拆解 2026/2027 NCAP 新规：智驾 HiL 仿真的工程落地与能力要求

▍文章来源于康谋


自动驾驶

智能驾驶的规模化落地，正在迫使测试验证从“


功能展示


”转向“


安全证明


”。也就是说企业不再只需要证明“车辆能开”，更需要证明“系统在可定义边界内足够安全、过程可追溯、结果可复现”。

尤其在L2+/L3能力快速迭代，以及即将落地的


2026版E-NCAP


、


2027版C-NCAP新规


背景，更大幅升级了主动安全与自动驾驶的测试验证要求。目前的核心挑战已经从


单一场景验证


扩展为


法规符合性、长尾风险覆盖、


算法


回归效率


和


安全证据链建设


的综合较量。

仿真


测试


也由此成为破解传统测试痛点、适配新规要求、构建企业核心竞争力的核心抓手，下文将结合


传统测试短板


、


最新NCAP新规细则


、


HiL仿真核心方案及落地能力


展开详细说明。

01 传统测试痛点

传统实车道路测试


和


封闭场地测试


仍然不可替代，但其局限也日益明显。

首先，真实道路中的


高危长尾场景


——例如“鬼探头”、非机动车横穿、前车急刹、施工区域、雨雾雪等恶劣天气——发生频率低，却对系统安全能力影响极大；若完全


依赖实车复现


，不仅


成本高、周期长


，也


存在安全风险


。

其次是


算法迭代回归测试效率不足


。智驾感知、预测、规划、控制算法更新迭代频繁，每一次版本升级，都需要完成大批量回归测试。仅依靠道路和封闭场地资源，完全


无法匹配高频次


的算法验证节奏，严重制约技术迭代速度。

最后是


合规证据链不完整


。当前行业监管和车辆评级体系日趋严格，要求企业提供完整的测试记录、标准化结果判定以及可审计的测试数据。传统测试模式下，数据分散在不同工具、不同团队中，无法形成从法规条款、驾驶运行边界、场景执行到报告输出的完整闭环，难以满足合规审核要求。

02 NCAP新规细则解读

2026年E-NCAP


、


2027年C-NCAP


的规则升级，是智能驾驶测试行业的重要转折点，


虚拟仿真测试


从辅助手段，升级为车辆评分、市场准入的核心支撑依据。

2026 E-NCAP：仿真纳入官方计分体系

2026版E-NCAP主动安全测试规则，明确将


虚拟仿真纳入官方评价体系


，对仿真模型精度、测试标准提出了硬性规范。

新规要求仿真系统


必须搭建三类


高精度


核心模型


，分别是与实车参数完全匹配的车辆模型、尺寸与包围盒贴合真实路况的目标障碍物模型，以及还原真实路面摩擦、光照、天气、边界条件的环境模型。同时规定测试数据输出频率需达到100Hz，且禁止额外滤波处理，保证测试数据真实有效。

在


测试场景


层面，E-NCAP 2026将


主动安全功能


划分为前向纵向、前向转弯、前向横穿、车道边缘避险等多个测试模块，全面覆盖追尾规避、路口转弯冲突、行人及骑行者横穿、道路边缘风险、对向车道避险等高频刚需场景。

新规明确，每个测试模块不仅要覆盖标准内的极限场景，还需


补充拓展测试案例


。车企需先完成内部全量验证，再接受官方抽查，且单个模块


至少75%


的测试项达标，该模块的仿真测试结果才能纳入最终评分。

2027 C-NCAP：认可在环仿真合规价值

国内


2027版C-NCAP规则


正在积极落地更新，已正式将虚拟仿真测试、硬件在环（HiL）测试纳入讨论及合规体系。未来这类测试手段，将与封闭场地测试、实车道路测试并行，成为官方认可的标准化验证方式。

这也意味着，车企想要通过新规评级、完成市场准入，必须


提前搭建可复现


、


可追溯、可批量执行


的仿真测试能力。

03 HiL闭环仿真破除测试瓶颈

HiL 闭环仿真价值

需要明确的是，


仿真测试的核心价值


不是替代实车测试，而是


优化测试结构


。将高危、难以复现、需要高频回归的测试场景，从户外道路、场地转移到实验室完成，大幅提升测试效率与安全性，而


硬件在环（HiL）闭环仿真


，是实现这一目标的关键载体。

HiL闭环仿真可通过专业


仿真器


搭建


全真车载运行环境


，


模拟


相机、激光雷达、


毫米波雷达


、GPS/IMU等全套


传感器


的高保真数据。同时通过视频注入、


以太网


、


CAN


等通用链路，将真实环境数据输入车辆ECU与域控设备。智驾算法运行输出的转向、油门、制动等车身控制指令，会反向反馈至仿真器，形成


完整的软硬件闭环测试链路


。

这种测试模式兼具


真实性


与


可控性


：一方面最大程度还原实车的输入输出逻辑，贴合真实行车状态；另一方面可稳定、重复、批量生成各类测试场景，完美适配法规验证、算法迭代回归、边界场景挖掘、安全证据链搭建等全场景测试需求。

康谋


ai




Sim


方案工程特性解析

针对行业新规与测试痛点，康谋基于


aiSim平台


打造


专业智驾HiL仿真方案


，核心围绕确定性、开放性、高保真、可追溯四大核心能力，搭建适配新规的一体化测试底座。

首先，aiSim采用


确定性渲染引擎aiSim AiR


，从底层图形A


PI


构建，强调


逐帧一致


和


结果可复现


，为安全仿真的证据链提供基础。其次，平台支持OpenSCENARIO、OpenDRIVE、OpenCRG、ASAM OSI等开放标准，可融入企业既有仿真、测试和自动化工具链。

在


传感器仿真方面


，aiSim不仅支持


真值传感器


，还支持相机、激光雷达和毫米波雷达等


物理级传感器模型


。相机模型可模拟针孔、鱼眼、MEI等畸变模型，以及HDR、动态模糊、炫光、曝光时间、快门速度、镜头脏污等效果；激光雷达可结合PBR材质和光线追踪模拟多回波、反射率、雨雾衰减；毫米波雷达支持ObjectList、点云、多径和噪声配置。

在


场景构建方面


，aiSim支持


真实地图


、


合成地图


与


3D资产导入


，可基于OpenDRIVE工作流构建标准道路网络，也可结合3DGS/Ne


RF


等技术重建真实城市环境。其


内置场景编辑工具


可组合地图、天气、交通参与物、触发事件和评价条件，并保存为参数化JSON/XOSC资产，用于法规场景、边缘场景和批量回归。

同时，平台具备晴、雨、雪、雾、多云等


全天候天气能力


，并支持动态光照、路面干湿/积水/积雪等环境变化，进一步提升对


复杂ODD的覆盖能力


。

04 总结

从2026 E-NCAP到2027 C-NCAP的规则迭代，智能驾驶行业的测试竞争赛道已经彻底改变。行业告别了单纯比拼实车测试里程的粗放模式，进入以


场景覆盖精度


、


模型仿真置信度


、


安全证据链完整性


为核心的精细化竞争阶段。

当下车企需要的不再是单一的仿真软件，而是一套打通法规解读、场景搭建、传感器仿真、域控接入、自动化测试、合规报告输出的


闭环工程体系


。

康谋aiSim HiL方案通过


高保真传感器仿真


、


标准化场景构建


、


真实ECU闭环接入


和


可追溯测试管理


，可帮助企业在实验室中高效覆盖长尾高危场景、降低实车测试风险与成本，并为


NCAP评分


、


法规准入


和


安全论证


沉淀可信证据。未来谁能更早建立可复现、可扩展、可审计的仿真验证平台，谁就能在智能驾驶安全竞争中占据主动。