智能网联汽车正引领着新一轮的科技革命和产业变革。随着人工智能和新一代信息通信技术的深度融合，汽车产业正经历着前所未有的加速变革。如今，智能网联汽车已成为全球汽车产业转型的战略方向，智能驾驶及车路云一体化技术正迈向规模化应用的新阶段。
智能化与网联化的融合已成为全球共识的产业突破路径。车路云一体化的发展不仅是技术演进的必然趋势，更是全球政府、产业界共同认可的战略发展方向。在产业层面，各参与方正加速布局，加快车-云计算架构的探索，力求实现更高效的协同与互动；在政府层面，各国政府也在积极推进路侧和云端的基础设施规划与建设，推动车路云一体化发展的全面优化与升级。
中国工程院院士、清华大学车辆与运载学院教授
清华大学智能绿色车辆与交通全国重点实验室主任
西部智联首席科学家李克强
那么，车路云一体化技术与炙手可热的单车智能、车路协同有何不同？各地车路云一体化试点城市又如何发展？车路云一体化的技术路线，又如何实现商用化？面对这些疑问，中国工程院院士、清华大学车辆与运载学院教授、清华大学智能绿色车辆与交通全国重点实验室主任、西部智联首席科学家李克强给出了最新的权威解答。
车路云一体化是
单车智能+影子模式的全方位升级版
当前，智能网联汽车产业正沿着三条主要的发展路线快速演进，即单车智能、车云协同以及车路云一体化。李克强院士指出，单车智能虽然实现了基本的横纵向控制，但受限于单车固定版算法和单次烧写带来的难以升级的问题，以及仅依赖单车感知的局限性。车云协同则通过车云数据闭环的OTA升级，云端训练并车端部署的方式，使驾驶体验拟人类化，无限逼近人类驾驶水平。而车路云一体化通过超视距信息增广融合、多维信息的全面协同，以及超视距、协同感知和全局性能优化等显著优势，实现了超越人类驾驶立场和驾驶水平的智能交通系统。
那与车路云一体化化相比，单车智能与车云协同有哪些突破与提升？李克强院士分别从以下几个方面进行阐述：
第一，从数据维度看，单车智能路线主要依赖于单一车企的数据，导致数据孤立难以打通，限制了数据的共享与交互。而车路一体化优势是一方面通过统一的数据协议和标准，将不同车企的数据连通，实现数据的高效共享和高质量交互，提升模型迭代速度，打破单一企业烟囱型数据孤岛的困境；另一方面依靠中心云提供数据闭环和分析训练能力，通过整合不同车辆、车企来源的驾驶数据，保障数据的海量性和完备性。
第二，从感知维度看，单车感知的局限性也影响了感知能力，尤其在复杂环境中，感知角度和距离受限，存在盲区。而车路云一体化则融合车载与路侧传感器，实现全方位超视距感知，解决单车感知信息类型有限、感知角度不佳、存在遮挡盲区、感知距离受限等问题，实现超视距（包括提升范围、类型、精度、可靠性等）感知，拓展车辆感知能力。
第三，从决策维度看，自主决策的方式难以进行全局性能优化。而车路云一体化基于网联实时数据和历史大数据信息，以多车群体或综合交通性能为目标，通过进行全局性能优化，避免因单车智能利己特性造成的交通事故和拥堵。
第四，从算力维度看，单车智能的车载计算，算力受限成本高。而车路一体化不仅可充分利用边缘云、区域云的算力，实现车载计算任务动态卸载与任务调度，支持性能更高的实时算法，而且系统基于中心云的数据资源，实现自动驾驶感知、决策算法在线训练等数据闭环。
目前，大模型和端到端自动驾驶技术正受到广泛关注与追捧，而它们的核心驱动力正是数据获取。在这个领域，完备且海量的数据无疑是一种珍稀资源，堪称现代技术领域的“奢侈品”。而各家车企各自为政，分别建立大模型数据训练平台，导致数据之间缺乏互通性。很显然，这种单一车企大模型训练数据的方式存在着明显的弊端，一是由于数据体量受限，难以实现训练数据所需的海量性；二是数据种类不全面，也无法保证训练数据的完备性。而车路云一体化系统融合车辆自主上报和路侧感知统一采集的数据获取模式，覆盖范围更广泛、交通场景更复杂、数据种类更完备，这是车路云一体化系统的数据获取优势。
尽管当前新型FSD（单车智能+端到端/大模型）技术诞生，可在多种道路上进入辅助驾驶模式。它是FSD “影子模式”+“大模型”的融合，也是车云协同的一种应用模式，并非传统的单车智能，这代表智能化水平取得重大进步，对全球智能汽车行业是一个鼓舞和激励。
但FSD “影子模式”+“大模型”的应用场景有限，存在感知盲区与超视距感知局限，城市MPI仍较低，属于高级辅助驾驶，加之车型与用户受限，路侧信息缺失，数据完备性不足，当FSD决策同驾驶人决策不一致时，数据回传云端用于FSD训练，直到优化训练结果OTA部署于车端，使其驾驶水平不断接近人类水平。
而车路云一体化的优势是依靠云控基础平台汇聚车辆、基础设施、交通环境等领域的基础数据，通过分层解耦、跨域共用，可支撑不同的应用，包括自动驾驶系统的实时类和非实时类各种应用需求。特斯拉车云协同的影子模式是车路云一体化的一种初级形态，而车路云协同下的影子模式成本更低、效果更好。
因此，单车智能无法突破优秀驾驶人水平，依然在感知、决策、控制、数据等方面存在无法弥补的先天不足。相较之下，车路云一体化系统通过融合感知、广域优化、协同控制、数据打通，实现对驾驶人的全面超越。该系统基于BEV+Transformer架构融合网联车辆传感器和路侧传感器，构建具有“分层解耦，跨域共用”特征的端到端自动驾驶大模型。利用具备上帝视角的路侧数据，提升车云协同数据的完备性和多样性，突破车云协同自动驾驶感知、预测、规划和控制的上限能力。由此可见，车路云一体化通过协同数据闭环与隐式特征传递，构建自动驾驶端到端大模型。
综上所述，单车智能+影子模式是基于驾驶员数据优化算法，只能无限逼近优秀驾驶员水平，限制了水平上限；而车路云一体化引入路侧感知与计算，增广了车路云协同模式，具备超越人类驾驶水平潜力，上限提升。它是车路云一体化是单车智能+影子模式的全方位升级版。
五大建议
助推车路云一体化应用试点城市高速发展
今年1月，工信部、公安部等五部委联合印发《关于开展智能网联汽车“车路云一体化”应用试点的通知》，并明确提出，从2024年至2026年开展“车路云一体化”应用试点。
目前全国各地正积极申报第一批车路云一体化应用试点城市，有消息称，车路云一体化首批试点城市名单有望于6月底公布。因涉及多方协同，具体发布时间还在动态调整中。
同时，5月31日，北京市车路云一体化新型基础设施建设项目（初步设计、施工图设计）发布招标公告，项目投资额为99.3889亿元，将在全市选取约2324平方公里的范围，对6050个道路路口进行智慧化改造。随后，福州、鄂尔多斯、沈阳等多个城市开始招标，国内车路云一体化市场正迎来发展高潮。
对此，李克强院士提出五条发展建议，希望为智能网联汽车产业落地和规模商用注入强大新动能。具体如下：
一是应用驱动，商业可行，即强调商业闭环，聚焦痛点场景。结合各示范城市特点与诉求，利益攸关方关注点，以获得感为主要目标，在各地分别构建具有明显应用价值的针对性应用试点项目，分步定义阶段性商业模式，形成商业闭环。
二是架构指引，协同设计，即强调科学设计，统一系统架构。根据物理场景、应用诉求、地方特点，基于大系统方法论进行总体架构设计，攻克系统建设与运行面临的开放性、异构性和时空尺度不一致等问题。
三是分层解耦，跨域共用，即强调云端基础，突出云控应用。由云控基础平台为底座，应用平台可无限扩展的多平台集合体的总称，如网联汽车赋能类应用平台、交通交管赋能应用平台、产业创新赋能应用平台。
四是发挥优势，突破瓶颈，即强调多模通信，发挥网联优势。结合通信行业发展特征和通信技术能力，在面向车路云一体化的海量应用场景需求上，以5G+MEC+C-V2X的融合组网方案作为破局路径，充分利用5G与C-V2X的双通道通信能力及MEC的加速能力，构建路侧MEC、5G边缘MEC、区域云及中心云等算力节点，通过车联网算网一体化的调度系统，以实现云边端算力的统一纳管，按需调度。
五是技术严谨，标准先行，即建立技术体系，强调标准规范。在满足车路云一体化系统架构要求下，还应符合中国基础设施标准、网联运营标准、新体系架构汽车产品标准等相关标准要求。试点前期根据现有成熟的国标、行标、团标相关内容组织规划与实施，总结经验、优化选代，分阶段推动行业共识标准的统一与应用。
综上所述，李克强院士的五条建议为各地智能网联汽车“车路云一体化”的应用试点城市的高速发展提供了全面的指导和支持。
车路云一体化的可商业化应用场景
针对车路云一体化的可商业化应用场景，李克强院士进行了深入的总结，并特别指出了公交系统、环卫系统、物流系统等八大具体场景作为车路云一体化系统商业化的关键应用范例。
（一）公交系统，一方面车路云一体化的全面统筹与最优化将全面超越现有技术，在安全、准点与高效，舒适与降本层面形成提升，利用多模态在交通系统与公交全局运营决策将在全域感知、云端决策，以及车速车道引导、信号灯协同、响应式公交专用道等实现能力增强，从而降低车辆与能耗，实现柔性数字轨道化运行变革，让公交行驶更安全、更准点、更高效、更舒适、更低成本，为城市公共交通的发展注入新的活力。
（二）智慧环卫系统，以车路云一体化的智慧环卫系统，可形成几大能力：
缓解交通拥堵，提高通行效率。如环卫车辆作业时，云平台向周围社会车辆广播其占用的车道以及位置，提前避让。
提升安全保障，提高作业响应速度。如环卫车辆作业时，云平台告知后方车辆前方有慢速行驶车辆，提醒及时采取措施，避免追尾。
降低运营成，提高作业效率。云平台实时评估道路交通情况，远程及时发出调度指令，优化作业工艺。
（三）无人送货车，车路云一体化无人送货系统可赋能以下场景：
车辆监管——可实时查看车辆运行数据、视频数据，监管车辆自动驾驶过程中异常行为；
运营调度——对无人驾驶物流车辆任务进行合理的分配和安排，以提高物流运输的效率和准确性；
数据分析——通过对车辆日常运营数据的汇总，并进行分析，合理安排策略，提高运营效率；
信息增强——包括交通事件服务、信号灯服务、感知地图服务、目标感知服务等；
云控辅助——动态全局导航服务及队列驾驶；
网联驾驶——针对高级别单车自动驾驶的感知局限，提供增强协同的网联化服务。
监管层面可实时对无人驾驶物流车辆任务进行合理的分配和安排，以提高物流运输的效率和准确性。
在这个商业模式下，应用平台成为了基础服务的重要支撑。通过应用平台，基础设施运营方能够广泛吸引应用运营商，进一步拓展业务范围，实现业务的多元化发展。而销售基础设施数据，则为物流行业提供了更为精准的市场分析，为行业发展提供了有力支持。
（四）网联式智能驾驶乘用车。通过车路云一体化系统赋能，最终为不同自动驾驶等级（L0-L4）的 OEM 乘用车车辆用户提供网联辅助驾驶功能，带来基于车路云一体化系统的安全、效率和节能驾驶体验，从而极大地拓展单车智能功能的边界，提供更丰富的增强和互补信息，也在自动化性能增强的同时，可以降低乘用车的单车硬件成本。
（五）无人出租车（Robotaxi），车路云一体化无人出租车技术方案，可实现L2、L3车辆的自动驾驶功能升级，例如云轨道引导的多车协同编队；车辆-信号灯联控，紧急车辆优先级分配；出租车与多模式公交系统联动调度；车路云一体化预约，泊车/无缝上下车。有利于降低单车软硬件成本，具备超视距感知、一体化优化决策、车路云协同计算处理等能力，可以更好地应对极端场景、实现数据闭环，更具落地应用可行性。
（六）智慧矿山，基于车路云一体化的智慧矿山车辆运输系统，能够使各种类型和级别的工程车辆与路侧感知设备、计算基础设施实现高效的互联互通，从而大幅提升运输效率、作业的灵活性和响应速度，为矿山的智能化升级提供技术支撑，从而实现云端监控与预警应用、云端智能调度应用、云端接管应用、车辆全生命周期管理应用等应用拓展和提升。
（七）干线物流，车路一体化的干线物流，可实现网联超视距感知、云端载重实时估计、预见性节能、巡航驾驶、预测性换道、巡航辅助、云控编队节能驾驶等能力，全面提升安全-节能运输效率，激活产业应用链条。
（八）数据闭环与数据增值，智能数据底座，在自动驾驶相关服务，提供基于路侧的云端仿真场景生成与自动驾驶决控算法闭环验证；在其他数据增值服务，提供定制化汽车保险服务与基于大数据分析的城市规划。最终搭建车路云一体化数字底座，建立车路云协同数据闭环平台。基于路侧数据搭建高质量仿真场景库，离线迭代优化自动驾驶决控算法。建立驾驶员驾驶风格模型库，提供定制化车险等数据增值服务。
推进车路云一体化发展，是一个系统工程。李克强院士提出，“我们必须坚定发展信心，充分认识到这一趋势符合技术和产业化的长远发展需求。我们要保持战略定力，持续推动技术落地，同时客观看待面临的问题，深入分析问题的根源，形成高质量解决方案，以系统化的方式推进解决。坚持正确的架构和统一的标准，是克服挑战、解决问题的有效途径。我们需要凝聚共识，抢抓发展窗口期，持续加大投入，发挥新型举国体制的优势，全局统筹，共同推动车路云一体化早日实现产业化目标。”
即可获会议资料
智能网联汽车相关产研报告
