芯耀
3497
佐思汽研发布《2025年智能驾驶仿真与世界模型研究报告》。
世界模型给智能驾驶仿真带来创新
在向L3及以上高阶自动驾驶迈进中，端到端技术的发展对高质量的数据规模、场景多样化覆盖、物理真实性保障、多模态同步生成、行为逻辑合理性以及迭代效率的提升都提出了更高要求。
高质量智驾核心三要素（数据、模型、算力）中，场景数据的质量和数量正成为拉开智驾体验的关键所在；而高阶辅助驾驶算法模型训练需要千万级视频片段并生成长时序多模态驾驶场景，而真实路采的长尾场景比较有限，无法满足E2E算法训练的高质量数据喂养。
仿真自动化测试正成为车企及供应商缩短开发周期、降本增效、解决长尾场景覆盖不足、高危工况复现困难等挑战的利器。同时，由于世界模型是能够理解现实世界环境的物理特性和空间属性，正被越来越多的车企及头部Tier1所采用。
GAIA-2世界模型生成的多样化长时序场景
目前，针对智能驾驶训练，场景数据主要有以下几个来源：
一是基于真实路测数据回放的仿真技术，优点是场景真实性高，主要用于复现路测问题场景，验证算法修复效果；
二是人工定义的参数化场景（如OpenScenario格式），特点是标准化测试、边界条件探索，场景可控性强；
三是将真实路测数据（logsim）转换为可泛化的虚拟仿真场景（Worldsim），核心功能为数据驱动的场景生成与泛化，构建高置信度仿真场景库，支持场景衍生与自动化测试，场景覆盖效率得到了提升。
四是世界模型（World Model）通过AI构建对物理世界的内部表征，实现环境状态预测与反事实推理的智能模型，数据来源是多模态数据（图像、文本、物理规则）与强化学习生成数据，其优势具备因果推理能力、支持未知场景预测，然而世界模型需要的计算资源比较高，模型的可解释性需要提升，同时也存在数据偏见风险。
世界模型也在多方面展现出优势，比如在环境感知与理解、未来场景演变预测、决策与规划优化、数据生成与训练增强、仿真与测试验证以及系统泛化能力提升等方面。下图通过典型主机厂和Tier1应用世界模型的案例，来一瞥世界模型给智能驾驶训练带来的创新。
来源：佐思汽研《2025年智能驾驶仿真与世界模型研究报告》
全链路安全验证，正在推动仿真走向跨域融合
当前自动驾驶安全验证已从单一功能测试转向全链路闭环验证，仿真技术正突破传统边界，向跨域协同深度融合，其核心驱动力包括技术融合加速、工具链整合等方面。
具体来看：
技术融合加速：AI驱动场景生成对于构建高质量训练数据集至关重要，如DriveDreamer4D、OASIS SIM的生成式AI技术，将长尾场景生成效率提升10倍（如51Sim单日生成3.2万极端场景）；与此同时，多域模型联动趋势明显，比如车辆动力学（PanoCar）、传感器（物理级雷达建模）、交通流（SUMO/VISSIM）与云端世界模型（如理想MindGPT）协同仿真，构建数字孪生闭环。
工具链整合：头部方案商（如地平线AIDI平台、深信科创OASIS）已实现“感知-规划-控制-车路云”全栈工具链集成，支持从MIL到VIL的无缝衔接。例如，地平线UniAD框架通过端到端模型，将感知-规划延迟压缩至50ms级，并在仿真中验证多车博弈策略。
由于舱驾融合、跨域融合应用的发展，仿真也在走向跨域融合。行业内推出了针对汽车各域的仿真测试解决方案，并融合软件硬件工具/平台，积极推进跨域的联合测试。整体来看，目前主机厂和供应商正在推进的跨域仿真主要集中在智能座舱+智能驾驶跨域融合、智能底盘+智能驾驶跨域融合、三电+热管理融合、车联网+智能驾驶融合，以及全域数字孪生等方面。
比如：
清研精准主动悬架HIL、浙江天行健PanoCar在悬架-规划联合仿真，解决跨域控制时延问题，提升极端工况稳定性（侧倾减少≥15%）；
芯驿电子旗下AUMO傲目与比亚迪合作开发智能座舱与驾驶域融合测试方案，利用W50实现舱内视觉系统（DMS/OMS）与自动驾驶算法的协同验证，支持车舱域与驾驶域数据互通，加速“舱驾一体”技术落地。
2025年Q1，Mercedes-Benz联合VECTOR开展集中式电子架构虚拟化验证，基于SIL Kit中间件实现域控制器（如自动驾驶域、车身域）的分布式仿真测试，优化跨域通信与功能集成效率。
2024年10月，东方中科与长城汽车合作开展智能座舱、智能驾驶、智能网联等跨域联合测试方案，涵盖信号级仿真到整车级测试的一站式服务。
昆易电子座舱HIL测试，基于昆易RTPC的高实时性系统，配合昆易高阶自动驾驶数据闭环测试解决方案，提供360环视、驾驶员监控、流媒体后视镜等场景仿真，满足车云一体、舱泊一体、舱驾一体等高性能测试需求。
来源：佐思汽研《2025年智能驾驶仿真与世界模型研究报告》
提升仿真置信度方面的行业进步
仿真测试目前最大的痛点之一是置信度问题，行业需要思考如何才能保证场景仿真的高保真度、传感器模型的高精度、动力学模型的高置信度、以及仿真的实时性、数据带宽、数据接口的稳定性等挑战。
在提升仿真置信度方面，主要有以下几条路径。
01、AI技术应用
目前，AI技术逐步应用到仿真测试工程落地中，大大加速测试验证的自动化效率，进而加速汽车开发的效率，举例来看:
2025年2月 IAE智行众维®携手众链科技共同推出业内首款集成DeepSeek R1大模型的AI场景生成工具，率先实现“文本指令一键生成高质量OpenDRIVE与OpenSCENARIO标准场景”的端到端解决方案，支持从简单ADAS测试到复杂交通规则到极端工况场景的智能化生成，覆盖ADAS、城市NOA、V2X等全场景需求，场景构建效率提升300%，支持CARLA、VTD、Prescan等主流仿真软件无缝对接。
2024年12月，AVL发布AI仿真助手ChatSDT，简化并提升用户与AVL仿真组件的互动体验；MathWorks也推出了MATLAB大语言支持包，旨在将大语言模型（ChatGPT、Qwen、DeepSeek等）与MATLAB/Simulink深度集成，提升工程开发效率。
02、开源数据集
此外，中汽协等正积极推动数据开源计划工作，已发布Coral Data开源数据、车路云一体化仿真场景开源数据等近20项数据集，还有车企开源的端到端自动驾驶公开数据集，以及智能驾驶世界模型相关公开数据集等训练数据来源，开源旨在助力高效复用这些高质量场景数据集，避免行业内重复建设。
2025 年4月，ASAM OpenMATERIAL 3D 1.0.0 标准正式发布。该标准针对物理材质属性和三维物体描述提出了规范格式，精确定义折射率、表面粗糙度、磁导率等特性参数。通过提供精确、标准化的3D资产与材料属性，该标准提升了感知传感器仿真的效果，使激光雷达、毫米波雷达和摄像头的输出更为真实。
03、仿真工具升级
仿真测试企业也纷纷更新升级仿真软件工具/平台功能，比如PreScan软件版本2503，HEXAGON VTD/MSC/ADAMS/KISSoft仿真软件，CarMaker14.0, AURELION 24.3, MATLAB/Simulink R2025a, Ansys 2025R1,Oasis SIM 3.0、aiSim智驾仿真软件UE5.5升级，千行系统V3.0新增20+功能特性，PanoCarV1.7 PanoSim V33版本等等（详见报告）。
来源：佐思汽研《2025年智能驾驶仿真与世界模型研究报告》
