无论是通讯计算、车辆、还是道路的部署，规模和体量都远远不够，规模带来的另一个问题就是道路基础设施的建设和维护谁来投资、谁来运营、谁来出钱。
文丨阿森、智家网
编辑｜琅琅山与明志山
一个月前的6月4日，工信部公布9家汽车企业入围智能网联汽车准入及试点联合体名单，并开放乘用车L3级城市道路测试和部分城市L4级商业化运营尝试（见“”）
几乎一个月后，昨日（7月3日），工信部等五部门正式公布首批“车路云一体化”试点城市，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。
单车智能与车路协同在特定的历史节点上再一次被放在一起审视。
相比五年前的2019年，中国汽车工业协会常务副会长兼秘书长傅冰峰在上海嘉定举办的第十一届中国汽车论坛上表示：汽车信息安全已经摆上决策层的台面，智能汽车的技术路线很快会被纳入统一管理，车路协同被视为自动驾驶的中国方案（详情见《》）。
如今，随着单车智能算力大幅提升、激光雷达等传感器成本下降，高端智能驾驶正在成为中国市场领先智能汽车品牌的标配，车路协同数据需求急剧下降。
车路协同作为中国的自动驾驶解决方案正受到越来越多质疑。
从当前的历史看，车路云融合发展的紧迫感和忧虑感比以往任何时候都更加具体、更加强烈。
为什么这么紧急?因为从试点通知发布到名单正式公布，只用了不到半年的时间。
今年1月17日，五部门联合印发《关于开展智能网联汽车‘车路云一体化’应用试点的通知》（以下简称《通知》），首批试点城市名单昨日正式公布，五部门会同30余个城市完成试点申报、总结评审、专家评审等工作。
从总体看，此次选定的20个试点城市有三个共同特点，这也是五部门想向外界传递的信息：
一是入选城市大多已有“双智”试点、示范区域，基础较好。
毕竟，北京、上海、广州、武汉、合肥、济南等12个双智能试点城市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都积累了丰富的实践经验和成果，后续升级改造的投入成本也会更低。
二是入选城市普遍汽车产业基础良好，包括北京、上海、广州、武汉、重庆、长春、沈阳、十堰等地，均为我国重要汽车产业基地，对推动汽车产业智能化转型积极性非常高。
由于深圳、海南、杭州、无锡等地在智能网联汽车领域发展迅速，在政策突破、产业集聚方面具有一定优势，可为“车路云一体化”应用试点提供有力的政策和产业支撑。
三是入选城市对智能网联汽车发展的重视程度和投入决心较大。与部分城市和企业不同，入选城市对“车路云一体化”试点应用有明确的目标和发展规划。大部分城市建立了跨部门协同工作的组织机制，成立了由市政府牵头、各部门共同参与的专项工作组，跨部门、跨领域协调推进“车路云一体化”相关工作。
这份榜单聚焦海南省：海南省突破了目前国内以单市或单区打造国家应用试点、试验区的模式，以“一省一棋盘、一城全岛”的理念开展省级示范。
看完这份榜单，你也许会更加好奇，车路协同与单车智能到底是一种共生关系，还是一种零和博弈关系。
如今，经过多年的争议，两人之间是否存在胜负关系？
这是市场经济的自由选择，还是带有计划经济色彩的顶层设计？
不过，在首批车路云一体化试点城市名单公布之前，特斯拉创始人兼首席执行官埃隆·马斯克突然乘飞机抵达北京，随后就传出特斯拉FSD即将登陆国内市场的消息。
同日，中国汽车工业协会、国家计算机网络应急技术处理协调中心发布《汽车数据处理四项安全要求检测结果通知（第一批）》。通知显示，特斯拉已通过中国汽车数据安全四项要求全部检测。
目前，中国车主可以使用特斯拉的辅助驾驶功能，该功能可在高速公路上开启。但FSD是更自主的辅助驾驶功能，可在城市公共道路上使用，包括自动泊车、自动变道和交通导航等。
不过，据上观新闻报道，上海市临港新片区管委会数据部部长陆森透露，南汇新城正推动10辆特斯拉汽车开展全自动驾驶（FSD）试点。随后，智驾网向临港相关人员确认了该消息，并称或于年内实施。
若此次特斯拉FSD入华，单车智能与车路协同两大分水岭将迎来新一轮的考验。
那么，今天五部门联合发布的这份名单究竟有何意义呢？
01.
专家认为，这并不是两条独立的技术路线
无论是单车智能，还是车路协同，L3级以上功能面临的核心问题是技术成熟度。
单车智能、车路协同的主要参考点是感知和处理主要依靠边缘计算还是云计算，以此分为两类：
它主要依靠边缘计算对单车进行感知和处理，实现单车的自主决策，属于单车智能。
它主要依托云计算对路段和环境设施的感知和处理，路侧给出信号，车侧以路侧信号作为决策的主要参考，属于车路协同。
中国工程院院士、清华大学汽车学院教授、中国汽车工程学会理事长李俊在第十一届国际智能网联汽车技术大会（CICV 2024）上表示，当前自动驾驶的两条技术路径——单车智能和车路云一体化，并不是两条独立的技术路线，而是相互促进、相互促进的。
长期以来，以特斯拉为代表的企业在单车智能化方面处于领先地位，车路云被业界视为中国自动驾驶解决方案。
对于单车智能与车路云一体化的拉锯战，多位业内人士向智驾网表示：“单车智能侧重于车辆侧，而车路协同则侧重于车侧和路侧的数据融合，将单车智能与车路协同结合起来。”
因此，双方协调推进十分必要。
二者的优势互补为：
单车智能更多是依靠人工算法和高端芯片来做决策，这两个领域正是美国科技公司的核心优势，因此以特斯拉为代表的美国科技公司都选择了这一流派。
单车智能擅长的，就是解决车路协同的“规模化、商业化”瓶颈问题。
车路协同更多的依赖于道路基础设施，比如5G基站、卫星互联网、安装在道路上的传感器、边缘计算设备等等，都属于新基础设施。
因此车路协同可以帮助单车智能解决“长尾问题”和广域交通信息交互需求（如几公里外的桥梁垮塌信息），弥补单车的局限性，拓展自动驾驶的操作设计领域（ODD）。
根据《智能网联汽车技术路线图2.0》的定义，智能网联汽车要实现无人驾驶，需要感知环境、决策、控制和执行，在环境感知的过程中涉及到单车智能的选择和车路协同的选择。
单车智能可以感知比较近距离的信息，而车路协同可以实现超视距的感知。如果说单车智能相当于一个人在路上开车，不依靠工具，而是靠个人经验，那么车路协同就是在个人经验的基础上加入工具支持，从而获取更多信息。车路协同可以节省大量人力，降低每辆车的成本，有利于无人驾驶的最终实现。
当然，在协同发展的过程中，需要各方各尽其责，包括但不限于：
汽车制造商需拓展应用功能；智能驾驶技术供应商应提升单车传感器、控制器的性能和可靠性，促进技术迭代升级；
互联网服务提供商要做好网络建设和运营服务；交通运输系统建设者要加大硬件基础设施投入，建立商业模式；
政府要发挥主导作用。
02.
打破智能自行车成本高昂的悖论
在固有感知上，具备高级智能驾驶能力的车辆若单纯依赖单车智能，必须融合包括激光雷达、摄像头、毫米波雷达等多传感器感知信息，对决策和控制算法的精准度要求非常高，因此其较高的软硬件成本使高级智能驾驶车辆难以在民用领域得到广泛应用。
但随着激光雷达价格下降到千元级别，单车智能化已经接近L3及以上自动驾驶功能的实现。
高精度地图也是实现L3+自动驾驶系统不可或缺的技术基础。
对于L3级自动驾驶来说，传统的静态地图已经不再适用，需要结合静态和动态交通信息的高精度地图数据，并且要求的数据精度也提升到20-50cm。
4级自动驾驶需要更精确的激光点云辅助分析，可以提高数据精度至10-30cm。
高精地图也被视为支撑整个车路协同的底层架构之一。
车路协同一个非常重要的能力是在边缘侧，边缘侧的设备要具备感知、计算、存储、分发、决策、分析等边缘计算能力，这些能力对空间融合、空间基准有非常高的要求。
高精度地图能够满足地图匹配、辅助环境感知、路径规划等多种需求，因此一直被视为实现车路协同的底层支撑技术。
但所谓的车路协同、高精地图解决方案都只是特定场景的解决方案，不会是大规模的乘用车解决方案。
国内某领先地图厂商曾表示：“以前我们依赖车路协同时，导航数据都是车路协同提供的，包括红绿灯变换的时间、临时控制灯的时间等。但现在单车智能可以通过我们自己的大数据预测来实现这些功能，不需要第三方提供数据。”
也许有人会问，如果完全依靠单车情报，案件侦破难度是不是会加大？
如果这一说法是在端到端生成式人工智能兴起之前提出的，它或许是主张车路协同的最佳武器。
但随着大型车型加速在车辆上的搭载，各类新技术的智能化涌现，以及端到端解决方案的爆发式增长，自动驾驶水平取得了显著的飞跃。
Tesla FSD V12 利用神经网络将手动编写的 C++ 控制代码从 30 万行减少到 3000 行。
元荣启星曾经做过统计，如果是人工处理案例，一个工程师一天只能处理10多个案例，但端到端模型可以用AI来解决问题，并系统地向有经验的人学习。
这些端到端的“违反常识”的优势是为了帮助汽车制造商降低成本、提高效率。
这怎么不算破解了单车智能与车路云的无限博弈呢？
03.
汽车、道路和云：一份复杂的经济账目
今年1月，公安部、自然资源部等五部委发布《关于开展智能网联汽车“车路云一体化”试点应用的通知》，应用试点以城市自愿申请为主，试点期限为2024-2026年。
在清华大学自动化系系统工程研究所教授、博士生导师姚丹娅看来，试验区的试点示范融合了汽车、交通、通信等多个领域，将智能辅助驾驶与交通管理、城市基础设施相结合，实际上是在为未来智能驾驶上路“扫雷”。
事实上，自2016年以来，我国已陆续出台一系列政策、实施多个试点，推动车路协同发展。但由于车路协同系统复杂度高，路侧设施覆盖率低且分布分散，缺乏统一标准，导致车路协同的效果难以显现。
不过，从此次国家试点城市的申请和建设规模来看，均为市级，不同于以往示范区规模较小。
此次试点的20个城市预计总投资约800-1000亿元。
此举是否能打破政策热、市场冷的局面？
毕竟车路云融合讲究的是协同，前提是必须从政府层面去推动。
车云试点应用的资金主要来源于国家专项债券或者超长期国债，地方财政和企业也会参与建设，地方政府也会有一定比例的资金投入，但主要还是依靠国家专项债券。
不过据《联合早报》报道，今年1至5月，我国财政收入下降2.8%，其中税收收入同比下降5.1%，非税收入同比增长10.3%。《联合早报》在文章中对数据的分析概括为，需求疲软正在拖累中国经济复苏。
财政收入的减少意味着车路云的发展会受到一定的限制，政府也会因此减少对车路云公司的支持力度以及签订合同的概率。
4年前，业内一家提供“车路云一体化”自动驾驶系统的知名公司曾向智驾网透露，如果将道路改造成智能道路，每公里的成本将在200万元以上。
判断200多万元的信息基础设施建设成本是否高，需要与高速公路的建设成本进行比例测算。
一般来说，一条标准的双向四车道高速公路每公里造价在3000万元左右，所以200多万元差不多占了传统基础设施造价的10%，这个数字并不低。
在CICV上，中国工程院院士、清华大学教授、中国汽车工程学会副理事长、国家智能网联汽车创新中心首席科学家李克强回应了当前业界对车路云一体化解决方案的三大认识误区。
其中一条澄清了信息基础设施建设成本高、网联驾驶难以大规模部署和推广的误解：传统道路的拓展空间有限，通过新技术的赋能，可以以不到传统基础设施1%的成本有效扩大交通容量。同时通过车路云一体化，将部分感知和算力下沉到路侧和云端，避免车侧配置过度积累，实现大系统整体成本最优。
很难说1%与10%的成本差异对车路云没有好处。
一位源自硅谷、现扎根上海的智能驾驶公司CTO表示，“大量外资和美元基金撤出中国后，很多投资机构都有国企背景，很多地方政府、国有基金在做车路协同，他们无法接受车路协同三年后没有回报，尤其是在现在的市场环境下。”
这并非偏见，能否实现车路云一体化才是决定未来能否实现商业闭环的关键。
蘑菇车联CTO郭兴荣在日前的CICV论坛上表示，要进一步完善车路云一体化规模化应用。
他指出，目前车路云一体化的应用还仅限于智能网联汽车和部分试点城市，2023年5G和C-V2X前装量也仅有170万辆和30万辆，应用规模不足导致公众认知度不够，其商业价值还未显现出来。
除了前文提到的感知、通讯、集成等技术难点外，当前车路协同试点最大的难点在于商业模式。
无论是通讯计算、车辆、还是道路的部署，规模和体量都远远不够，规模带来的另一个问题就是道路基础设施的建设和维护谁来投资、谁来运营、谁来出钱。
李克强院士为今年车路协同路线提出了八大可商业化的场景：车路云一体化公共交通系统、智慧环卫系统、无人配送车、网联智能驾驶乘用车、无人驾驶出租车（）、智慧矿山、干线物流、以及数据闭环与数据增值。
在这八个场景中，乘用车排在第四位，最直观的应用场景就是公共交通系统，链接系统都属于市政公共服务和物流系统。
换言之，车路协同正在与单车智能分道扬镳，两者不再是替代关系。
正如亚当·斯密在《国富论》中所写，“在所有的改进中，与开展贸易有关的改进是最有效的。”
自动驾驶的发展之路注定不会一帆风顺，有伦理、道德、价值观等问题，也有芯片、标准、网络安全等难题亟待解决。但正因为有问题需要解决，才会有更多的进步和发展。
【关注智能汽车，关注智驾网视频账号】
如需合作或新闻线索，请联系邮箱：
