（报告出品方/作者：华创证券，吴鸣远）
一、智能驾驶渗透率持续提升，高阶智驾迎来发展热潮
（一）自动驾驶多方面赋能交通产业升级，我国渗透率快速提升
在产业政策的刺激下推动汽车行业向网联化、智能化、共享化、电动化转型。自动驾驶 作为这场革命中的关键技术，将从安全、效率、商业模式等多方面赋能交通产业升级。 根据清华大学教授张亚勤的《走向自动驾驶》演讲： 自动驾驶将会提升交通安全：自动驾驶减少交通事故，美国当前人为失误事故占比 为 92%，而人工智能的介入可以大幅降低人为事故隐患。 自动驾驶将会提升交通系统的出行效率：自动驾驶预计平均每天为每位司机节省约 60 分钟时间。 自动驾驶将会创造巨大的商业价值：张亚勤预测，2030 年自动驾驶预计为乘用车带 来 1.5 万亿美元的新市场。如此巨大的商业价值意味着全新的机会，这些机会来自 于新的芯片、新的操作系统、新的软件、新的服务以及新的产品。
SAE 自动驾驶标准将自动化技术分为六个等级，从完全依赖人工驾驶到完全自动驾驶。 SAE（国际汽车工程学会）自动驾驶标准是目前被国内外广泛接受的自动驾驶级别划分 标准，将自动驾驶技术分为六个等级，从 Level-0 到 Level-5，分别对应不同的自动化程 度。具体来说，Level-0 代表无自动化，Level-1 为单一功能自动驾驶，Level-2 为部分自 动化，Level-3 为有条件自动化，Level-4 为高度自动化，而 Level-5 则代表完全自动驾驶。 该标准成为全球汽车产业广泛引用和参考的标准，不仅在美国得到了广泛应用，还被包 括我国在内的许多国家和地区所采纳和参考。
在各项利好加持下，我国智能驾驶渗透率快速提速。2023 年，乘用车 L2 级（自动驾驶） 渗透率达到 47.3%，2024 年 1 至 5 月突破 50%，部分功能接近 L3 级智能驾驶水平。国 内城市 NOA 技术（导航辅助驾驶）近年来蓬勃发展，成为智能驾驶领域的热点。根据盖 世汽车研究院预测，预计到 2025 年，国内搭载城市 NOA 功能的车辆数量将超过 300 万 辆。这一市场趋势被认为是智能驾驶技术发展的重要里程碑，提升了车辆的智能化水平， 为车企提供了新的竞争优势和数据训练方式。国内城市 NOA 技术正处于快速发展阶段， 多家车企积极投入，推动该技术的普及和应用。
（二）L3 级自动驾驶迎来热潮，未来几年内有望实现更广泛应用和发展
让人类信任自动驾驶，还需要不断提升 L3 级以上的自动驾驶能力。L3 能够提供有限条 件下的自动驾驶，但仍假设人类能够随时接管。从 L4 开始，人类不需要随时接管自动驾 驶，而最高级的 L5 甚至不提供人类参与驾驶的能力。是否选择自动驾驶，不仅是技术问 题，更是公共安全与社会接受度的问题。与此同时，道路智能也在发展，从车端与路侧 必要的信息交互到进一步的协同感知，一直到交通作为整体的协同决策控制，路侧可以 帮助车端逐步拥有越来越强的能力，以避免严重自动驾驶事故的发生。更近一步，智能化的道路可以实现规划层面的协同，减少变道和拥堵。随着自动驾驶的普及和道路智能 的发展，道路和交通流协同设计将为出行者提供更全面的服务。
九家企业入围智能驾驶试点，L3 级自动驾驶技术迎来发展热潮。根据工业和信息化部于 2024 年 6 月 4 日发布的消息，比亚迪、广汽集团、蔚来、上汽、一汽等九家汽车生产企 业获批进入智能网联汽车准入和上路通行试点，成为全国首批开展 L3 自动驾驶上路通行 试点的车企。这些企业涵盖了乘用车、客车以及货车三大类，显示出试点的广泛性和多 样性。此次试点的实施将分为五个阶段，包括试点申报、产品准入试点、上路通行试点、 试点暂停与退出、评估调整。这意味着，尽管这些企业已经通过了初步遴选，但实际的 自动驾驶功能是否能够量产和上路通行还需要经过进一步的测试和评估。九家企业的入 围不仅展示了中国在智能驾驶领域的快速发展，也为未来自动驾驶技术的规模化应用奠 定了基础。随着试点工作的推进，L3 级自动驾驶技术有望在未来几年内实现更广泛的应 用和发展。
（三）自动驾驶分为单车智能和车路协同，单车智驾已成功商业化推广
自动驾驶分为单车智能和车路协同两种路线，各有不同。自动驾驶目前有单车智能自动驾驶（Autonomous Driving，AD）和车路协同自动驾驶（Vehicle- Infrastructure Cooperated Autonomous Driving，VICAD）两种技术路线。其中 AD 主要依靠车辆自身的视觉、激光 雷达等传感器、计算单元、线控系统进行环境感知、计算决策和控制执行。VICAD 在 AD 的基础上，通过先进的车、道路感知和定位设备（如摄像头、雷达等）对道路交通环境进 行实时高精度感知定位，按照约定协议进行数据交互，实现车与车、车与路、车与人之 间不同程度的信息交互共享（网络互联化），并涵盖不同程度的车辆自动化驾驶（车辆自 动化），以及考虑车辆与道路之间协同优化问题（系统集成化）。通过车辆自动化、网络 互联化和系统集成化，最终构建一个车路协同自动驾驶系统。VICAD 不仅可以提供更安 全、更舒适、更节能、更环保的驾驶方式，还是城市智能交通系统的重要环节，也是构建 新型智慧城市的核心要素。 以特斯拉 FSD 为代表的单车智能自动驾驶技术目前已在北美成功商业化推广。特斯拉利 用多摄像头和神经网络实现高级驾驶辅助功能，并持续优化技术挑战，包括算法、路测、 云计算、数据标注、仿真训练和系统软件等。FSD V12 版本通过视频数据优化参数以实 现自学驾驶，并采用端到端整合策略，提高性能，降低成本，同时，利用最新的深度学习 技术，实现了从感知到决策的直接映射。FSD V12 版本已在北美开始商业化推广，并在 2024 年 4 月 24 日，特斯拉宣布其 FSD 用户的累计行驶里程已超过约 13 亿英里，标志着 特斯拉自动驾驶技术进入规模应用阶段。
（四）高阶智驾要实现商业化落地，需解决安全性、ODD 限制和经济性问题
尽管目前自动驾驶技术已取得巨大的进步，自动驾驶的商业化进程也初见成效，但距离 自动驾驶的大规模普及应用，还有很长的路要走。总结来看，影响自动驾驶走向规模商 业化落地的因素主要集中在安全性、运行设计范围（ODD）和经济性三个方面。 1） 安全性：在低等级自动驾驶方面，车辆辅助驾驶系统的功能仍然存在特定场景下应对 能力不足和失效的风险，以自动紧急刹车为例，在夜间、下雨天、打伞等特殊天气或 高精度定位（如隧道、城市桥梁等）方面，也较容易出现系统失效的现象。并且，车 辆对静止交通设施和静止交通参与者的准确识别和实时干预控制也存在一定困难。 2） 运行设计范围（ODD）：自动驾驶 ODD 是指自动驾驶系统设计时确定的适用于其功 能运行的外部环境条件，例如：道路条件（高速公路、无信号灯十字路口、山区道路等）、环境条件（天气和日照状况等）、其它（地图信息、收费站、水洼、低垂的植物、 道路结冰、遗撒的物体、特种机械和违反交通规则的人类行为）。限制 ODD 是保证 车辆安全的重要手段，但不利于自动驾驶的连续运行，其本质原因是自动驾驶存在感 知长尾、混行交通博弈、极端场景等一系列问题难以克服，无法在所有场景下保证成 功应对。在日常的驾驶环境中，已能实现单车自动驾驶，但受车端传感器物理特性、 车端算力等限制，车辆在恶劣天气、遗撒物体、鬼探头等长尾场景中的感知能力，仍 然需要持续提升。在这些场景中，路端可以发挥其稳定性和全局性等优势，提供高性 能交通信号数据、全量感知数据、为单车智能自动驾驶系统提供支持，减少因为感知 不足带来的 ODD 限制。除感知外，单车智能自动驾驶车辆还需要面对混行交通博弈 等挑战，从交通全局的角度看，依靠个体智能无法取得最优的效果，因此需要车与路 的统一协调管理，才能更好地权衡自动驾驶车辆的安全与效率。 3） 经济性：自动驾驶要实现规模商业化落地，形成一个健康的商业闭环，就必须降低成 本。如今，激光雷达、芯片的价格正在不断降低，这是整个产业链共同努力的结果， 特别是国产企业在这方面做出的积极贡献。为了进一步降低成本，还需要持续加强软 硬件一体化自主研发，并在设计制造、生产管理和质量管控工艺上投入更多精力打磨 优化，量产规模越大，规模效应就越明显，成本就压得更低。
高阶自动驾驶要实现商业化落地，需找到安全性、ODD 限制和经济性的平衡点，从本质 上提升自动驾驶的能力。在一定的自动驾驶能力条件下，安全、ODD 和经济性这三个方 面存在矛盾关系。例如，为提高自动驾驶安全性，必须通过限制 ODD 并针对性调优逼近 系统上限，才能实现小规模商业化落地；或使用较昂贵的设备来提升单车智能自动驾驶 的安全性，但这样会损失自动驾驶的经济性。自动驾驶要实现规模商业化落地，需要进 一步探索找到安全性、ODD 限制和经济性的平衡点，从本质上提升自动驾驶的能力水平。
二、车路协同助力高阶智驾发展，我国有望实现弯道超车
（一）车路协同将“人-车-路-云”相联，满足不同等级自动驾驶车辆应用需求
V2X 叠加通信技术，可以满足不同等级自动驾驶车辆需求。车路协同自动驾驶是在单车 智能自动驾驶的基础上，借助 V2X 和通信技术，将“人-车-路-云”交通要素有机地联系 在一起，V2X（vehicle-to-everything）是一种让车辆能够与周围环境中的各种实体进行数 据交换的通信技术，这些实体包括其他车辆（V2V）、行人（V2P）、道路设施（V2I）和 网络（V2N），通过全方位协同配合，从而满足不同等级自动驾驶车辆应用需求（如辅助 驾驶、高等级自动驾驶），实现自动驾驶单车最优化和交通全局最优化发展目标，有效提 高交通效率，改善汽车驾驶感受，从而为用户提供智能、舒适、安全高效的综合服务。
车路云一体化系统是通过新一代信息与通信技术将人、车、路、云的物理空间、信息空 间融合为一体，基于系统协同感知、决策与控制，实现智能网联汽车及交通系统安全、 高效、节能及舒适运行的信息物理系统。该系统的主要组成要素为车辆及其他交通参与 者、路侧基础设施、云控平台、相关支撑平台、通信网等。 车辆及其他交通参与者：作为动态交通数据的核心数据中心， 车辆驾驶人与网联汽 车可接收来自路侧或云控基础平台提供的感知、决策和控制服务。 路侧基础设施：包括感知、通信、计算类基础设施及交通附属设施，为云控基础平 台采集来自车辆、道路以及其他交通相关系统的动态交通数据，并向车辆及交通参 与者提供交通相关信息。 云控平台：由一个云控基础平台及其所支撑的多个应用平台组成，基于车辆与交通 等相关数据的采集、存储与处理，提供应用需求支撑，赋能产业发展。 相关支撑平台：提供交通相关信息，如高精度地图信息、卫星导航定位增强信息、 区域气象预警信息、交通路网监测与运行监管信息等。 通信网：包括 C-V2X 网络、承载网、卫星通信以及其他专有网络，为系统各组成部 分之间的数据传输与信息交互提供安全、可靠与时延要求保障。
车路协同自动驾驶（VICAD）的本质是给每辆车开了 “上帝视角”，它不仅能帮助车辆 保障安全，还能高效分配道路时空资源，让所有交通要素各行其道。VICAD 实现的基础 是通过集成先进的感知、计算、通信、决策控制等技术，构建一套能够连通信息空间与 物理空间，基于数据的自由流动构建状态感知、实时交互、科学决策、精准执行的闭环 赋能体系。面向自动驾驶和智能交通应用，VICAD 具有以下核心特征和优势：
1） 交通全要素的一体化：车路协同系统中的人、车、路和环境所对应的交通要素通过传 感器的采集和融合处理，成为具有自主身份且可具备信息交互功能的数字孪生体。物 理实体和数字孪生体之间可以通过有效信息流和决策控制流完成信息传递和决策控 制闭环，例如车辆的远程操控、道路信号灯的优化控制、道路可变标识控制等；不同 物理实体之间，在全局调度下呈现出更加高效、更加秩序化的交通运行态势。
2） 计算、感知、决策、控制的一体化：单车智能驾驶由车辆自身完成“感知-决策-规划 -控制-执行”全过程，而在 VICAD 模式下，车辆、路端或云端都可能承担部分或全 部“感知-决策-规划-控制-执行”功能，基于车路云一体化计算和互联，实现一体化 感知、决策规划和控制。在一体化计算方面，基于低时延、高可靠网络的传输互联， 通过 VICAD 可以充分发挥路端和云端算力充裕、易部署调度等优势，对车端感知能 力和算力进行有效分担，突破单车算力极限，实现全系统算力的合理分布分配和优化 均衡。在一体化感知方面，一体化感知可以通过车车、车路、车云协同感知的综合作 用，扩展自动驾驶车辆感知能力。一体化决策规划和控制方面，一方面可以帮助车辆 克服全局优化类场景和极端场景，进一步提升自动驾驶的安全性、扩展自动驾驶 ODD， 提高车辆的自动驾驶能力；另一方面还能通过对交通环境的控制，为车辆创造安全秩 序化的驾驶环境，提高交通整体运行安全性和效率。
3） 数据驱动的自动驾驶跨行业的应用一体化：传统交通系统和车辆中大量的数据都是 隐性存在的，没有被充分利用和挖掘出其背后潜在的价值。VICAD 的核心目标是利 用一套车路云基础设施与基础能力体系，能够将数据源源不断地从物理空间中的隐 性形态转化为信息空间的显性形态，通过数据驱动同时赋能自动驾驶、智能交通，甚 至共享出行、智慧城市等更多行业，支持不断迭代和创新发展。
（二）单车智能局限性强，车路协同起到弥补、冗余和强化的支撑和促进作用
单车智能驾驶局限性强，AI 模型也无法解决感知盲区隐患。L1-L2 的传统 ADAS 系 统覆盖的场景较为简单，但是对于 L3 及以上的高等级自动驾驶，在复杂的城市道路 中，传统 ADAS 无法穷尽每一种路况下发生的每一种可能，规则模型势必将被基于 人工智能的自动驾驶算法替代，让 AI 学习人的驾驶习惯，提高场景的丰富度。但就 算是人工智能算法替代规则模型，单车的智能化仍存在遮挡物和感知盲区的问题，存 在安全隐患，且对车载传感器和计算平台要求高，成本高企。
VICAD 可以全流程参与高级别自动驾驶感知、决策规划和控制等过程，在 ODD 范 围内保证自动驾驶安全，远高于人类驾驶水平。动态管理和扩展自动驾驶 ODD，优 化自动驾驶运行环境，实现无接管连续运行，具体包括： 1） 通过车路协同感知解决自动驾驶感知长尾问题：发挥路端和云端感知优势，与不 同等级网联自动驾驶车辆进行协同感知，解决超视距、盲区、遮挡等一系列感知 长尾问题； 2） 通过车路协同感知和地图动态更新解决自动驾驶地图实时性问题：在车路协同感 知的基础上，还可以通过分钟级自动驾驶地图更新，帮助不同等级网联自动驾驶车辆应对交通标志标线、信号灯等一系列自动驾驶地图要素变更带来的问题； 3） 通过车路协同决策规划解决全局路径优化、混行冲突及阻塞问题：通过车路协同 路径规划，为不同等级网联自动驾驶车辆提供全局路径规划服务；通过车路协同 行为决策与运动规划，解决自动驾驶博弈、阻塞等典型混行场景问题； 4） 通过车路协同控制解决复杂特殊场景问题：针对自动驾驶复杂特殊场景，例如“脱 困”、泊车等，可以通过 VICAD 直接控制不同等级网联自动驾驶车辆，帮助车辆 成功应对这些场景，降低安全风险；针对复杂无序交通环境，还可以通过车路协 同控制对交通基础设施、交通运行状况等进行有效干预和控制，优化自动驾驶整 体交通环境，间接控制车辆，为车辆营造安全、简单、秩序化的交通环境。
车路协同不会完全取代单车智驾，而是为单车智能车辆起到互补、冗余和强化的支撑 和促进作用。VICAD 并不是要完全取代车端的自动驾驶系统，而是同时运行在路端 和云端的自动驾驶系统，发挥路端和云端的优势，为 L4 不同等级网联自动驾驶车辆 提供互补、冗余和强化的支撑和促进作用。互补：感知端，路端和云端感知可以充分 发挥感知范围广、长时间连续观测、容易工程化等优势，与车端感知进行感知互补， 实现遮挡、超视距、动静态盲区等协同感知，从而提升车辆的感知能力。定位端，在 极端环境行驶时，经常出现定位不准的问题，路端通过感知定位等多种定位方式，可 以为车辆提供定位互补，辅助车辆实现高精度定位。强化：单车智能驾驶时，在识别 信号灯时遇到炫光、频闪、盲区等问题，通过路端系统与低复杂度信号控制机对接信 息，加强了智能驾驶的识别功能。
不同等级智能驾驶汽车需要不同能力等级的道路支撑，以实现规模商业化。虽然 VICAD 已成为我国发展高等级自动驾驶的明确技术路线，但不同等级的自动驾驶车辆要实现规 模商业化发展，对道路的能力具有不同的要求，其中 L2 及以下等级车辆驾驶和责任主体 是驾驶员，道路所需的能力以感知为主，而 L3、L4 高等级的车辆要想实现规模商业化， 则需要较高能力的智能道路。
（三）美国自动驾驶技术领先，我国有望通过车路协同实现弯道超车
美国依托其 AI、芯片等优势，我国仅依靠单车智能较难超过。美国在人工智能领域原始 积累早，在生成式 AI、AI 芯片和顶尖 AI 研究人员方面拥有无可匹敌的优势，为美国车 企在智能驾驶领域创造了舒适的技术环境。据美国兰德智库估算，一套自动驾驶系统量 产需要积累 170 亿公里以上的数据来优化其自动驾驶系统，谷歌旗下自动驾驶公司 Waymo 已经耗时 10 年进行测试，累计模拟测试 100 亿英里，行驶行程 2,000 万英里，而 我国现有测试场容量有限，并且测试设备昂贵、测试效率不高，仅基于路测数据搭建仿 真测试平台，我国仅靠单车智能的赛道追赶仍有难度。
我国有望依靠通信技术、基建建设等优势，通过车路协同实现自动驾驶领域的弯道超车。 对于我国，以华为为代表的通信企业在 5G 技术方面世界领先，且 4G 和 5G 基站数量多， 覆盖广，我国政府大力推行 5G 网络、智能交通基础设施等新型基础设施建设，在道路的 改造方面坚决推行 5G LTE-V2X 技术标准，支持 LTE-V2X 向 5G-V2X 平滑演进。从我 国的道路情况来看，我国高速公路总里程世界第一，公路总里程和公路网密度快速增加， 且收费公路里程远高于美国，可见我国路侧设备 RSU 的数量和分布范围大于美国，这些 基础设施建设方面的特殊性将有力推动车路协同的发展。而在新基建的推动下，车路协 同有望进入快速发展阶段，降低自动驾驶的复杂度和车载成本，弥补中国在单车智能发 展方面的不足，成为中国特色的发展道路，甚至超越美国率先实现 L4-L5 级高等级自动 驾驶技术的大规模商业化落地。
车路协同其意义不仅仅在于加速自动驾驶的普及应用，提高交通安全和交通效率，其对 产业的推动作用也至关重要。VICAD 可以带动智能装备、地图定位、云计算、通信、安 全等相关产业协同发展，在当前以单车智能和车云结合的架构中，安全问题无法得到有 效的解决，而通过 VICAD 可以更加系统化整合跨行业资源，为跨行业融合发展提供动 力。在通信方面，VICAD 是 5G、C-V2X 通信的重要应用场景，将加速通信技术演进和 产业发展。我国在 5G、C-V2X 等先进通信技术领域已经从跟跑走到了领跑地位，确立了 在标准和专利方面的全球领先优势，目前亟需一个体量充分、市场前景广阔的应用场景， 支撑通信行业加速迭代创新。另一方面，万物互联的物联网时代已经不可阻挡，以人工 智能为核心驱动力的自动驾驶技术也逐渐成为交通行业最大的变革因素，智能交通体系 即将迎来以自动驾驶为核心驱动技术的“智能交通物联网”时代。根据中国汽车工程学 会分别对智能网联汽车、智能化路侧基础设施、云控平台和基础支撑四大领域的产值增 量进行测算，在中性预期情景下，预计 2025 年/2030 年我国车路云一体化智能网联汽车 产业总产值增量分别为 7295 亿元/25825 亿元，年均复合增长率为 28.8%。
三、车路协同政策推动产业建设，招投标密集发布加速行业发展
（一）我国大力推动智能汽车和车路协同领域发展，相关政策不断发力
我国大力推动智能汽车和车路协同领域发展。自 2010 年前后，在国家科技重大专项和地 方政府的推动下，我国已经开始了车路协同技术的初步探索和小范围试点。“十四五”时 期，我国政府进一步加大了对智慧交通基础设施的建设力度，明确提出要推进车路协同 技术的广泛应用，许多城市开始积极实施车路协同系统，包括智能交通信号控制、车辆 与路侧设施的联网等。未来国家将重点发展车辆自动驾驶等新一代车路协同技术，将加 强标准完善，推动车路协同技术在更广泛领域的应用，服务智慧交通建设。
近年来，我国车路协同相关政策持续助力产业发展加速。我国车路协同政策涉及智慧交 通、车联网等多个领域，政府层面持续出台相关政策法规推进车路协同行业快速发展， 以匹配现代化经济体系的建设需求，一系列政策意见的出台，都给车路协同行业的发展 带来比较好的政策环境。其中，智慧交通将更进一步发挥“新基建”的重要支撑作用；车 联网政策主要集中于大力推动车联网基础实施建设、商业化应用、相关的 5G，V2X 等高 新技术发展、信息安全保障等几方面。
国家级测试示范区、车联网先导区和“双智”城市的持续建设为车路协同发展奠定基础。 在《智能网联汽车道路测试与示范应用管理规范（试行）》规定中要求：“省、市级政府相 关主管部门在辖区内选择具备支撑自动驾驶及网联功能实现的若干典型路段、区域，供 智能网联汽车开展道路测试或示范应用，并向社会公布。道路测试、示范应用路段和区 域内应设置相应标识或提示信息”。创建车联网先导区是推动车联网应用发展的重要措施， 将推动在现有测试示范基础上进一步扩大应用范围，推动实现车联网“由点到面”的突 破，不断丰富应用场景、完善商业模式，为全国范围规模应用奠定基础。试点城市以加 强智慧城市基础设施建设、实现不同等级智能网联汽车在特定场景下的示范应用为目标， 坚持需求引领、市场主导、政府引导、循序建设、车路协同的原则，不断提升城市基础设 施智能化水平，加快智能网联汽车产业发展。截至 2023 年底，我国共建设 17 个国家级 测试示范区、7 个车联网先导区、16 个智慧城市与智能网联汽车协同发展试点城市，开 放测试示范道路 22000 多公里，发放测试示范牌照超过 5200 张，累计道路测试总里程 8800 万公里，自动驾驶出租车、干线物流、无人配送等多场景示范应用有序开展。
“十四五”时期是落实交通强国建设部署的关键阶段，各省市政府机构均响应国家改革 和发展措施。我国各省综合各自交通运输体系发展的现阶段特点，并结合交通运输部明 确规划编制体系，出台了符合省内建设条件的车路协同发展政策及规划。江苏、湖南、 天津、浙江、广东和北京等省份均在“十四五”时期发布了推动车联网建设的支持性政策，政策内容均落实了“支持重点城市率先进行车联网先导区建设”;此外，湖南、北京 和天津等省市均就车联网与其他领域如工业互联网、5G 和大数据进行融合协同发展的部 署说明，积极推动车联网应用。
“车路云一体化”应用试点城市名单公布，涉及不同层级、不同类型的城市。7 月 3 日， 工信部等 5 部门联合公布了智能网联汽车“车路云一体化”应用试点城市名单，其中包 括北京、上海、重庆、鄂尔多斯、沈阳、长春、南京、苏州、无锡、杭州、合肥、福州、 济南、武汉、十堰、长沙、广州、深圳、海南、成都等 20 个城市入选，标志着“车路云 一体化”进入规模化落地发展的新阶段。此次入选的试点城市呈现三大共性特点：1）多 数入选城市具有“双智”试点和示范区的基础，在政策保障体系支撑、智能基础设施建 设、场景示范应用等方面积累了丰富的实践经验和成果，后续升级改造时的投入成本将 更低；2）入选城市普遍具有良好的汽车产业基础，包括北京、上海、广州、武汉、重庆、 长春、沈阳、十堰等地均是我国重要的汽车产业基地，对推动汽车产业智能化转型的积 极性较高。深圳、海南、杭州、无锡等地在智能网联汽车领域发展较快，在政策突破、产 业聚集等方面具备一定优势，可以为“车路云一体化”应用试点提供有力的政策和产业 支撑；3）入选城市对“车路云一体化”应用试点有着明确的目标和发展规划，多数城市 已建立跨部门协同工作组织机制，形成了由市政府领导、各部门分工协作、共同参与的 工作专班，跨部门、跨领域统筹推进“车路云一体化”相关工作。不同层级、不同类型的 城市进行应用试点，有助于推动“车路云一体化”更广泛地应用，为其在全国范围内的 推广提供实践经验和数据支持。
（二）车路云一体化招投标密集发布，推动智能网联汽车高质量发展
车路云一体化招投标密集发布，产业建设提速。自 5 月 31 日，北京市发改委批准建设北 京市近百亿的“车路云一体化”项目后，6 月 14 日，武汉市 170 亿规模车路云示范项目 公布，将显著推动智慧道路盖率及车载终端装配率的提升。此外，深圳、福州、鄂尔多斯 等地相继公示“车路云”一体化重大项目新建工程。2024 全球智能网联汽车商业化创新 论坛上，深圳市交通运输局党组成员、副局长徐炜表示：“重点任务之一是实现推动车路 云。深圳将应该会成为第一批国家车路云一体化试点，包括接下来的交通部组织的交通 基础设施的数字化转型升级的试点。”预计后续 20 个应用试点城市将发布相应的“车路 云一体化”的规划并进行开工建设，整个行业将步入项目密集落地阶段。
“车路云一体化”应用试点有望加速推动智能网联汽车高质量发展。“车路云一体化”是 下一阶段推动智能网联汽车规模化产业化应用的关键所在，但还面临智能化道路基础设 施投资模式与建设标准不清晰、车辆智能化与网联化相互赋能效果不明显、跨行业跨领 域融合不充分等诸多挑战。通过“车端、路端、云端”一体化发展的应用试点，有望加快 建设城市和道路基础设施，促进提升车载终端搭载率提升，将推动智能网联汽车产业高 质量发展。车路协同行业将向着系统化、智能化、市场化等方向发展。在发展节奏上，随 着国家政策的出台，车路协同核心技术将获得进一步发展，车路协同行业将依照技术应 用、标准建设、技术研发、示范应用路线向前推进，未来 3-5 年，行业或将进入黄金发展 时期。
四、车路协同产业链分布广泛，正逐步迈向规模化商用阶段
（一）车路协同产业链分布广泛，商业模式处于探索阶段
我国车路协同产业链分布领域广泛。我国车路协同的产业链涉及到车载设备和智能交通 系统、道路基础设施建设、数据处理和管理、服务提供商以及车辆制造和技术供应商等 多个环节，这些环节需要相互协作和协同发展，以推动车路协同的实现和应用。将车路 协同产业链分为基础层、平台层和应用层，分布领域广泛。其中基础层主要为设备与终 端，主要包括芯片、摄像头、雷达、云计算、高精地图、软件系统等领域；平台层主要为 平台与运营环节；应用层主要为应用功能及应用场景。
产业架构逐渐成熟，商业模式仍在探索阶段。目前，我国车路协同行业偏基础公共服务 模式，而非市场化模式。整个产业架构建设初期大概率仍由政府买单，成熟后可能会由 运营方承担，但商业模式仍在探索阶段。由政府制定相关政策，引导、吸引以长期投资 为目标的各类资本方成立特许运营主体，进行基础设施的投资、建设与运营模式创新， 并由云控基础平台采购其资源与数据，基于云控基础平台推进以交通动态数据为主的数 据要素流通模式探索、以及面向产业发展的数据应用探索，以数据要素流通的方式推进 跨地区数据共享共用，实现用户享受无感跨域服务。车辆通过在云控基础平台进行注册 并获取服务，并提供车辆基础动态信息以及可用于商业化的行驶动态数据。智能化道路 基础设施由投资建设主体进行运维与运营，云控基础平台应通过购买数据与服务或等价 互换等模式获取其感知结果数据。云控基础平台运营方获取路侧基础设施感知数据及相 关支撑平台交通相关数据的方式，为网联汽车、区域交通交管部门以及产业链其他企事 业单位的应用需求提供服务。
（二）车路协同迈向规模化商用的时代，路侧和车端基础设施投资确定性较高
车路协同产业正在逐步迈向规模化商用的黄金时代。根据 ICVTank 公布的数据，2019 年 全球 V2X 行业市场规模为 900 亿美元，中国 V2X 行业市场规模为 200 亿美元，占全球 市场约 22.2%。预计到 2022 年，全球市场规模为 1650 亿美元，中国市场规模为 500 亿 美元，占全球市场约 30.3%。乘着“十四五”的政策东风，我国车联网市场有望迅速发展， 行业规模不断扩大。
当前阶段“车路云一体化”投资的主要看点在于建设阶段，运营阶段至少需要 3 年后， 建设阶段投资也集中于以下方面，目前来看，路侧和车端基础设施投资确定性较高： 1） 路侧基础设施：RSU、摄像头、毫米波雷达、激光雷达、边缘服务器、交通信号机等； 2） 车端基础设施：OBU、T-BoX 等； 3） 云平台基础设施：AloT 平台、云控平台、应用服务平台等。
RSU 行业的发展前景广阔，应用场景多。随着物联网、5G 通信、人工智能等前沿技术的 飞速发展，RSU 的性能和功能将得到显著提升，不仅将满足传统领域的交通管理和服务 需求，还将进一步拓展至自动驾驶、交通拥堵管理、交通安全监测等更多前沿领域，为 智能交通和智能城市的构建提供坚实的支撑。此外，政策法规的支持也为 RSU 行业的发 展提供了有力保障，政府可能会加大对智能交通系统的投资，推动RSU设备的广泛应用。 据智研瞻预测，2024-2030 年中国智能路侧终端（RSU）行业市场规模增长率在 7%-8%， 2030 年中国智能路侧终端（RSU）行业市场规模 81.84 亿元，同比增长 7.72%。
OBU 渗透率的提升依靠整车厂推动，市场规模有望持续提升。OBU 渗透率的提高主要 依靠整车厂商进行前装模式推动，随着 RSU 和 OBU 数量达到一定规模，后装 OBU 渗透 率也会有所提升。根据中汽协预测我国汽车 2024 年销量将超过 3100 万辆，之后每年以 1%的增速稳定增长，假设 OBU 自 2024 年开始小规模前装之后，渗透率由 1%持续提升 至 75%，预计 OBU 单价由于行业竞争激烈持续下降，从 2024 年的 1500 元降至 700 元， 预计到 2029 年 OBU 前装市场空间为 171 亿元左右。
