图片｜electronicsmedia.info

©⾃象限原创

作者丨钱诚

编辑丨程心

自动驾驶正在迎来一场新的变局。

只是这一次，搅动整个产业的，是各种政策的密集落地。

2023 年 10 月，工信部提出要开展城市级“车路云一体化”示范；11 月份，工信部、交通运输部等四部门联合发布《关于开展智能网联汽车准入和上路通行试点工作的通知》；12 月 5 日，交通运输部印发了《自动驾驶汽车运输安全服务指南（试行）》。

据「自象限」不完全统计，从 7 月到 11 月，从国家部委到各地方省、市、自治区，各类政策共计落地 78 条，数量是今年上半年的三倍。

▲公众号后台回复关键词“政策”获取全文

除了国内政策密集落地之外，国外的相关政策也在快速发展。

比如美国智能交通协会于 2023 年 4 月发布 C-V2X 部署计划，未来 5-10 年将投资 65 亿美元建设至少 25 万个智能网联化路口，同时在车端推动车企 C-V2X 前装、C-V2X 测试，未来 8-13 年实现 C-V2X 100%渗透。

韩国科技与 ICT 部及国土交通部在近期也表示，该国将采用 LTE-V2X 技术构建协作智能交通系统（Cooperative-Intelligent Transport Systems，C-ITS）。C-ITS 旨在支持车辆和道路周围基站之间的先进通信，以提高道路安全。该系统有望为自动驾驶车辆的部署奠定基础。

所以在各国政策的发布下，我们会很容易地发现，车路云一体化，已经成为当前智能网联汽车，自动驾驶的重要发展方向。

近日，复旦大学与蘑菇车联共同组建的“自动驾驶人工智能校企联合研究中心”正式揭牌。这个由顶尖高校与行业头部自动驾驶公司共同领导的科研中心，成为了首个以“车路云一体化”自动驾驶为核心的科研机构，在相关政策密集落地的 2023 年末，这个学界与产业界共同的大动作无疑有着风向标意义。

车路云一体化自动驾驶，将是 2024 年自动驾驶与人工智能领域最值得关注的新趋势。

为什么是车路云一体化？

首先要回答，什么是车路云一体化？

这其实是一个“交通”的概念，它包含路上行驶的车、路边行走的人，路上建设的各种设备，以及在云端负责调度和信息监测的系统。

从底层技术来讲，它包含路侧感知、边缘计算、云端信息融合、以及 C-V2X 和 4G/5G 通信等关键技术。

以此为基础，它可以在“车”、"路"、"云"之间实现如协同感知，协同控制、协同决策规划等全方位的协同配合，最终达到提高自动驾驶车辆性能和交通全局发展最优的目标。

这段概念听起来很绕口，但理解起来其实很简单。

因为很多人肯定听过勒庞关于“乌合之众”的论述，这种情况在交通中其实也同样存在，而车路云一体化本质上是在避免这种事情的发生。

▲图源：Photo by Jacek Dylag on Unsplash

毫无疑问，未来的交通一定是属于自动驾驶的。但自动驾驶的问题在于，它解决的其实只是单个车辆如何在路上正常行驶的问题，即寻求的是个体最优的解决方案。

就像如今人类的驾驶员一样，当所有人都在寻求个体最优的时候，就必然会带来群体的拥堵，因此这个时候就需要一个交通指挥官的角色，来实现交通的整体调度，让整个交通的运作变得更高效。

但产业快速发展的同时也存在一些亟待解决的问题，中国工程院院士、清华大学教授李克强认为，其中的关键有三点：

第一，高级别智能驾驶尚未达到商业化目标。目前自动驾驶的研发成本和车辆硬件成本均在不断上升，但长尾工况、安全性、可靠性等关键问题尚未解决，商业化发展受阻。

第二，发展理念、技术路线尚未形成共识。系统融合发展、融合特征的认识不足，标准不统一、接口规范不统一，造成数据孤岛化、基础设施碎片化，这导致目前单车智能在发展，而往更高级别突破时存在发展瓶颈。

第三，部分关键技术亟待突破。自动驾驶作为高新技术产品，所以在包括单车感知的局限、人工智能可靠性可解释性等技术方面仍然需要进一步突破。

李克强指出：“只有车路云一体化的‘中国方案’，才能解决当前存在的瓶颈，更加快速、更加高质量地实现产业规模化。”

比如，目前自动驾驶最头疼的鬼探头问题，由于视觉和雷达盲区，车辆其实很难预判“鬼探头”情况的出现，但“车路云一体化”系统可以依靠路端的摄像头提前感知行人的情况，并实时传递给车端，完美解决这样的问题，让自动驾驶行驶得更安全。

当然，由于路端感知设备的存在，“车路云一体化”也可以帮助车辆实现自动驾驶。

需要明确的一点是，目前整个交通系统，除了个人驾驶的乘用车之外，其实还有环卫、公交、外卖、快递、货车等各种车辆。而这些车辆如果都如乘用车一样使用高昂的自动驾驶硬件，并配备专门的安全员，那自动驾驶整体的落地成本就会十分高昂。

▲环卫车在打扫卫生，未来这些工作都将实现无人化 图源：sfmta.com

而车路云一体化则可以通过云端，将自动驾驶的能力提供给道路上的所有车辆，通过类似中央空调的模式，大大降低自动驾驶的落地成本。

所以从管理交通，赋能自动驾驶，为城市公共车辆提供自动驾驶能力，车路云一体化从更大的维度来讲，本质上它是一个城市智能交通的基础设施，并扮演的是一个城市“交通大脑”的角色。

而这一切当然也是需要人来运营的，毕竟基础设施需要人建设和维护，形成的能力也需要人去面向市场化输出。

所以未来的城市必然需要一个智能交通的运营商，它就像如今的中国移动和中国联通一样，通过基础设施的建设服务于中国城市的智能交通，成为智能交通服务的提供者，智能交通产业链的推进者，最后成为智能交通技术的创新者。

而这，其实也是国家为什么会以如此大政策力度，推进“车路云一体化”落地的原因。

谋局已久，布局深远

事实上，中国布局“车路云一体化”已经有了很长一段时间。

2016 年，“十三五”规划中就已经有了“要求推动路网管理、车路协同和出行信息服务智能化”的相关表述。

到 2018 年，交通运输部发布《交通运输部办公厅关于加快推进新一代国家交通控制网和智慧公路试点的通

知》，其中提到要行车路云协同自动驾驶的试点工作，坚定地走车路云协同的技术路径。

这份文件，相当于中国首次在国家层面为“车路云一体化”的相关发展锚定的了位置。也因此，到了十四五规划期间，相关要求就已经变得更加具体了。

比如“十四五”规划提到，要进一步强化指导“路”和“云”端发展，要积极稳妥发展工业互联网和车联网，进一步完善公路感知系统，推进公路基础设施全要素全周期数字化，促进车路协同和自动驾驶行业发展。

2022 年，国务院印发实施《“十四五”现代综合交通运输体系发展规划》中明确提出推进交通基础设施数字化、网联化、智能化，推动传统基础设施数字化升级改造，推动发展自动驾驶等技术发展与试点应用。

而最近两年，特别是在 2023 年以来，随着高速、城市、城区等辅助驾驶的加速落地，以及干线物流自动驾驶、园区自动驾驶等特定场景自动驾驶的加速普及，自动驾驶作为交通参与者的比重开始逐渐增多。

国家层面也因此密集发布了如《关于开展智能网联汽车准入和上路通行试点工作的通知》《公路工程设施支持自动驾驶技术指南》等政策，推动智能网联汽车产业发展再次迈出关键性步伐。

除了国家层面积极推进以外，中国各省、市、自治区，都在积极出台地方性政策，积极推进“智能网联”和“车路云”一体化落地。

从数据上看，「自象限」统计了今年 5 月到 11 月中国各省、市、自治区的相关政策，发现共有 73 条与“智能网联”和“车路云一体化”的相关政策法规落地。

从最终结果上看，如今北京、上海、深圳、湖南、云南、湖北、四川、辽宁、山东、天津等省市地区都有车路云一体化试点项目落地，诸多项目已覆盖城市开放道路、高速公路、园区、景区、港口、机场等场景，而

且还在不断拓展中。

整体上，中国的城市交通拥有独特的特点。比如国土面积广泛，城市众多，人口稠密，路网密集、车辆保有

量大，以及交通情况复杂等等。而这些特点，也要求了中国自动驾驶走出一条拥有中国特色的道路。

从 20 世纪 70 年代改革开放以来，中国就一直被称为基建狂魔。也正是得益于中国在基础设施建设上的疯狂投入，才有了如今我们便利的高铁、四通八达的高速公路，以及一座座拔地而起的城市建筑和现代化的城市设施。

▲车路云一体化示意 图源：iot-automotive.news

而过去的五十年，中国已经走过了城市化的大半路程，随着时代的发展、技术的突破，中国也走到了产业升级的新阶段。

2018 年，中国重新提出了“新基建”的概念，指能提供数字转型、智能升级、融合创新等服务的基础设施体系，而车路云一体化也就成为了“新基建”的重要组成部分。

这也是如今，车路云一体化在政策的推动下，加速落地的原因。

复旦大学与蘑菇车联共同组建的复旦大学-蘑菇车联“自动驾驶人工智能校企联合研究中心”，则成为学界和产业界对政策方向最快速的回应。这也是中国成立的首个车路云一体化自动驾驶研究中心。

据称，该研究中心将以车路云一体化为主要攻克方向，集结行业顶尖专家和科研力量，专注于该领域的关键技术攻关和应用研发。以“聪明的车、智慧的路、强大的云”为核心理念，复旦大学和蘑菇车辆将深入研究车辆自动驾驶技术、路侧通信设备和云计算平台的协同工作机制，力求打破传统交通模式的局限。

大模型+车路云，重新定义自动驾驶

当然，在车路云一体化加速落地的同时，它也在今年迎来一些新的变化。

这个变化，就是 AI 大模型带来的巨大技术变革，它让全世界都形成了“所有业务都用 AI 大模型重做一遍”的共识。这其中，“车路云一体化”也同样面临着 AI 大模型带来的技术改造和从新赋能的过程。

有专家表示，目前 AI 大模型在“车路云一体化”方面的落地，主要表现在三个方面。

首先是“人和车”的问题，大模型可以帮助车辆实现与人类更自然的语言交互，让驾驶员在车辆行驶的时候实现更便捷的交互体验，也有助于更安全的驾驶。

其次是“车和路”的关系，大模型可以将路端传感器实时采集的数据再实时传输到车上，帮助车辆实现更好的驾驶体验。

最后则是实现城市交通的“整体最优”，比如大模型可以做为一个智脑，实时控制城市的红绿灯，以最优的方式控制道路车流量。并通过路端数据传输给汽车，将车速影响到合适区间，以实现道路整体同行的“效率”最优。

▲车路云一体化示意图 图源：sae.org

中国首个车路云一体化研究中心的成立标志着中国在自动驾驶和智能交通领域技术创新的前沿地位。它将集中研究车、路、云三位一体的技术体系，推动相关核心技术的研发和突破，如车辆自动驾驶技术、道路基础

设施智能化、云计算和大数据处理等。

在复旦大学与蘑菇车联共建自动驾驶研究中心揭牌的同时，双方共同发布了全球首个基于 AI 大模型的“车路云一体化”系统 3.0，通过车、路、云三端海量交通大数据构建 AI 大模型，实现自动驾驶从感知到认知、协同决策，以及路侧数据赋能仿真和模型训练，支撑 L0-L4 级自动驾驶更智能、更安全的大规模落地，大幅提升全域交通运行安全与效率。

事实上，自从 AI 大模型火爆以来，我们会发现高校作为社会创新的关键力量，越来越走到了产业技术变革的前沿。

比如今年年初在大模型刚刚出圈的时候，复旦大学邱锡鹏教授的团队就率先发布“MOSS”对话式大语言模型，成为国内最早落地的大模型之一。除此之外，还有如武汉大学、北京大学、浙江大学等众多高校也都纷纷投入基础技术创新、产业投资等关键领域。

其中，复旦大学一直在 AI 和自动驾驶领域拥有深厚的积累，而蘑菇车联也是“车路云一体化”的标杆企业。所以，当高校的科研力量走到前台，与产业的优秀企业相互协作，必然也会加快“车路云一体化”的行业发展和应用落地。

结尾

20 世纪 60 年代，通用汽车曾在普林斯顿打造过一条电子化的高速公路测试跑道，车辆可以在这条道路上实现自动启动、加速、转向和停止，全程没有人工参与，这被认为是自动驾驶最早在车路协同方面的探索。

如今 60 多年过去了，随着 AI 大模型、5G、云计算和边缘计算等技术的发展，车路协同已经完成了新一轮的进化，而自动驾驶也走到了大规模落地的前夜。

时代的浪潮滚滚向前，而我们正在迎来一个真正以科技为主导的大时代。