自動(dòng)駕駛汽車安全性測試的嚴(yán)重低效性，成為阻礙其研發(fā)迭代與落地應(yīng)用的瓶頸性難題。針對(duì)這一行業(yè)難題，封碩凝練其背后的科學(xué)難題——超高維空間小概率事件估計(jì)，提出了“連續(xù)時(shí)空智能環(huán)境測試”的全新思路。他創(chuàng)立“自動(dòng)駕駛汽車等效加速測試”理論與方法體系，解決了自動(dòng)駕駛測試的低效率難題，克服了片段化場景測試的局限性。

入選理由：首次揭示自動(dòng)駕駛汽車安全性挑戰(zhàn)背后的科學(xué)難題——稀疏度災(zāi)難，開辟了基于生成式人工智能的安全性加速測試與可持續(xù)學(xué)習(xí)框架，將仿真與實(shí)車測試速度提高 3 至 5 個(gè)數(shù)量級(jí)。