【摘要】今年的智能駕駛圈迎來了從“可用”到“好用”、“愛用”轉向。

自特斯拉2020年對自動駕駛算法進行史詩級重構并引入BEV+Transfomer 架構開始，車圈就開啟了對于端到端“類人”技術的追逐，不論是國內的蔚小理，還是國外的豐田等巨頭車企亦紛紛入局。

當前，端到端的技術普遍處于高速NOA、城市NOA階段，各廠商八仙過海，各顯神通。

而如何進一步讓固有的、分立的技術產生更多實際可用的智能化效果，成為了汽車智能駕駛未來的發展重點，智能駕駛正將迎來一個新的賽點與轉折點。

在業內各廠商同質化競速加劇的形勢下，汽車智能化產業目標逐漸趨同，由此，重新梳理智能化發展脈絡，對厘清下一步的建設思路尤為重要。

搜索添加芯流微信Aristodemus0403，深入交流更多汽車行業新進展（不建群），市場與項目咨詢、人才服務、決策研判。

以下是正文：

01

兩大瓶頸中的智駕賽點

當前，單車智能駕駛進入了價格戰與類人化的競爭熱潮，而熱潮之中，下一階段的發展瓶頸也隨之而來。

一方面，各企業紛紛圍繞成本大做文章，具體變現為，在輔助駕駛端開展成本競爭。

近三年以來，業內車企對方案商的開發費以十倍速率瘋狂下降；各家智駕芯片供應廠商在搶奪高算力之余，面向中低算力的產品更加追求性價比。

然而，降本也是有極限的。

在技術未能實現完全成熟，并未完成下一次躍遷之前，單車智能的成本幾乎已經被各家廠商做到極致，未來又該如何支撐降本值得引起行業重視。

另一方面，“類人化”的自動駕駛成為眾人追捧的風口，這也暗含著業內對于進入更加智能化的汽車時代的積極探索。

然而，在實現更高級智駕技術的愿景下，算法建設仍存在較多的實操長尾問題。

就端到端技術而言，端側大模型經過壓縮后具有低成本、低時延、高隱私和個性化等優勢，近年來成為各廠商創業的一個新風口。

而作為智能化的重要解法之一，端到端背后的算力及數據支撐等問題還遠沒有解決，人工智能技術尚未達到通用人工智能的標準，但未來有望朝單模型多鏈路、多模態和思維鏈等方向發展。

值得關注的是，單車智能卻在實際上已經進入了逐漸飽和的階段。

因此，從長遠的智能化發展來看，單車智能仍要回到工具的問題上來。

如何進一步讓固有的、分立的技術產生更多實際可用的智能化效果，成為了汽車智能駕駛正面臨的新賽點與轉折點。

02

從單車智能，到車路協同，再到車路云

單車智能發展到一定階段，車輛間的矛盾進一步凸顯。

一方面，感知與決策沖突明顯。

由于不同單車智能車輛所搭載的傳感器性能和配置不同，各車企采用的算法和決策策略也存在差異，由此在面臨實際行駛過程中，可能會引發碰撞風險與交通混亂。

另一方面，通信與協同仍存在障礙。

目前市場上存在多種不同的車車通信協議，各車企之間尚未形成統一的標準，這使得車輛之間無法直接進行有效的信息交互與協同工作。

同時，出于數據安全、隱私保護和商業競爭等因素，車輛之間難以實現數據共享，這就導致車輛無法獲取其他車輛的行駛意圖、路況信息等關鍵數據，難以進行更高級別的協同駕駛和交通優化。

基于此，智駕行業急需通過路來實現補盲，并尋求更多的交通流信息，進一步實現從輔助駕駛的人車互動向更高層次的車車、車路、車云互動進發，從而大步邁向智能化的下一階段。

從單車智能，到車路云一體化的補強，二者互相促進，共同建設高智能化自動駕駛的路徑或成為汽車智能化的發展共識。

一方面，車路云一體化可通過將車輛與道路數據同步云端，實時交互，能夠幫助單車感知能力得到擴展，有效應對各類長尾問題，提升智能網聯汽車的行駛安全性，并借助路側感知設施和邊緣計算設施，單車裝載的傳感器和高算力芯片數量將減少，車輛共用環境中的算力和感知設備，進一步降低端側算力需求。

另一方面，2024年1月，工業和信息化部、公安部、交通運輸部等五部委聯合印發《關于開展智能網聯汽車“車路云一體化”應用試點的通知》，7月公布首批20個應用試點城市名單，北京、長春、廣州、武漢等城市紛紛投入巨資進行車路云一體化建設，規劃了多個示范應用場景。

由此，“車路云一體化”或成為大勢所趨，基于領先的單車智能技術，諸如特斯拉等海外先發企業或在華掀起一場車路云一體化的先行示范。

就國內市場來看，成立于2017年的蘑菇車聯最早在自動駕駛-智慧交通領域選擇、探索車路云一體化技術路徑，公司還多次參與國家標準、行業規范建設。

公司創始人兼CEO朱磊在世界智能網聯汽車大會期間曾表示，“車路云一體化的本質是‘通感算’網絡，核心功能是實現實體世界實時數字化，為所有智能設備提供實時數據服務。”

然而，盡管業內已經有初步的標準設定，但車路云一體化涉及多個行業和領域，相關技術標準和規范尚未完全統一，不同車企、道路基礎設施建設方和云服務提供商等利益訴求和目標可能存在差異，出現問題也難以劃分責任。

以紅綠燈感知設備為例，從理論上講，車輛識別形狀各異的紅綠燈有較大的技術難度，通過路側設備發送一個信號給車輛非常簡單。但如果在紅綠燈信息在傳輸時丟失，車輛發生事故，由誰擔責很難判定。

與此同時，車路云一體化面臨著信息共享、數據安全和隱私保護等方面的挑戰。

一方面車企需要確保這些數據的安全性和保密性，防止數據泄露、篡改或被惡意利用，否則可能會面臨法律責任和聲譽損失。

另一方面，車路云一體化系統的安全性至關重要，一旦系統出現故障或受到攻擊，可能會導致嚴重的交通事故和人員傷亡。

03

理念狂奔下的市場參與現狀

而當前，車路云的發展首當其沖的是“車”，但車企的參與意愿似乎很弱。

從技術與成本方面來看，車路云一體化涉及多種先進技術的融合，車企需要投入大量資源進行技術研發和系統集成，這對企業的技術實力和創新能力提出了較高要求，而在車輛上安裝更多硬件設備與軟件系統，也將顯著增加車輛的制造成本。

與此同時，當前車路云一體化的商業模式尚不明確，收益模式尚不成熟，車企難以清晰地看到參與其中能夠帶來的直接經濟收益，由于車路云一體化是一個長期的系統工程，需要持續的技術投入和基礎設施建設，車企的投資回收周期相對較長。

從L2+到L4，從輔助駕駛乘用車到robotaxi，車路協同的角色并不顯眼，而車企單車智能卻處于狂奔狀態。

然而，沒有車的車路云，就是無源之水，無本之木，未來盡最大程度爭取車企參與或許成為發展的關鍵。

值得關注的是，當前的車路云主要服務于政府項目，而實際市場的打開，還要看何時才能真正服務于廣大C端用戶。

在應用層面，消費者面對車路云一體化的接受度和需求也存在不確定性，部分消費者可能對新技術持觀望態度，這使得車企在推廣車路云一體化產品時面臨一定的市場風險。

而就應用的政府項目來說，據財新報道，過去各地政府和企業已經建成大量智慧公路和車路云一體化示范項目，已驗收的項目都號稱達到了國際先進水平，但真實需求不清晰，普通司機很難體驗到這些高科技成果，開車的人“無感”，甚至堵在智慧高速上和堵在一般高速公路上沒有任何差別。

技術應用脫離實際成為發展的堵點所在，一些地方在建設過程中側重于“炫技”、做平臺、做展示，大舉投入、簡單堆疊技術設備，“為智慧而智慧”的做法導致駕車人體驗感不強，項目建設投入巨大而實際效益低下，科技“智慧”最終卻脫離實際，成為徒有其名的擺設。

與此同時，就當前入局頗深的蘑菇車聯而言，公司同時兼具整車業務與車聯網業務，在大范圍的押注之下或難實現業務聚焦。

當然，對于車路云而言，僅關注路和云，肯定是不夠的，對于融資和估值頗高的獨角獸來說也意味著選擇風險，因而覆蓋車是必要的。但一旦涉及到車端業務，則難以避免與文遠知行等同為百度系創建的公司競爭。

如此一來，要在車路云賽道做到全面覆蓋，兼顧短中長期，其實非常困難。這也可以解釋為何自動駕駛創業潮誕生以來L4公司群體的大分流，市場的專業化分工，不以單個公司或英雄人物的意志為轉移，歷史的潮流推動著每個公司作出自己的選擇或被動選擇，即便是強如百度這種想要吃掉“全棧”智駕的巨無霸公司，也在極越閃崩之后不得不逐漸從某些特定細分市場撤退。

在汽車行業競爭逐漸加劇的現實下，是傾向于看得見的整車利潤，還是鎖定車路云一體化的行業新星，蘑菇車聯或許會在不久的將來做出選擇。

04

車路云如何賦能

“車路云一體化”至少在三方面具有優勢：

其一、克服單車智能感知缺陷，加速自動駕駛實現，提升安全和效率；

其二、通過路端云端補充數據，加快實現數據的閉環；

其三、整個社會正在進入智能化時代，智能交通智慧城市，智慧家居都在發展。不管是軟件還是基礎設施的硬件都是需要復用，對于實現整個智能交通，智慧城市都有更多的優越性。

基于以上優勢，車路云一體化或可有效實現本階段的汽車智能化補強。

然而，在車路協同過去多年的發展當中遇到了部分偽需求。

過去大規模建設路側如智能交通信號燈、高精度傳感器等基礎設施，但由于車輛智能化水平有限、車路協同應用場景較少，相關設施的利用率低，無法產生與之投入相匹配的交通效率提升和安全保障效果。

與此同時，部分偏遠地區及車流量小的道路建設復雜的車路協同設施，同樣面臨巨額投入但長期難以收回成本的困境。

但這并不是車路云本身的問題，而是尚未找到真需求的問題，由此，車路云要想實現真正的賦能，核心問題在于打通需求主體，明確各廠商的真實需求。

基于此，未來的車路云發展或需從以下幾方面入手。

其一，尋找產業生態的典型案例，通過典型案例、典型城市實現大規模落地推廣。

其二，需要補齊、孵化更細分的技術環節，圍繞車路云建設的各環節，推動產業建設。

從數據應用角度，車路云“數據上車”或可以分為五個階段：

第一，路側基礎設施建設階段，主要將“通感算”的硬件設備部署在路側；

第二，數據質量達標階段，針對單節點數據質量進行測試，可參考行業權威標準，比如信通院的“雙SL3”；

第三，數據上車初級應用階段，通過車路云系統，將信號燈數據、路側識別到的事件類數據賦能智能網聯車輛；

第四，數據上車高級應用階段，通過車路云系統，將實時孿生數據賦能給智能網聯車輛和自動駕駛車輛，真正實現協同感知、協同決策；

第五，量產車型大規模應用階段，與車企進行量產車合作，保證車輛大規模接入車路云網絡，并享受各類實時數據服務。

未來，車路云一體化，或許要在明確“智慧公路”發展目標和實施路徑、完善“智慧公路”基礎設施相關規章制度和標準規范的基礎上，加強項目建設全過程評估，提升“智慧公路”高效便民水平。

而無論是新建還是改建，“智慧公路”都要堅持從現實需求和場景出發，警惕盲目“炫技”沖動，回歸交通的主體功能和屬性，節約成本，實現經濟實效性與群眾獲得感相統一。

05

尾聲：車路云是單車智能前期鋪墊的順勢而為

今年以來，特斯拉入華、智能駕駛進入“好用”、“愛用”階段，背后可能推動一個更龐大的鯰魚效應。

車路云一體化或稱為單車智能+影子模式的進階模式，作為萬億級甚至幾十萬億的大產業，未來發展潛力和成長空間將超過移動通信市場。

而要達到真正的智能駕駛，還需車端、路側、云端加強模型訓練，實現更為連續的數據閉環。

值得相信的是，汽車智能駕駛實際正邁向一個更新的階段，車路云一體化規模商用正從不同領域走向未來。

搜索添加芯流微信Aristodemus0403，深入交流更多汽車行業新進展（不建群），市場與項目咨詢、人才服務、決策研判。

加入芯流汽車研究知識星球，獲取：1）快于公眾號文章的一手產業動態信息；2）更加深入的行業趨勢與公司價值判斷；3）快速、私密、深入的業內交流。適用于：市場趨勢洞察、技術方向判斷、輔助投資標的決策等。領取下方優惠券，即刻加入：

- XINLIU -

喜歡就獎勵芯流一個“”和“在看”唄~