GB 44721—2026

《智能网联汽车 自动驾驶系统安全要求》强标解读

结合 GB 44721—2026 强制国标落地要求，行业必须组合开展场地、道路、仿真三类验证，恶劣气象、系统失效、ODD 边界场景考核常态化，封闭测试场、VTEHIL整车 - 交通 - 环境（雨雾光）在环测试系统，是当前适配新规验证需求的两大核心落地载体，DigGenX完成整车在环测试场景的参数配置与智能泛化，三者分工互补，可完整覆盖车企从研发迭代到上市合规的全周期测试需求。

国标把雨、雾、强光、黑夜、逆光等复杂气象，列为感知系统必检项目，而户外自然天气随机性极强，工况无法固定复现，道路实测数据不具备合规采信效力。

测迅自研VTEHIL（整车交通环境在环测试系统），可精准量化调节雾场浓度、降雨强度、光照照度、逆光等复合环境，在室内稳定复刻国标要求的各类恶劣场景。

在 VTEHIL台架上开展AEB等国标重点项目全套测试，整体测试效率相较户外道路实测可提升 2 至 3 倍，在大批量场景回归测试工作中效率优势更为突出，能够充分适配车企高频迭代验证的使用需求。

VTEHIL招商车研实验室测试

测试数据一致性高，完美补齐车企、检测机构环境实验室短板，现已服务清华大学、招商车研、一汽等各大科研院校、权威检测机构与主流整车厂商。

测迅自研数据生成模型 DigGenX，以 VTEHIL 实验室采集的真实物理数据为“锚点”，经要素提取、条件构建、世界模型生成与融合后处理，规模化产出高保真、多场景的训练数据，从根源上压缩仿真与实车之间的置信鸿沟。生成数据可直接适配端到端与 VLA 模型的训练与验证，亦可完成整车在环测试场景的参数配置与智能泛化。

这一能力带来的更深层改变在于：仿真与实车不再是割裂的两套体系，而成为可以相互验证的统一整体。同一测试场景，既能在 DigGenX 构建的仿真环境中大规模推演，也能在 VTEHIL 物理在环台架上以真实整车复现，仿真结果与实车表现可直接对标校验——“仿真里通过的，实车上是否同样可靠”由此有了量化答案。仿真结论可向实车验证，实车数据亦可反向标定仿真模型，双向校准持续收敛虚实差异，让仿真置信度有据可依、可追溯，也让每一次实车验证的边际成本不断降低。

VTEHIL 与 DigGenX 构成“实虚结合”的双引擎闭环：物理测试产生真实数据、真实数据反哺模型训练、模型升级回到物理环境验证。这一正向循环既可持续强化自动驾驶系统在恶劣环境、失效工况下的运行稳定性，贴合国标行驶能力底线要求；又可沉淀标准化、可溯源的全量试验数据，支撑企业安全档案建档、OTA 迭代复测与上市多维度确认性试验——以远低于路采的成本持续供给高训练效益的“数据燃料”，让车企测得更全、迭代更快、花得更少。

我方布局盐城、乌镇两处标准化封闭测试场地，工程团队具有丰富的L2到L5级别的场地测试、道路测试工程服务经验，可覆盖GB/T 41798-2022《智能网联汽车 自动驾驶功能场地试验方法及要求》，提供专业且全面的ADAS研发、验证测试服务，ADAS功能标准测试及自定义工况的测试设备工程服务。