悬架核心零部件自主化发展

2、智能线控底盘系统集成化设计创新

3、数据驱动在智能底盘系统设计中的应用大模型、参数自主标定

4、智能底盘仿真工具链自主化发展