（问题）自动驾驶技术传感、计算、通信与控制等环节不断突破，推动车辆从“辅助驾驶”走向“高等级自动驾驶”。但自动化等级越高，安全验证越容易遇到瓶颈：当系统进入L3及以上，驾驶任务从人转移到车辆，车辆需要在更广的运行设计域内独立完成感知、决策与执行。现实交通具有明显的长尾风险特征，极端天气、遮挡混行、道路施工、突发并线等高风险场景出现概率不高，却可能造成严重后果。以传统整车道路试验或面向驾驶辅助的评价方法为主，往往难以覆盖足够多的长尾场景，也难以形成可复现、可对比、可追溯的安全结论。 （原因）业内普遍认为，高等级自动驾驶测试评价之所以难，核心在于“三个指数级增长”：一是场景复杂度增长，参与者从单车扩展到车、人、非机动车、道路基础设施及云端协同；二是组合状态增长，交通参与者行为与道路环境的排列组合快速膨胀；三是验证成本增长，单靠真实道路里程堆叠不仅周期长、成本高，也难以满足一致性与可控性的要求。此外，责任边界、数据合规、事故处置等制度问题，也与测试技术一起构成落地门槛，需要“技术—标准—法规”共同推进。 （影响）测试评价体系是否成熟，直接影响产业化节奏和社会接受度。对企业来说，缺乏高效验证手段会拖慢研发迭代、抬高试错成本；对监管来说，缺少统一且可量化的指标与流程，难以形成可执行的准入与运行管理规则；对公众来说，安全论证不足容易削弱对新技术的信任，进而影响规模化应用。更重要的是，测试评价不仅要“发现问题”，也要“证明安全”，需要建立覆盖功能安全、预期功能安全以及场景化安全评估的系统框架。 （对策）在全球范围内，各方正通过政策与标准建设加速破题。美国持续发布自动驾驶政策文件，强调多主体协作与测试监管；欧洲多国推进测试法规与责任界定，为道路试验提供制度支撑；日本以渐进式立法完善许可、数据与事故处置等规则链条。我国将智能网联汽车纳入制造业核心竞争力提升对应的部署，多部门发布的战略与试点通知明确提出，提升模拟仿真、封闭场地与实际道路等多层次测试验证能力，推动从“能上路测试”向“测得准、评得出、管得住”转变。 科研与标准层面，国际项目聚焦安全验证方法、群体智能测试框架与城市复杂场景库建设，企业也在复杂天气等条件下积累验证经验。标准化工作同样在加速推进，围绕功能安全、预期功能安全，以及自动驾驶测试场景术语、评估框架、运行设计域、场景分类与测试用例生成等，逐步形成标准体系，为跨机构、跨平台的评价一致性提供支撑。 因此，赵祥模教授团队面向“高效率、高覆盖、高可信”的测试需求，提出“车—云—场”一体化虚实融合测试系统思路：在云端构建真实测试场地的数字孪生平台，实现虚实联动与分布式加速。该体系以场景为核心组织单元，贯通场地孪生、场景构建、用例生成与云端调度，已形成多处测试场地的虚实融合场景与数百项测试用例，为重复验证与回归测试提供了条件。业内人士认为，这类虚实融合路线有望在安全边界可控的前提下，大幅提升对长尾风险的覆盖效率，并为构建可审计的安全证据链打下基础。 （前景）展望未来，高等级自动驾驶的测试评价将呈现三上趋势：其一，从“里程驱动”转向“场景驱动”，以运行设计域为边界构建覆盖充分、可度量的场景体系；其二，从“单点测试”转向“系统验证”，将车辆、道路基础设施与云端协同纳入统一框架；其三，从“经验判定”转向“证据化认证”，以标准为牵引形成可复现的评价流程、指标与数据治理规则。随着车路云一体化应用推进，测试评价能力有望成为我国智能网联汽车竞争力的重要支点。
自动驾驶技术的关键不在于实验室里的理想表现，而在于面对现实交通复杂变量的稳定应对；当数字孪生把海量测试搬到云端，当虚实融合让验证更可控、更可复现，交通安全的边界也在被重新定义。面向未来出行，这场变革既需要科研持续攻关，也需要跨学科、跨行业合力推进，让技术进步真正转化为更安全、更高效、更绿色的出行体验。