自動駕駛汽車安全性測試的嚴重低效性，成為阻礙其研發(fā)迭代與落地應用的瓶頸性難題。針對這一行業(yè)難題，封碩凝練其背后的科學難題——超高維空間小概率事件估計，提出了“連續(xù)時空智能環(huán)境測試”的全新思路。他創(chuàng)立“自動駕駛汽車等效加速測試”理論與方法體系，解決了自動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：首次揭示自動駕駛汽車安全性挑戰(zhàn)背后的科學難題——稀疏度災難，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)學習框架，將仿真與實車測試速度提高 3 至 5 個數量級。