会议动态丨专家观点解读：车路云协同和一体化在欧美的发展

2024年6月18日，第十一届国际智能网联汽车技术年会（CICV 2024）期间，美国威斯康星大学麦迪逊分校“维拉斯杰出成就”教授、国际路联(IRF)智能网联自动驾驶委员会主席、世界交通运输大会（WTC）学部委员会主席、车路协同创新联合体秘书长、东南大学—威斯康星大学智能网联交通联合研究院院长冉斌教授在开幕式暨全体大会上发表了《车路云协同和一体化在欧美的发展》的主题演讲，指出车路云一体化在欧美地区的发展情况和趋势，并分享对车路云发展的深刻认知，探讨了车路云发展的差异、存在挑战和未来建议。

一、车路云系统架构分析

车路协同和车路云一体化存在一定区别。本质上车路协同是智能网联汽车和智能网联道路分开独立设计的，且各自优化目标不同；而车路云一体化则是整体设计，实现智能网联汽车与交通系统的协同感知、决策和控制，是一种更加经济、高效和安全的模式。

美国和欧洲在车路云协同发展上历经了30年的实践，从初期由政府主导提供法律保障和政策支持，到近十年企业逐渐成为主导，全面加大投资力度并提供解决方案。目前，政府和企业在轻车、轻路、重云的车路云方案上达成共识，协同一致推动车路云产业发展。

围绕车路云系统架构发展形势，给出了3个主要观点。

1.纯粹“单车智能”已经不存在。原因有三，第一，软件定义汽车带来的革命影响；第二，AI大模型带来的颠覆性变化；第三，各类车辆都基本具备网联功能。

2.单车智能某种意义上已经变化成“单个车企”的智能或者车企集团，包括集成商、供应商、运营商所提供的智能，单车已经变成了车企（集团）整体智能的执行终端。

3.当前，主要自动驾驶系统和服务提供商都采用“车云”或者“车路云”架构。

二、不同路线发展的对比分析

针对车路协同、车路云协同和车路云一体化的推进，中国更多由政府牵头，呈现波浪式实践进展，在车路云一体化方面执行力度较大。美国车路协同发展历史最长，但进展缓慢，依靠数字基础设施赋能车路云协同，区域性比较强。欧洲方面的进展与执行力度介于中美之间。

技术发展的对比上，一方面，以车云协同智能代表Tesla和Wayve，以及车路协同智能代表Waymo为例，比较分析了三家的技术发展现状及其优劣势；另一方面，围绕智能驾驶功能、AI大模型及计算、监控接管的处理和安全的冗余、可靠性、韧性四部分对车辆、道路/边缘、云平台的功能进行对比。进一步地，详细展示车、路、云不同智能等级组合形成的车路云一体化系统智能等级示例。

通过深入的对比分析，提出了3个重要发展趋势。

1.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。

2.随着智能网联车占有率提高，快速响应减少智能计算的延时的要求，引入“边缘计算”（或路侧计算）会成为必然，“车路云”架构未来会成为高级智能驾驶运营的必选项。

3.AI大模型的重要应用场景之一是基于车路云架构的高级自动驾驶，基于车路云架构的高级自动驾驶需要AI大模型的赋能。

三、AI大模型应用影响

根据AI大模型的训练部署实际情况，指出大模型是云端训练，车上部署，认为单车无法进行大规模模型计算，需要依靠车-路-云集成来实现AI计算，以实现高级别自动驾驶。

聚焦AI大模型应用影响，强调了3个重要观点。

1.基于“车云”或“车路云”架构的分布式智能逐步成为AI赋能的高等级自动驾驶的主要选项。

2.AI大模型不能替代“车路云协同”提供的事件信息和超视距感知信息。

3.随着智能网联车占有率提高，“车路云协同”提供的群体智能是必不可少的。

最后，冉斌教授总结指出高级自动驾驶的实现需要中级以上的人工智能，强调服务于高级自动驾驶的人工智能和高级自动驾驶均需要由车路云系统支持完成。同时，车路云系统架构将为现在智能驾驶车辆提供训练和部署平台，为未来的智能驾驶车辆提供智能分配和共享分配的平台。