单车智能把车路协同逼到死胡同了吗？

无论是通信计算的部署、上车还是道路部署，规模和体量都远远不够。大规模牵引带来的另一个问题是:谁来投资，谁来运营；以及经济问题，如路边基础设施的建设和谁来支付维护费用。

文淑之家王阿森

编辑|郎朗山和智明山

一个月前的6月4日，工信部宣布9家车企入围智能网联汽车接入与试点联合体，并在部分城市发布了乘用车L3级城市路测和L4级Robotaxi的商业运营尝试(见”)。

几乎过了整整一个月，昨天(7月3日)，工信部等五部门正式公布了“车陆云融合”首批试点城市名单，包括北京、上海、重庆、鄂尔多斯、沈阳、长春、南京、苏州、无锡、杭州、合福、福州、济南、武汉、十堰、长沙、广州、深圳、海南、成都。

自行车智能和车路协同在特定的历史节点再次放在一起。

与五年前的2019年相比，中国汽车工业协会常务副会长兼秘书长傅在上海嘉定举行的第十一届中国汽车论坛上表示:汽车信息安全已被摆在决策者的餐桌上，智能汽车的技术路线即将纳入统一管理，车路协同将作为自动驾驶的中国方案(详见)。

今天，随着计算能力的提升和激光雷达等传感器成本的降低，高水平的智能驾驶正在成为中国市场智能汽车品牌的标配，对车路协同数据的需求正在直线下降。‍‍‍

车路合作作为中国自动驾驶的中国方案越来越受到质疑。‍闪点卡密发卡破解

从当前的历史节点来看，汽车与陆云融合发展的紧迫感和焦虑感比以往更加鲜明。‍

为什么很急？因为从试点通知下发到正式公布名单，整个时间不到6个月。

今年1月17日，五部门联合发布《关于开展智能网联汽车“车陆云一体化”试点工作的通知》(以下简称《通知》)，首批试点城市名单昨日正式公布。五部门与30多个城市合作，完成了试点方案申报、汇总审核、专家评审等多项工作。

787ttt

整体解读，此次入选的20个试点城市，五部门共同想向外界传达的是，这份榜单呈现出三个共同特点:

一是入选城市大多具备“双智”试点和示范区基础，“基础”较好。

毕竟北京、上海、广州、武汉、合肥、济南等12个双智试点城市，在政策支持体系、智能基础设施建设、场景示范应用等方面都积累了丰富的实践经验和成果。，后续升级的投入成本也会更低。

二是入选城市普遍具有较好的汽车产业基础，包括北京、上海、广州、武汉、重庆、长春、沈阳、十堰等，这些城市都是全国重要的汽车产业基地，对推动汽车产业智能化转型的热情较高。

因为深、海、杭、锡等地在智能网联汽车领域发展迅速，在政策突破和产业集聚上具有一定优势，可以为“车陆云一体化”试点应用提供有力的政策和产业支持。

第三，入选城市更加重视智能网联汽车的发展，投资决心更加明显。与部分城市和企业的观望态度不同，入选城市对“车陆云一体化”的应用试点有着明确的目标和发展规划。大部分城市建立了跨部门协同工作组织机制，形成了由市政府牵头，各部门分工协作的工作专班，跨部门、跨领域推进“车陆云一体化”相关工作。

榜单聚焦海南省:海南省突破了目前以单个市或市辖区为单位建立国家级应用试点和试验区的模式，以“全省一盘棋、全岛同城”的理念开展省级示范。

看完这个列表，你可能更好奇车路协调和自行车智能到底是共生还是零和博弈关系。

在争议多年的今天，两者之间是否存在输赢关系？

这是市场经济的自由选择还是带有计划经济色彩的顶层设计？

然而，在陆云首批车企融合试点城市名单发布之前，特斯拉创始人兼首席执行官埃隆马斯克(elon musk)突然乘飞机抵京，随即传出特斯拉FSD即将进入国内市场的消息。

同一天，中国汽车工业协会、国家计算机网络应急技术处理协调中心发布了《关于汽车数据处理四项安全要求检测(第一批)的通知》，显示特斯拉在华汽车数据安全四项要求全部通过。

截至目前，中国车主可以使用特斯拉的辅助驾驶Autopilot功能，在高速公路上可以开启该功能。而FSD是一个更自主的辅助驾驶功能，可以在城市公共道路上使用，包括自动泊车、自动变道、交通导航等。

但据澎湃新闻报道，上海临港新区管委会数据部主任卢森透露，南汇新城正在推10辆特斯拉汽车，进行全自动驾驶(FSD)落地试点，然后智家。com也向临港相关人士证实了这个消息，据说今年有可能落地。

而如果特斯拉FSD这次进入中国，将会迎来自行车智能和车路协同两大模式的新一轮试验。

那么，今天五部门联合发布的名单有什么意义呢？

01.

专家认为，不存在两条独立的技术路线

无论是自行车智能还是车路协调，L3级别以上功能的核心问题是技术成熟度。

自行车智能和车路协调的主要参考依据是感知和处理主要依靠边缘计算还是云计算，分为两类:

主要依靠自行车感知和处理的边缘计算，自行车自主决策，属于自行车智能。

云计算主要依靠对路段和环境设施的感知和处理，在路端给出信号，车端以路端的信号为主要决策参考，属于车路协调。

中国工程院院士、清华大学车辆与交通研究所教授、中国汽车工程学会理事长李俊在第十一届国际智能网联汽车技术年会(CICV 2024)上表示，自动驾驶的两条技术路径——自行车智能和车-陆云一体化——并不是两条独立的技术路线，而是具有相互促进的作用。

长期以来，以特斯拉为代表的公司在自行车智能化方面一直处于领先地位，车路云被业界视为自动驾驶的中国解决方案。

关于自行车智能化与汽车陆云一体化的“角力”关系，多位业内人士对知家表示。com:“自行车智能侧重于车侧的发展，车路协同侧重于车侧和路侧的数据融合发展，将自行车智能与车路协同两端的事物结合起来。”

所以，两者合作是非常必要的。

它们的优势互补如下:

自行车智能更多依靠人工算法和高端芯片来决策。这两个领域是美国科技公司的核心优势，所以以特斯拉为代表的美国科技公司选择了这个流派。

自行车智能擅长解决车路协调“规模化、商业化”的瓶颈问题。

车路协同更多依赖于道路基础设施，比如5G基站、卫星互联网、竖立在道路上的传感器和边缘计算设备，这些都是新的基础设施。

因此，车路协调可以帮助自行车智能解决“长尾问题”和广域交通信息交互需求(如几公里外的桥梁坍塌)，弥补自行车的局限性，拓展自动驾驶的可操作设计域(ODD)。

根据“智能网联汽车技术路线图2.0”的定义，智能网联汽车需要环境感知、决策、控制和执行，才能实现无人驾驶。在环境感知过程中，涉及到自行车智能和车路协调的选择。

自行车智能感受相对较近的信息，车路协同则可以实现超视距感知。如果说自行车智能相当于一个人凭借个人经验上路而不依赖工具，那么车路协同就是基于个人经验和工具的支持来获取更多的信息。通过车路协同，可以节省大量人力，降低单车成本，有利于最终实现无人驾驶。

当然，在协调发展的过程中，这需要各方各尽其责，包括但不限于:

车企一定要做好应用功能的开发；智能驾驶技术供应商要提高自行车传感器和控制器的性能和可靠性，推动技术迭代升级；

网络服务提供者应当做好网络建设和运营服务；交通系统建设者要投资硬件基础设施，建立商业模式；

政府应该发挥主导作用。

02.

打破自行车智能化高成本的悖论

在固有认知中，具有高阶智能驾驶能力的车辆如果仅仅依靠自行车智能，就必须融合包括激光雷达、摄像头、毫米波雷达在内的多传感器的感知信息，对决策控制算法的准确性提出了非常高的要求。因此，其高昂的软硬件成本使得高阶智能驾驶车辆难以大规模商用。

然而，随着目前的激光雷达下降到千元级别，自行车智能正在接近L3及以上自动驾驶功能的实现。

高精度地图也是L3+自动驾驶系统不可或缺的技术基础。

对于L3自动驾驶，传统的静态地图已经不适用，需要结合静态和动态交通信息的高精度地图数据，需求数据的精度也提高到20-50cm。

L4自动驾驶仪需要更精确的激光点云辅助分析，可以将数据精度提高到10-30cm。

高精度地图也被视为支撑整车与道路协调的底层结构之一。

车辆-道路协调中最重要的能力之一是在边缘侧。边缘侧的设备要具备感知、计算、存储、分发、决策、分析等边缘计算能力。这些功能要求空之间的高度集成和空之间的基准测试。

高精度地图可以满足地图匹配、辅助环境感知、路径规划等需求，因此一直被视为实现车路协调的底层支撑技术。

但所谓的车路协同和高精地图解决方案只是针对特定场景的解决方案，不会是大规模的乘用车解决方案。

国内某头部地图厂商曾表示:“最初基于车路协同的时候，导航数据是车路协同提供的，包括红绿灯变化的时间，灯光临时控制的时间。但是现在自行车智能可以通过我们自己的大数据预测来做这些功能，不需要第三方来提供数据。”

那么有人会问，如果完全依靠单车智能，corner case会不会更难解决？

华为a199好不好

如果把这句话放在端到端之前，生成式人工智能还没有崛起，可能是车路协同的最佳武器。

但随着大车型上车速度的加快，各种新技术的智能化出现，端到端解决方案的爆发，自动驾驶水平有了显著的飞跃。

特斯拉FSD V12通过神经网络将手工编程的C++控制代码从30万行减少到3000行。

荣源七星曾经做过统计。如果是人工处理案件，一个工程师一天只能处理10多个案件，但是端到端的模型可以用AI的方式解决问题，系统地向老司机学习。

端到端“反常识”的好处是为车企降本增效。

这为什么不破解单车智能和车路云的无限博弈？

03.

汽车陆云，一个复杂的经济账户。

今年1月，工信部、公安部、自然资源部等五部委发布《关于开展智能网联汽车“车陆云一体化”试点工作的通知》，应用试点以城市为主体自愿申报。试点期为2024-2026年。

据清华大学自动化系系统工程研究所教授、博士生导师姚介绍，试验区的试点示范融合了汽车、交通、通信等领域，将智能辅助驾驶与交通管理、城市基础设施相结合。事实上，它正在帮助实现未来道路上的智能驾驶。

事实上，从2016年开始，我国陆续出台了一系列政策，实施了多项试点，车路协同发展从未停止。然而，由于智能车基础设施协同系统复杂度高，路侧设施覆盖率低，分布分散，标准不统一，很难表现出车路协同的效果。

但从这次国家试点城市的申报建设规模来看，都是市级的，没有之前的示范区那么小。

这份名单中这20个试点城市的总投资估计在800亿到1000亿左右。

这样会打破政策热市场冷的局面吗？

毕竟路云融合强调协同，前提是必须从政府层面推动。

车云试点申报对应的资金主要来自国家专项债券或超长期国债，地方财政和企业也会出资建设。地方政府会有一定比例的资金配置，但主要依靠国家专项债券。

但据《联合早报》报道，今年1至5月中国财政收入减少2.8%，其中税收减少5.1%，非税收入增加10.3%。《联合早报》对这一数据的分析总结如下:显示需求疲软正在拖累中国经济复苏。

财政收入的减少意味着车路云的发展在一定程度上受到限制，因此政府将减少对陆云企业的支持和签约概率。

四年前，业内某知名自动驾驶系统公司向智家透露。com认为，如果道路进行智能化改造，每公里将花费200多万元。

判断200万元以上的信息基础设施建设成本高不高，需要和高速公路建设成本按比例计算。

一般来说，一条标准的双向四车道高速公路的造价是每公里3000万元左右起步。所以200多万几乎占了传统基建10%的成本，并不算高。

中国工程院院士、清华大学教授、中国汽车工程学会副理事长、国家智能网联汽车创新中心首席科学家李克强在CICV就当前业界对汽车与陆云融合方案的三个误区进行了解答。

其中之一就是澄清了信息基础设施建设成本高，难以大规模部署和推广网联驾驶的误区:传统道路扩容有限，通过新技术的赋能，以不到传统基础设施1%的成本有效实现交通扩容。同时，通过车、路、云的融合，将部分感知和计算能力移至路侧和云端，避免车辆配置的过度积累，实现大系统成本的整体优化。

1%到10%的成本差距，很难说不是在维护车路云。

据一位早期创立于硅谷、现在扎根于上海的智能驾驶厂商CTO介绍:“随着外资和美元基金大量撤离中国，很多投资机构都变成了国资，很多地方政府和有国资背景的基金都在合作。对他们来说，三年后看不到任何好处是不可接受的，尤其是在当前的市场形势下。”

这不是偏见。汽车和陆云的整合能否用起来，是决定未来能否实现闭环商业化的关键。

蘑菇车联CTO郭在不久前的论坛上表示，要进一步完善车一体化的规模化应用。

他指出，目前，车-陆云融合的应用仅限于智能网联汽车和一些试点城市。2023年5G和C-V2X的前装量只有170万和30万，导致大众感知不足，商业价值尚未显现。

除了上面提到的感知、沟通、集成等技术难点，目前车路协同试点最大的难点是商业模式。

无论是通信计算的部署、上车还是道路部署，规模和体量都远远不够。大规模牵引带来的另一个问题是:谁来投资，谁来运营；以及经济问题，如路边基础设施的建设和谁来支付维护费用。

李克强院士提出了今年车路协同路线的八种商业化落地场景:一体化公交-陆云公交系统、智能环卫系统、无人配送车、网联智能驾驶客车、Robotaxi、智慧矿山、干线物流、数据闭环、数据增值。

在这八个场景中，乘用车排在第四位，最直观的应用场景是公交系统，链接系统属于市政公共服务和物流系统。

换句话说，车路协同正在与自行车智能分道扬镳，两者不再是替代品。‍‍

正如亚当·斯密在《国富论》中所写，“在所有的改进中，交通的改进是最有效的”。

自动驾驶的发展道路注定是不平坦的，有伦理、道德、价值等问题，也有芯片、标准、网络安全等亟待解决的问题，但正因为有问题需要解决，才会有更多的进步和发展。

【关注智能汽车，关注Zhijia.com视频号】

提供合作或新闻线索，联系邮箱:editor@autor.com.cn

爆料，联系作者，加微信:xinwell0709

未经允许不得转载：科技让生活更美好 » 单车智能把车路协同逼到死胡同了吗？