近期，智能辅助驾驶领域的安全问题频发，引发了公众的广泛关注与担忧。监管部门对此迅速响应，7月23日，国家公安机关明确表示，将联合相关部门，加大对“智能驾驶”的监管力度，实现从被动应对向主动预防的转变，为行业安全筑起更坚实的防线。
智能辅助驾驶技术的成熟，离不开海量数据的支持。正如人类驾驶员需通过长期驾驶积累经验，智能辅助驾驶系统同样需要利用丰富的场景数据进行训练与优化，以构建强大的数据闭环能力，确保安全性能的不断提升。
在第八届智能辅助驾驶大会上，上汽集团展示了其在数据驱动方面的最新进展。上汽集团智驾部仿真与数据开发专家周鹏介绍，上汽集团将数据视为提升智能驾驶能力的基石，其数据工厂体系经过持续迭代，已建立起稳固的数据闭环基础。此次推出的数据工厂2.0版本，旨在进一步提升云端数据闭环体系的效率，为智能驾驶的安全进化提供更为强大的支持。
数据工厂2.0在原有业务平台的基础上进行了优化，底层服务被解耦为独立模块，使得数据规模大幅缩减，数据调用及结果运算更加便捷高效。这一变革不仅提升了数据流转效率，还加速了算法迭代，缩短了新功能推向用户的时间。
在数据工厂2.0体系中，四大核心平台均得到了全面升级。标注平台支持人工与自动化两种标注模式，自动化标注涵盖多种任务，包括BEV标注、车道线标注等，通过微服务模块的解耦与重构，显著提升了标注效率与质量，增强了对城市复杂场景的应对能力，加速了城市NOA功能的落地。
数据工厂2.0还强化了与其他业务平台的整合能力。仿真平台与问题管理平台、集成发布平台等实现了互通，这些平台的操作均可触发仿真工作流执行。例如，问题管理平台可直接跳转至可视化界面查看数据，可视化平台提供一键生成仿真场景的功能，用户可将指定数据转化为仿真场景，进行后续验证。这一功能为用户提供了更为强大的行车安全冗余体系。
场景挖掘平台则采用视觉语言模型对视频或图像进行向量化处理，针对测试数据中暴露的问题，在全局场景库中挖掘相似场景，并根据需求分配至训练集或测试集。当相似场景不足时，平台将自动触发数据采集流程。该平台还支持多样化的检索功能，包括以图搜图、以文搜图等。
仿真数据合成服务则采用多种方法生成数据，以满足不同需求。例如，针对地面标线生成、泊车鱼眼数据生成等场景，上汽集团智驾团队应用了包括Diffusion方法和纯仿真渲染在内的多种技术手段。
