当单车智能遇上车路协同

美国时间3月10日，美国交通部国家公路交通安全管理局发布了《无人驾驶汽车乘客保护规定》，其中取消了关于配置方向盘、转向柱等规定。

若这一文件生效，则意味着美国日后的全自动驾驶将可不配置方向盘这一传统手动控制装置。联想到2019年时，马斯克曾放言若监管机构同意汽车可没有方向盘，那么其100%会去掉方向盘。如此，第一部无方向盘的汽车或许很快就会到来。

与美国主领的单车智能不同，我国追求“单车智能”+“车路协同”模式，重心更多放在车路协同上。两者都是自动驾驶的技术路线，有人曾通俗地将单车智能形容为车灯，车路协同则为路灯。

更专业点，单车智能自动驾驶通过在汽车上安装的传感器配件对周围环境进行探测和定位，再将传感数据进行分析后进行目标的识别，并预测与规划出前进路线。

由于单车智能依赖车辆的高级装配，需高效精准的算法、高端传感器与技术配置，所以其主要由美国引领。

不过，高端技术带来的高昂成本也意味着并不便宜的车价，难进行大规模落地推广。

另外，由于单车智能依赖车辆传感器等配置对外部进行感知，所以当面临下大暴雨、大雾等恶劣天气或其他影响感知的情况时，汽车感知能力下降，易出现预测不准等情况而发生事故。

2016年，兰德智库曾指出一套自动驾驶系统需经110亿英里的测试才可量产，但即使是美国自动驾驶头部企业Waymo在2020年的路程测试中也仅达到981万公里。且2019年至2020年9月，这一企业自动驾驶汽车还发生了18起事故及29次人为干预而避免碰撞的场景。

对于交通路况更复杂、人行情况难控制的中国，如美国一般只发展单车智能是行不通的。于是，便有了大力发展车路协同。

2021年，清华大学与百度联合发布的全球第一份车路协同技术创新白皮书——《面向自动驾驶的车路协同关键技术与展望》中对车路协同提出了具体的概念与定义。

简单来说，就是在单车智能自动驾驶的基础上，通过车、道路与路测设备间的感知，实现车与车、车与人、车与路之间不同程度的信息交互。这一技术路线包含了智能车辆与智能道路两部分。

对于智能车辆，美国国际自动机工程师学会将汽车自动驾驶等级划分为L0-L5级别，目前市场上的驾驶大多在L2这一组合驾驶辅助下。

所以单车智能发展还有很长的路。但在车路协同上，只要将路边的传感装置、5G网络、AI云计算等配置好，并在普通车辆上加以传感器，即使是L2、L3级别的普通汽车也能实现更高阶层的自动驾驶程度。

车路协同不要求车辆一定要配置高技术装备，车辆造价成本更低，更易推广普及。且只要完善好路测感知装置，保障感知与信息处理，单车智能面临的恶劣天气感知问题在车路协同上得到了缓解。

夯实全球最大自动驾驶出行服务商地位

在车路协同上，百度算是国内最早一批入局的企业。

百度研究自动驾驶技术有近9年时间，所以其在自动驾驶路测数据方面，拥有更多经验与积累。随着自身的研发、与各类车企或研究院合作的深入，百度正逐步夯实全球最大自动驾驶出行服务商地位。

随着V2X（Vehicle To Everything，即车对外界所有事物的信息交换）车路协同成为自动驾驶的基石，百度在2016年开始就已经在这一领域布局。不过即使是这一最早一批开始耕耘自动驾驶领域的企业也花了2年的时间才推出首个车路协同开源方案。

2017年，随着其自动驾驶平台Apollo的建立与开放，国内众多研发自动驾驶的车企或相关企业都能从中获得数据支持与突破。随着Apollo的更新迭代，如今在该平台上能看到多个智能解决方案，从中获得使用数据。

与靠车企突破单车智能技术路线相比，车路协同更多地讲究一个系统的整合，由百度、阿里等互联网巨头提供云计算、网联等技术支撑，由政府提供路侧设备建设与完善支持以及车企提供车辆设备与感知产品等，这一过程中，研究院也给了极大的助力。

2018年，景驰科技这一人工智能驱动、以无人驾驶技术为核心的公司加入Apollo开放平台。作为国内交通行业数字化解决方案提供商，其也与百度签署了5年合作协议，以自身实力为百度自动驾驶车辆的验证与示范提供网联环境以及数据支持方面的服务。

作为服务提供商，为满足各企业车路协同测试需求，中关村自动驾驶创新示范区环保园、北京经济技术开发区、北京CBD道路上都有千方科技部署的近百套V2X设备。而百度推出的V2X车路协同方案也是在千方科技的合作下共同完成。

2021年5月，清华大学智能产业研究院（AIR）与百度联合发布了Apollo Air计划，推出了Apollo Air技术。通过替换稳定的自动驾驶系统的感知系统，在不使用车载传感器的情况下，利用V2X、5G等技术通过车路的轻量感知就能实现L4级别的自动驾驶。

当然，这一“目前全球唯一仅通过路侧感知就能实现开放道路L4自动驾驶闭环的技术”，目前也仅仅是提出与实践阶段，虽然已经通过对北京亦庄、广州黄埔、沧州等路口进行智能化的设备改造进而进行真实场景测试，但更多的研发案例与数据还需不断测试与挖掘。

奇瑞、比亚迪、北汽、三星等企业也与百度建立了合作关系。

目前，得益于自身的研发与外部的合作，百度在国内自动驾驶领域更进一步。2021年其建立的Apollo开放平台已更新至6.0版本，全球生态合作伙伴也超过210家，集聚的开发者、开源代码数也分别达到5.5万名、70万行。

在这平台上，越来越多自动驾驶领域的车企、解决方案提供商从中获益，并由车企朋友圈形成合力，共同创建共享车路协同的产业价值链。

其推出的自动驾驶出行服务平台——“萝卜快跑”在2021年第四季度，也实现了21.3万单的订单量，在北京、重庆、阳泉开始商业化收费模式。

依托基建与政府

国内其他巨头也纷纷入局

上面提到过，与美国的选择不同，我国更侧重车路协同路线，其中缘由除了单车智能造价更高外，也在于我国基建实力全球数一数二，在道路设备上“用力”，会比在高端核心技术处发力更容易。

当“智慧的车”造价过高，那么高昂的车辆装配设备则由“智慧的路”代替。中国的道路由政府所管辖，这也决定了在车路协同路线上，政府的入局必不可少。

近年来，政府在智慧道路建设上出台了多个政策，也支持了许多地方建设国家级车联网先导区，包括无锡、重庆、天津、长沙等地。在车路协同领域上，北京、江苏、浙江、广东、湖南等地也在探索其在高速公路上的运用。

在当地政府与企业的支持下，京台高速、成宜高速、五峰山过江通道公路、沪杭甬高速公路等一些路段都有所尝试。在自动驾驶领域研发近9年的百度，近年也纷纷抓紧各地的智能交通新基建项目，涉及广州、保定、重庆、合肥、阳泉等地。

而与百度相比，虽然其他企业在自动驾驶领域的布局并没有那么多元化，时间也没有那么长，但依靠中国基建及自身优势，除阿里与腾讯外，华为、联通、滴滴等公司也开始注意或布局车路协同领域。

如果说百度更侧重于打造一个开放共享的车路协同平台，阿里则更多地依靠智慧物流建设的路端、云技术等优势来推进云控平台、智能感知基站、协同计算系统等方面的建设，而腾讯更多从自身优势入手充当车路协同领域的连接器，

对于阿里，其于2018年9月的“杭州·云栖大会”上宣布升级汽车战略为“由车向路延伸”。这一道路会由其建设的移动智能操作系统AliOS与达摩院、高德、支付宝等共同完成，由旗下的研究院——达摩院推进路端的感知基站技术，AliOS则负责协同计算系统。

与百度一般，阿里在与政府、企业的合作上也持续发力。除了与浙江省交通运输厅达成战略合作以推进智慧高速公路建设外，之前也以36亿入股了百度的合作伙伴——千方科技。

在车路协同竞争中，虽然百度与千方科技签订了协议，但也只是合作层面，而阿里直接从资本端将两者绑定，深入到技术研发、市场推广、项目落地等方面的合作中。

在百度、阿里的入局下，腾讯的进场也不意外。其进军手法也是参与到各地智能网联项目中，与当地政府或各类企业进行投资合作。

不同的是，借助流量优势，腾讯在车路协同上更多是作为“连接器”，将人、车、路、云以及产业链上下游相关企业连接起来，共同构建含基础设施、平台服务、业务运用于一体的车路生态协同系统，这一点倒与百度开放Apollo平台以吸纳更多志同道合的伙伴有所相似但不完全一致。

同样，有5G技术加持的华为入局车路协同，也会将国内车路协同向前推进一步。在车路协同上，车与路、车与车、车与人间的感知交互与信息传递处理需控制在极短时间内，5G技术的运用恰能将时间缩短，使感知、反应与判断更为及时。

中国路况复杂，多层面标准尚未形成

目前来看，我国在车路协同路线上的进展整体领先。

首先是2018年全球首例C-V2X“三跨”（跨通信模组（芯片）、终端提供商、整车厂商）互联互通在上海举行；时隔一年全球首例C-V2X“四跨”成功举办。与“三跨”相比，“四跨”纳入CA平台来保障通信安全，进一步推动车路协同中C-V2X产业的商业化落地。

仅1年参与企业就从20家扩大到60家，覆盖的车联网企业愈发宽泛。

从数据集来看，国内取得的进展也是世界性的。虽然Waymo、Argo AI等自动驾驶公司早已开放自动驾驶数据集，但与国内走的毕竟不是同一条路线。

今年2月，在清华大学智能产业研究院、北京市高级别自动驾驶示范区、北京车网科技发展有限公司、百度Apollo、北京智源人工智能研究院的联合下，全球首个车路协同自动驾驶数据集——DAIR-V2X发布。

以往相关数据匮乏使各界在利用数据驱动车路协同改进与发展上极为困难，此次该数据库面向境内用户提供下载使用功能，意味着国内车路协同数据共享更进一步，也能对行业规范化与标准化提供参考。

不过提到标准化，国内车路协同的多个层面上尚未形成国家标准，这也使得各地车路协同虽有所进展，但也“各自为营”。

如目前国内各省市多段高速公路开展了车路协同应用示范，但各自形成不同建设标准的测试验证平台，平台间彼此割裂，并不互通。

同样在路端设备中，国内多个企业提供的产品如高清摄像机、激光雷达等感知设备多种多样，性能不尽相同，而布设间距往往受产品性能影响，这样也带来了施工配置标准不一。

且对于百度以开源形式开放共享数据库，确实助力了产业链企业间的研究与交流。但这并不能代表国家层级标准，许多国内巨头企业不见得就会利用或认可这一数据库。

据了解，大多数车企在自动驾驶领域上更愿意投资或深度绑定一个自动驾驶的公司来开发自身系统，通过自身尝试研究来推动自动驾驶进程，避免“一家独大”的局面。且据悉，一些数据集也会遗漏不少关键变量，反而会给自动驾驶汽车带来风险隐患。

所以国内的车路协同还要经历一段时间的摸索，一边前行一边形成标准规范。

另外，中国的复杂路况决定了纯粹的单车智能在国内行不通，也给车路协同普及带来难度，如北京城市道路交通参与者密度达到了美国加州的15倍，更加复杂。

且不说如今国内自动驾驶出行服务还在探索测试并尝试商业化落地阶段，即使一些企业在一些区域商业化落地取得成功，但在全国进行普及也不容易。

而且我国2020年就有超16.1万公里的高速公路里程，近519万公里的公路里程。在这些道路上布局车路协同设备需各地政府与企业支持，还要花费大量资金，许多车路协同项目动辄几千万，高可达上亿元。

从20世纪90年代日美欧提出至如今我国的支持发展，车路协同也经过小几十年的历史。但从技术端、国内道路实况来看，想要实现车路协同，我国还需不少时间。