出品 丨 搜狐汽车·汽车咖啡馆
作者 丨 胡耀丹
上半场的新能源竞赛愈演愈烈之时，下半场的智能网联技术，也开始迎来规模化应用的关键时刻。
“当前，智能网联汽车技术快速迭代，已实现辅助驾驶大规模应用， 高等级自动驾驶、车路云一体化等技术正处于测试验证转入规模化应用的关键时期。 ”在6月18日至20日举办的第十一届国际智能网联汽车技术年会(CICV2024)上，工业和信息化部一级巡视员苗长兴如此定义智能网联汽车所处的阶段。
其中，车路云一体化是绝对主角。这一概念指的是“单车智能+车路协同+AI云平台全局协同”的一体化，被认为是智能网联汽车向前发展的重要途径。
“整个智能网联汽车要越过‘测试验证’阶段，便要将这个区域级的城市开放出来，要搭建车路云一体化环境。 在接受包括搜狐汽车在内的媒体采访时，国家智能网联汽车创新中心副主任袁宇指出，现阶段智能网联汽车的发展进入到规模化阶段，是真正扎实地推动智能网联汽车往前发展。
国家智能网联汽车创新中心副主任袁宇
但一个更现实、更受关注的问题是， 在消费者的体感上，车路云一体化能带来怎样的变化？是能让昂贵的智驾降本，还是能够赋能被吐槽“弱智”的单车智能？ CICV2024上，诸多专家学者对此作出解答。
车路云一体化是“必选项”
在单车智能不断刷新技术边界的情况下，为什么还需要车路云一体化？这是行业、大众最希望得到解答的根本性问题。
这背后主要有两个原因，两个原因都指向， 车路云一体化能够带来智驾能力的提升 。
首先，车路云一体化的建设与单车智能并不是非此即彼的关系。
“车路云一体化智能网联汽车是包容单车智能的，或者换一个角度说，车路云一体化的智能网联汽车是赋能单车智能，单车智能是车路云一体化智能网联汽车发展的基础。”袁宇说道，
“单车智能和车路云一体化完全不矛盾，属于一个技术发展的过程。我们只有把单车智能做好，才能往上发展，才能做到车路云一体化。”中国汽车工程学会副理事长、会士，中国工程院院士李克强指出， 车路云一体化是单车智能的升级。
其次，建设车路云一体化有助于打破智驾瓶颈，其与单车智能可以发挥“1+1>2”的作用。在行业专家的眼中，这甚至是高级智驾的必选项。
袁宇表示，单车智能有天然的局限，比如视觉盲区、超视距感知局限等，而车路云一体化的赋能，能够补足这一局限，提升车辆能力。
这种对感知能力的提升，被称作“上帝视角”。李克强表示，如果用上帝视角，联合计算和扩展，引入路侧感知计算，就可以增强车路云协同的模式，具备超越人类驾驶能力。
根据技术路线判断，特斯拉FSD也正是走在单车智能+车路云一体化的起点。 “现在行业很大影响力的特斯拉FSD不是传统的单车智能，已经发展（为）车路云协同（模式）。”李克强说，特斯拉的模式，就是一种“车路云协同”的初级阶段。
李克强进一步解释到，特斯拉FSD的技术特征是影子模式+大模型，属于一种典型的车云协同的方式。在此方式下， 如果车型受限+路侧信息缺失+数据完备性不足，对真正意义上进行完全的无人驾驶也存在着巨大挑战。
得益于产业发展驱动技术突破，近年来中国市场智驾新星频出。面对“特斯拉FSD即将入华”的消息，国内情绪也大多为跃跃欲试。在这场智驾竞赛中，能够提升智驾能力的车路云一体化，则成为了需要占领的高地。
“ 车路云架构未来会成为高级自动驾驶的必选项 ，美国、欧洲应该都是，这已经成为一个自然现象了。”在CICV2024上，美国威斯康星大学麦迪逊分校“维拉斯杰出成就”教授、ITS计划主任冉斌说，传统单车智能已经不存在，基于车云或车路云架构的分布式智能逐步成为高等级自动驾驶的主要选项。
除了能够提升车辆在道路上的智驾能力之外，车路云一体化也有助于智驾算法开发。
中国工程院院士，中国汽车工程学会名誉理事长，清华大学教授李骏表示，车路云一体化也能提供数据规模和数据类型，对车端数据形成有力的补充，促进数据开发与运营，开发出更高质量的自动驾驶人工智能模型。
车云一体化如何降本？
提升了智驾能力，那么成本呢？
自“车路云一体化”概念诞生以来，大众对其如何实现商业化的质疑从未消失。尤其是增加成本带来的压力，在汽车行业“价格战”背景下更显突兀。
要实现商业化，就要先解决规模化。袁宇对搜狐汽车表示，车和环境的互相赋能要经历过一个抛物线的过程。
“当路的能力、环境的能力提升以后，对车的能力要求也下降。其中提升的是‘软’的能力， 当‘软’的实力不断迭代提升以后，两端的成本都会下降。这是一个良性循环。但是要突破这个极点，要通过规模化的示范应用去做。 ”袁宇说道。
李克强指出，对推动车路云一体化发展，当前还没有形成共识的主要是三点误解。这三点误解与成本、商业模式息息相关。同时，其也对误解一一作出回应。
第一个误解是：信息化基础设施技术不足、出现问题的时候，网联汽车不能实现。而李克强表示， 采用车路云一体化，即使是没有通行设施，通行设施不行，也可以做到自动降维。
第二个误解是，信息化基础设施大量投入，成本很高。他表示， 信息化设施改造的费用是交通基础设施成本的不到1% ，同时用此系统后，可以让车上昂贵的成本降低。 系统的整体成本是可控的，甚至是更低的。
第三个误解是，相比单车智能优势不突出，没有很好的商业引领模式。他表示，用了这套系统，能够真正把车端和路端联合，做到提升驾驶性能。 该套系统不仅能克服车端数据算力不足的问题，更重要的是形成未来数据服务，包括大模型服务的智能数据底座。
外界的误解之下，形成商业模式闭环愈发重要。“这次推动这样的应用试点一定要强调商业闭环，聚焦在痛点场景。所以我们要从利益攸关者、试点城市的特点和诉求，形成商业闭环的车路云一体化试点应用推进。”李克强说。
2024年，来自政策端的力量正在推动着车路云一体化走向规模化、商业化。1月17日，工信部等五部门发布关于开展智能网联汽车“车路云一体化”应用试点工作的通知。随后，北京、武汉、重庆等地相继开启“车路云一体化”的建设与规划工作。
值得关注的是，车路云一体化必须要车、路、云三者的协同，因此这对终端设备也有要求。
“国家这次在推动车路云一体化应用试点城市建设的时候，特别强调车的C-V2X设备搭载率。量产的车在这个环境里跑的时候，对车路协同车路互相通讯的终端是有要求的。必须要有这个能力，才能接收外界的信息。”袁宇表示，车企现在也开始在生产车路云一体化标准的车。这样就能够更好地接收到外界的数据和信息。
不过，这是否会带来单车成本的提升，还尚未有相关信息透露。
数据共享形成合力
智能网联汽车的底色，是汽车的AI化。无论是智能驾驶、智能座舱，又或者是车路云一体化，都在向着人工智能的方向演进。深度学习、大模型等技术，亦深度嵌入功能开发过程中。
“ 我认为智能网联的核心最本质的竞争其实还是在AI技术的应用。 ”一汽软件研究工程院副院长吕贵林说。上海交通大学人工智能研究院常务副院长杨小康表示，汽车是等级最高的人工智能应用之一，有必要，也有条件成为可信人工智能的最佳实践者。
但是，伴随着汽车进一步AI化，技术突破力量的分散也愈发明显。尤其是在数据资源方面，分散的车企，拥有分散的数据，这就导致无法形成合力。
行业内的声音指出，“共享”式地合作，有助于人工智能在产业的应用。“ 人工智能不是一家企业能干的。 ”东风汽车集团有限公司研发总院院长杨彦鼎说道，一家车企一定需要一个开放的生态。
开放的生态将带来资源的共享。“ 分散的、孤岛式的数据一定会严重影响人工智能在产业的应用。 ”中国汽车工程学会理事长、国家智能网联汽车创新中心执行主任张进华表示，数据资源可能是人工智能最重要的资源，数据的规模、质量，特别是完备性，一定程度上决定了人工智能应用的水平。
因此，张进华认为，行业应该联合起来，构建基础数据体系、数据系统，面向研发的基础数据、共性数据，特别是面向自动驾驶的场景数据，形成一个共建共享的机制。
大数据、大融合势必意味着高投入、高成本。在推进技术发展的过程中，合理控制成本是更理性的发展方式。比如，算力投资大，运营维护成本也高，就需要更精打细算地进行算力分配。
大模型亦然如此。“大模型本身门槛比较高、成本比较高。使用的过程中，我们应该思考哪些应该使用大模型，哪些传统规则和AI算法。 不是所有场景都用大模型。 ”吉利汽车研究院宁波有限公司数据智能开发中心主任陈勇说道。
他表示，很多应用推广宣传过程中，可能各个行业都在思考跟大模型沾边， 这是过度消费大模型，不可持续、不健康 。
与之相对应的是，理性推动产业发展，既可持续，也更健康。在科技革命的发展规律中，要达到产品、产业、市场的成熟，需要经历新技术产业的爆发、狂热、协同几大阶段。
在此过程中，理性的思考、规模化的推动、商业化的实现，必不可少。令行业期待的是，“杀敌一千自伤八百”的价格战卷至今日，下半场的智能网联化，能否以降本提质来开启一场更健康的竞争？
