11月6日，第十二届中国（绵阳）科技城国际科技博览会“涪江科技汇——颠覆性技术与未来产业发展”活动举行。本次活动聚焦颠覆性技术前沿探索、产业升级与转型路径。活动现场，各专家院士分别围绕前沿生物医药技术、前沿新材料创新应用、人工智能和智能材料、低空经济装备研制前沿技术、纳米颠覆性技术等方向作主旨报告，共话颠覆性技术与未来产业的创新发展。封面新闻记者 车家竹
未来产业主要包括什么等产业
未来产业主要包括智能制造、生物制造、量子信息、新型显示、脑机接口、6G网络设备、超大规模新型智算中心、第三代互联网、高端文旅装备以及先进高效航空装备等产业。 未来产业是由前沿科技驱动，当前处于孕育萌发阶段或产业化初期，具有显著战略性、引领性、颠覆性和不确定性的前瞻性新兴产业。 这些产业涵盖了从高端制造到生物技术，从新能源到新材料等多个前沿领域，旨在推动中国在全球科技革命和产业变革中抢占先机，实现经济高质量发展。 以智能制造为例，它融合了人工智能、物联网、大数据等先进技术，通过智能控制、智能传感、模拟仿真等关键核心技术，推动工业互联网、工业元宇宙的发展，实现制造过程的智能化、柔性化和高效化。 生物制造则利用生物技术的创新，开发新型生物材料、生物能源和生物药品等，为医疗健康、环保能源等领域提供新的解决方案。 量子信息作为未来产业的另一重要方向，以其独特的量子叠加、量子纠缠等特性，为信息安全传输和超强计算能力提供了可能。 新型显示技术如量子点显示、全息显示等，将带来更加丰富多彩的视觉体验，并在多个场景中推广应用。 脑机接口技术则致力于打破人与机器之间的界限，实现思维与机器的直接交互，为医疗康复、无人驾驶等领域带来革命性变革。 此外，6G网络设备、超大规模新型智算中心、第三代互联网等产业的快速发展，滑茄指将推动网络通信配信技术的升级换代，提升数据处理和传输效率，为各行各业提供更加智能、高效的服务。 高端文旅装备和先进高效航空装备等产业，则通过技术创新和产品研发，提升文旅体验和航空运输效率，满足人们日益增长的美好生活需求。 总的来说，未来产业的发展将深刻影响人类社会的生产生活方式，为经济社会发展注入新的动力。 中国正纳凯积极布局未来产业，加强政策引导和金融支持，推动技术创新和产业化进程，以抢占全球科技和产业发展的制高点。
未来最具颠覆性的产业将是汽车产业，你对这一观点怎么看？
汽车行业正站在变革的十字路口，智能网联技术的快速发展正推动着这一传统产业迈向新的高峰。 正如智能手机的触摸屏革命改变了我们的交互方式，汽车制造商们正从视觉和触觉的角度出发，探索如何将智能交互融入驾驶舱设计。 特斯拉就是其中的先驱，其创新的中央控制屏幕不仅整合了导航和多媒体等功能，还引入了手机式的多点触控操作，为用户带来了全新的智能交互体验。 这一创新迅速成为行业趋势，无论是经济型轿车还是豪华车系，大型中央控制触摸屏成为了标配。 然而，触摸屏虽然提升了用户体验，却也带来了驾驶安全性的挑战。 为了解决这一问题，汽车制造商们正在将触摸、语音、手势等多种交互方式结合起来，以提高交互效率并确保驾驶安全。 这种多模态交互技术不仅整合了驾驶舱内的灶察多种感知技术，还通过声音、增强现实等技术增强用户的指令理解，并通过屏幕为用户提供即时的反馈，实现了人与车之间更加无缝的通信。 在智能网络技术的引领下，汽车行业的转型不断深入，电子电气（EE）隐辩茄架构正朝着更加集成的方向发展，进入了“软硬件共同定义”的新时代。 虽然AutoSAR在传统的“硬件定义”时代为软件和硬件的分离提供了框架，但它主要针对分布式ECU架构，硬件的生命周期依然对软件有着同步的要求。 随着OnSAR的更新，电路板上的软灶枣件开始与汽车硬件的生命周期解耦，为汽车的软件定义和更新提供了新的可能性。
2023汽车产业国际化发展大会主题报告|李升波教授“智能汽车的产业趋势与技术挑战”
智能汽车作为科技前沿的焦点，正成为全球竞相追逐的目标。 从驾驶员辅助到全自动驾驶，这一过程并非一蹴而就，而是经历了一个渐进升级阶段。 然而，从低级别驾驶辅助到高级别自动驾驶，技术变革所面临的挑战巨大。 尤其是在中国，由于第一代驾驶员众多、人车流混杂、道路条件不一，智能汽车面临更为严苛的挑战。 本次大会，李升波教授以“智能汽车的产业趋势与技术挑战”为主题，深入探讨了这一领域的发展现状及未来方向。 智能汽车与人工智能的交叉融合是当前研究谈枣热点。 在环境感知、自主决策和运动控制等关键领域，智能汽车不断推进技术革新，结合生成式人工智能的最新进展，展望了自动驾驶汽车的产业发展趋势与核心技术挑战。 李教授的报告不仅揭示了智能汽车与人工智能的紧密关系，还强调了数据在智能汽车发展中的重要性，尤其是在自动驾驶安全性评估方面的挑战。 智能汽车的发展是分阶段的，从L1级到L5级，每一步都面临着不同的技术难题。 低级别的智能汽车，如L1级和L2级，已经实现了商业化，主要面向高速公路场景，包括LKA、ACC、AEB、NOA等系统，市场竞争激烈。 而L3级之后，自动驾驶的定义更为明确，技术难度渐增，尤其是城市工况的自动驾驶，功能尚未成熟，仍处于研发阶段。 随着大模型的出现，L4级自动驾驶技术布局面临颠覆性挑战。 腊敬智能汽车技术体系复杂，不仅涉及神经网络为核心的人工智能，还包括环境感知、自主决策、运动控制、电子地图、高算力芯片、域控制器、高实时OS、车用无线通讯、人机交互、线控底盘、信息安全以及云平台等。 每一项技术都至关重要，缺一不可，共同构建智能汽车的核心竞争力。 环境感知是智能汽车的“眼睛”，自主决策是其“大脑”，运动控制则负责执行决策，实现车辆的驾驶功能。 从L1级到L5级的分级体系，不同级别的智能汽车在感知、决策和控制技术上存在显著差异。 随着功能的升级，技术难度逐渐增加，尤其是在从含局拆高速公路场景向城市道路的过渡阶段，决策技术的挑战尤为突出。 智能驾驶的核心难题在于安全性，无论是低级别驾驶辅助系统还是高级别自动驾驶系统，都面临着安全性的考验。 数据集的长尾分布特性使得边缘场景的训练异常困难，算法的性能优化也面临着巨大挑战。 为提升自动驾驶的智能性，算力是关键因素，但数据和算法同样重要，如何实现三者的完美融合，赋予汽车自我完善和不断进化的能力，是智能驾驶领域的关键问题。 中国正推进车路云一体化的智能网联汽车驾驶方案，通过收集交通场景数据，上传至云平台进行训练，实现“数据驱动”和“验证驱动”的双环技术路径。 这一方案旨在破解单车智能的不足，通过数据驱动筛选与采集边缘场景，通过验证驱动优化算法，不断迭代系统功能，实现智能驾驶的闭环训练。 智能驾驶的技术布局建议包括重点推进主导模块的神经网络化，优先布局关键工具软件的开发，以及算力预埋和数据预采。 高校研究团队在高级别自动驾驶系统的决策与控制、强化学习训练算法、自主知识产权的自动驾驶仿真软件以及面向工业控制的强化学习工具等方面取得了显著进展，为智能驾驶领域提供了坚实的技术支持。 中国汽车工业正站在由大变强的关键时刻，智能汽车作为其中的重要一环，面临着从技术引领到产品标准国际化、生态体系打造的多维度挑战。 人工智能的发展为汽车工业带来巨大机遇，同时也需要行业同仁共同努力，提升核心能力，构建自主化技术和工业软件生态。 智能汽车的发展并非一蹴而就，安全性不足的挑战仍需面对，但通过打通车路云一体化的闭环训练，智能驾驶的商业化逻辑将逐渐成熟。
