2026信息社会世界峰会（WSIS）官方边会“规模化安全：将联合国《自动驾驶系统全球技术法规》转化为全球行动”在日内瓦成功举办

点击蓝字

关注我们

瑞士时间2026年7月10日上午，由清华大学人工智能国际治理研究院（I-AIIG）牵头，国际人工智能治理联盟（IAGA）、中国科协联合国咨商科技外交专业委员会联合主办的2026信息社会世界峰会官方边会“规模化安全：将联合国《自动驾驶系统全球技术法规》转化为全球行动”在瑞士日内瓦Palexpo会展中心Room F成功举办。

联合国秘书长道路安全特使让·托德（Jean Todt）先生，清华大学人工智能国际治理研究院院长薛澜教授出席并致辞。联合国欧洲经济委员会（UNECE）自动驾驶验证方法工作组联合秘书、SAE International全球道路车辆标准体系负责人威廉·古斯（William Gouse），联合国欧洲经济委员会（UNECE）自动化、自动驾驶和网联车辆工作组（GRVA）秘书弗朗索瓦·吉夏尔（François Guichard），中国新一代人工智能发展战略研究院执行院长、世界工程组织联合会原主席龚克教授，清华大学智能法治研究院院长、研究院人工智能法律法规方向首席专家申卫星教授，无问芯穹首席技术官李伯勋，元戎启行副总裁、技术合伙人刘轩，招商局检测车辆技术研究院有限公司电子信息事业部总经理樊海龙，国际人工智能治理联盟主席约翰·霍金斯（John Higgins CBE）应邀参与。本场边会由清华大学人工智能国际治理研究院副院长肖茜主持，边会同时吸引大量线上线下观众参与。

会议开幕环节，由清华大学人工智能国际治理研究院副院长肖茜主持，让·托德与薛澜致开场辞。

薛澜指出，自动驾驶是人工智能与物理世界最为关键的交汇点之一，其安全性不仅依赖于算法的精准度，更取决于围绕该技术构建的治理生态，包括标准、制度与公众信任，这些要素共同决定了规模化安全部署的可行性。联合国通过的《自动驾驶系统全球技术法规》，是国际社会从分散治理走向真正监管协调的重要里程碑。然而，法规的通过不等于法规的落地，薛澜强调，当前真正的挑战在于将全球框架转化为可互认的测试标准、降低合规碎片化的认证制度，以及涵盖仿真、封闭场地测试和实际道路部署的跨境验证路径。他期待本场讨论能够将全球法规、国际标准与产业实践紧密连接，形成清晰可行的行动路线，推动自动驾驶治理从原则走向制度化落实。

会议随后进入圆桌讨论环节。在龚克教授主持下，圆桌嘉宾围绕联合国ADS GTR实施路径、自动驾驶国际标准协调与监管互认、自动驾驶安全规模化部署与国际合作等问题开展深入讨论。

弗朗索瓦·吉夏尔表示，ADS GTR的通过是一个历史性的里程碑，该法规基于现有证据，旨在不阻碍创新的前提下为自动驾驶车辆认证提供保障。他介绍到，工作组正在制定解释性文件以保障统一实施，未来还会向传统技术的客观测试标准演进，同时，还需保障创新的持续推进，这或许可以借鉴网络安全领域相互认可的做法。最后，他强调了加强各国能力建设的重要性，尤其是中国在该领域的积极参与，应该让更多国家参与进来共同推动国际协调，以此实践联合国进程中关于防止地域性分歧的理念。

李伯勋从验证基础设施的角度指出，车载自动驾驶模型受实时性、功耗和嵌入式算力约束，不能像云端大模型那样无限扩展。真正困难的不是单纯扩大模型，而是处理复杂环境、海量场景和长尾事件。支撑大规模验证的基础设施首先要高度自动化，能够统一管理、批量运行并追踪大量场景和测试用例，同时打通仿真数据与真实世界数据。即使企业开放底层模型，也不能直接证明系统安全，因此监管不能只依赖企业自证，而应采用独立测试和认证，并通过不同模型或策略的交叉验证增强可信度。系统还必须严格在既定ODD内运行，并在人机权限设计中保留人的最终接管权。

就自动驾驶规模化后的检测机构定位，樊海龙认为，检测机构的职责不应再局限于车辆上市前的合规审查，而应延伸至研发验证、文件审查、仿真评估、道路运行与持续监测等全生命周期环节。仿真、封闭场地测试与真实道路测试不能彼此割裂，而应构成相互校验、循环更新的验证闭环，其中仿真用于覆盖极端和长尾场景，场地测试用于校准模型，并检验其物理一致性。真实道路测试则用于补充复杂交通条件，车辆运行数据则进一步反哺场景库和风险识别。为支撑这一转型，检测机构还需同步提升安全论证审查、极端场景复现和全周期监测三方面能力。樊海龙进一步指出，未来汽车检测的核心功能将从单项合规判定转向系统性安全信任建设，并通过统一归档、交叉比对和持续追踪的数据证据，为监管决策、风险预警及事故责任认定提供客观依据。

在开放讨论和观众问答环节，圆桌嘉宾进一步围绕自动驾驶规模化核心瓶颈与ADS GTR实施的核心挑战展开了深入交流。弗朗索瓦·吉夏尔强调，各国政府当前最紧迫的任务是建设专业能力，包括组建具备审查安全案例、评估仿真可信度等能力的专家团队，并呼吁包括中国在内的各国积极参与WP.29后续进程，而非各自为政，以降低解释分歧的风险。威廉·古斯指出，规模化还涉及自动驾驶车辆与其他道路使用者之间的交互问题，标准化工作还需将自动驾驶车辆与急救人员、非自动驾驶车辆、紧急呼叫系统，以及铁路道口等复杂场景的交互纳入考量。申卫星认为，规模化还面临一些现有法律挑战，一是现行道路交通安全法以人类驾驶员为设计基础，无法清晰划分自动驾驶或者智能驾驶中的责任主体；二是自动驾驶强调制造商全生命周期责任，但现有保险和赔偿机制仍基于传统车辆，亟需相应改革予以适配。刘轩表示，当前自动驾驶技术本身并非规模化的最大障碍，真正困难的是在不同国家向不同监管机构生成和适配符合要求的安全证据，特别是系统迁移至新市场时需重新证明安全性，这构成了规模化的主要壁垒。李伯勋指出，芯片、功耗、内存等车端计算资源将成为规模化部署的关键物理瓶颈，认为新增功能往往意味着模型压缩或能力取舍，算力提升将直接影响系统复杂度与可扩展性。