TRAINING INVITATION 邀 请 函

• 课程介绍：

  本课程为垂直进阶专项实战课，全程聚焦 BEV/Transformer/Occupancy、端到端车载大模型、城市无图 NOA、L3 有条件自动驾驶。融合 ISO 21448、ISO 26262:2025 AI/ML 附录、ISO/PAS 8800、GB 44721，重点解决 AI 系统独有的长尾 OOD、模型漂移、对抗样本、可解释性不足等量产难题，补齐通用标准课程缺失的工程落地方法。

• 适配学员：智驾算法、感知预测、智驾系统、SOTIF 专项工程师、L2++/L3 项目安全负责人

• 先修条件：了解自动驾驶基础架构，熟悉 NOA、感知模型、场景测试等基本概念；掌握 ISO 26262 基础概念（ASIL、安全目标、风险分析）；具备智驾开发、功能安全、自动驾驶测试相关项目经验。

• 核心培训目标：厘清 E/E 硬件失效（功能安全）与 AI 算法性能不足（SOTIF）边界，解决大模型系统双安全混淆痛点；掌握 SOTIF 完整开发流程，并落地适配 BEV、端到端大模型架构；建立 OOD 长尾场景、模型漂移、对抗样本的系统化治理方案（通用 SOTIF 课程薄弱环节）；掌握 L3 项目 AI 安全 Safety Case 证据链搭建，满足国内型式认证审核要求；理解 ISO/PAS 8800 与 ISO 26262:2025 AI 附录协同落地路径；获取全套可编辑 SOTIF 文档模板、AI 风险分析清单、场景库建设规范。

模块 1：高阶智驾安全合规体系演进（2课时）

1.端到端大模型普及带来的安全挑战，对比传统模块化 ADAS 风险差异

2.四大标准协同框架：ISO 21448、ISO 26262:2025 AI/ML 附录、ISO/PAS 8800、GB 44721

3.功能安全、SOTIF、网络安全三者边界与联合风险分析思路

4.L2++ 无图 NOA 与 L3 自动驾驶合规差异，国内最新审核关注点

5.对比通用 SOTIF 课程局限：为什么传统 ADAS 方法论无法直接复用在 

AI 大模型系统

模块 2：SOTIF 全生命周期开发方法论（4课时）

1.SOTIF 核心定义：无硬件故障前提下的不安全行为

2.SOTIF 四分区模型实战落地（已知安全 / 已知不安全 / 未知安全 / 未知不安全）

3.使用场景定义、触发条件识别、运行场景约束梳理方法

4.已知不安全场景风险评估、缓解策略设计

5.未知不安全场景挖掘手段：数据挖掘、仿真遍历、对抗测试、场景泛化

6.残余风险判定准则、SOTIF 计划、分析报告、验证报告文档体系

模块 3：高阶智驾场景库与多支柱验证策略（4课时）

1.城市 NOA 典型复杂场景分类与风险特征

2.面向大模型的场景库构建、迭代闭环、覆盖率评估方法

3.“仿真 + 场地 + 实车路测” 多支柱验证在 AI 系统中的实施难点与优化方案

模块 4：BEV / 端到端大模型特有 SOTIF 风险治理（8课时）

1.模块化智驾架构 vs 端到端大模型安全架构差异

2.大模型典型失效模式：识别偏差、预测突变、决策震荡、泛化能力不足

3.OOD 分布外场景识别、分级管控与工程缓解方案

4.模型漂移、数据偏差、灾难性遗忘、对抗样本风险的 SOTIF 管控手段

5.Occupancy 网络、鸟瞰图感知系统专属风险分析方法

6.无图方案下动态道路、异形障碍物、临时施工场景安全治理实践

模块 5：L3 项目 AI 系统 Safety Case 论证落地（4课时）

1.L3 最小风险策略 MRC、人机接管策略的安全论证要点

2.AI 系统安全目标分解、安全概念设计、证据链闭环构建

3.车载大模型可追溯性、可解释性工程实现与审核要求

4.近年量产项目 AI 安全高频整改案例复盘

模块 6：分组案例实操 + 集中答疑（4课时）

1.实战演练：城市 NOA 复杂路口 SOTIF 风险分析演练

2.实战演练：针对大模型 OOD 风险设计缓解措施与验证方案

3.企业项目个性化问题研讨、方案指导

4.配套模板使用讲解