車路協同是自動駕駛的噱頭嗎？_風聞

新眸汽車組作品

作者｜阮雪

編輯｜桑明強

單車智能和車路協同，在無人駕駛上，國內外押注了兩條截然不同的路。

以特斯拉為首的國外汽車製造廠商，把雷達、攝像頭以及傳感器視作籌碼，用車輛作為獨立的智能個體賭無人化的未來，flag年年立，但也年年倒；相比之下，國內的玩家在單車智能技術瓶頸難克服的情況下，把目光放在了馬路上，在車和路的協同中解決對方位感知信息處理的難題。

和單車智能強調微觀性的個體提升不同，車路協同更強調宏觀層面上的建構，“自動駕駛是起點，終局是智能交通、智能城市，甚至是智能社會。”在《智能交通七講中》中，李彥宏把智慧化的想象延伸到整個社會層面上，在新基建的背景下，車路協同成了自動駕駛的新風向，不少玩家躬身其中。

賭桌上，是明碼標價的籌碼和天花亂墜的設想；賭桌下，是對於未來交通形態的判斷和難以跨越的技術鴻溝，各方都試圖給未來拿出一個解法，但未來卻沒能給任何人答案。和看待所有新興技術一樣，看待車路協同，與其沉迷想象，不如迴歸現實，聊一聊它的前世今生。

必經之路

上個世紀50年代，通用汽車在美國新澤西州打造了一條埋入大量通信設備的概念高速公路，這被業界視為最早的車路協同方案。21世紀以來，現代意義上的車路協同，主要涉及車端、路側端和雲端三個端口，通過統籌車、路、人以及實時交通的動態信息，實現信息的互聯互通。

着眼國內車路協同的開端，不是對自動駕駛的另謀出路，而是因為它成了必經之路。

“第一，普遍認為自動駕駛需要110億英里（約合177億公里）的道路測試，單車實現難度有多大？第二，含有激光雷達等昂貴設備的單車如何降本？第三，完全自動駕駛至少有幾百萬的極端工況，軟件設計如何保證和驗證？第四，對於自動駕駛安全性如何保證？”

圍繞着單車自動駕駛所產生的四個疑問，一度成為了玩家押注車路協同的理由，在車路協同的答卷上，這些都能找到答案。

作為汽車行駛的基礎，自動駕駛所需要的道路測試被納入了城市建設當中，對於道路的改造也順勢產生。根據新眸不完全統計，截至目前，我國已有16個城市成為智慧城市基礎設施與智能網聯汽車協同發展試點城市，其中，截至2020年6月，北京已完成158萬公里的測試，自動駕駛開放測試道路已達699.58公里。

雖然距離目標的測試長度還有一定的差距，但相比於單車智能，更具性價比的車路協同在成本上已經降低了難度。擁有更低的單車成本和邊際成本，路側安裝設備的方案能將單車成本控制在萬元以內，和動輒十萬上下的車載傳感器相比，經濟成本的降低，讓車路協同的可行性變得更強。

和單車智能的整車高成本對比，車路協同顯得更加實惠，在一定程度上也能夠解決智能汽車對於高性能芯片的依賴。

一直以來，視野侷限和視效侷限是影響自動駕駛安全性的主要原因。智能汽車感知硬件系統，無論是攝像頭還是雷達，其實都是基於生物感官的產物，搭載在車端，這就必然會有“盲區”現象存在，基於視覺產生的信息判斷，即使芯片再智能也無法計算看不見的信息。

車路協同更重視的“協同”二字，在於兩者之間的配合：道路能夠完成對智能汽車的輔助作用——讓它“看見”更多的信息，“端”、“管”、“雲”的三層架構，分別幫車路協同完成了環境感知、數據融合計算和決策控制三階段的任務。

路端設備的感知能力利益路邊單元（RSU）、攝像頭、激光雷達等多方配合下得到加強，雲端上區域雲包含設備管理和數據管理的基本能力，邊緣雲被部署在路邊，是軟硬件結合的邊緣計算節點，區域雲和邊緣雲的收據交換，構成了信息的流通和處理。

從車端感知上報，到路側協同基站，到邊緣雲，再到區域雲的一系列信息傳遞，通過實現對交通各實體元素間的信息管理，最終車輛間的信息交互，形成了理想中的智能交通閉環，以此降低安全風險，也降低了軟件設計上的難度。

叢林探險

入局車路協同的熱潮發生在2018年，這一年互聯網大廠動作頻繁，讓沉寂在造車背後的車路協同走上了台前。

這一年，時任百度智能駕駛事業羣組總經理的李震宇在媒體溝通會上宣佈，將正式開源Apollo車路協同方案，向業界開放百度Apollo的技術和服務。緊接着就有阿里牽手行業巨頭的消息傳來。

同年九月的雲棲大會上，阿里成立的“2038超級聯盟”，把包括交通部公路院、國家電網、中國聯通、一汽集團、英特爾、福特汽車等多方力量集合起來打造智慧高速，不過一個沒説的前提卻是，阿里的車路協同是在自家的封閉系統下搭建的。

在阿里的實踐中，阿里雲承擔搭建雲控平台的任務，為車路協同場景提供全局掌控能力；AliOS搭建車路雲協同計算系統，完成車路協同的具體能力；達摩院負責研製路測要安裝的感知硬件，同時，高德、千尋等提供高精度地圖，支付寶解決高速支付場景，在加上菜鳥聯盟和ET城市大腦的場景支持，阿里在自家的生態體系內建立的“封閉”的車路協同生態，足以看見他的野心。

一直處於觀望態度的騰訊也在之後姍姍來遲，依然是平台化的輕運營模式，把自身定位劃為車和路的連接器。在單車智能和道路智能化後，依賴騰訊平台的大數據支撐，面向C端發展。一如騰訊在其他領域中的入局習慣，騰訊採用廣撒網模式，頻頻投資車聯網、車載硬件、智能出行等等多個領域，通過投資產業生態中的新玩家切入賽道依然是騰訊的老套路。

和BAT一同在場的，還有華為，在最初的智能汽車領域偏向通信運營商的角色。基於自身的ICT技術，華為早年間的佈局多在車路協同的基礎設施建設上，提供智能硬件產品。但在2018年底也開始了BAT賣解決方案，賣軟件的的打法，推出了“TrafficGo1.0”，對標阿里的城市大腦，百度的ACE智能交通引擎，以及騰訊的“We Transport”。

如果將車路協同比作是一場叢林探險的話，車路協同企業應該可以被分為五大陣營：以BAT為代表的互聯網科技企業；以華為為代表的ICT企業；還有汽車供應商、車路協同方案解決商以及以福特為主的汽車主機廠。在同一陣營之中，各個大廠也都在順應自己的優勢選擇對應的道路。

路的盡頭則是豐厚的報酬。

以高速公路的智能化改造為例，據新眸不完全統計，目前全國的高速公路總里程大約為14萬公里。經過行業測算，對高速公路進行車路協同的路側改造，一般的硬件和改造成本約為幾十萬到一百萬/公里，以此推算，車路協同光在“智慧高速”的改造上就存在着一個千億級的市場，這其中不包括車路協同在新建高速上的部署以及後續的運營維護，不包括城市路網。

大玩家在前面提供技術開源和資源投資制定方向，留下的細分領域留給小玩家做技術突破，大廠領投，小廠研發，在車路協同領域是常態。以蘑菇車聯為例，它所提出的“車路雲一體化”自動駕駛落地解決方案依然沿用了百度單車+協同的思路，並和其他大廠通過合作建立起關係，參與這場探險。

勇敢者的遊戲

沒有石頭可摸，也許是車路協同所有玩家的共同感受。

一是在世界範圍內，車路協同還沒有成功的案例，也沒有在行業內建立起統一的標準；二是對於投身的大廠來説，這和過去國內互聯網既有的消費生態不同。車路協同代表了技術和產業上的深度融合，高難度決定了它一直是屬於勇敢者的遊戲。

商業邏輯方面，和短期內依靠軟件不斷漲價的自動駕駛系統不同，自動駕駛的方向制定背後是整套軟件系統的更新，而車路協同的方向雖然好定，但是商業化落地卻很難。

與之對應的，雖然有新的解決方案一直在被提出，但是卻很難判斷具體方案的正確性，在高昂的試錯成本和相對複雜的產業協同的影響下，現在的車路協同仍然在感知協同上踏步，在封閉性的試驗園區中實現無人化。

整體性就像是一把雙刃劍，成在協同，敗也協同。多方合作下帶來了信息的豐富，但也帶來了比單車智能更多的影響因素。無論是車側智能和路側智能的發展，都受到來自不同方面的桎梏，例如公路智能化改造的進展、國內不同地域間的路況差異以及相關地圖與定位的精度都會影響車路協同的落地效果。不論是車還是人，都會帶來更換成本上的壓力，比如：高性能激光雷達的革新換代，車隊用户或者是個人消費者付費意願和轉換成本。

這些因素共同決定了不同方案初始投資的高低、投資回報期的長短，以及投資的經濟性，從而影響了技術和成本在車側和路側的分配方案與演進路線。

規模化是商業化落地的第一步，但對於車路協同來説，問題不再僅僅和車輛搭載什麼功能有關，道路硬件是否滿足硬性需求，車聯網雲端上的通信支持也變的更加複雜。正如過去最初的紅綠燈建設、道路監控聯網逐漸得到普及一樣，讓傳統的路面信息實現交互，本質上是一場基礎設施的全面革新，也註定了這不是企業一個人的賽場，在政府的頂層設計，交付企業協作研發，這其中小企業的承接能力也面臨着考驗。

比起汽車廠商間對於自動駕駛的追逐和博弈，車路協同領域的競爭還沒有走向白熱化階段的原因也很類似：場景的實用化需求以及道路交通的複雜程度為車路協同帶來的難題，也並不是依靠某家公司一力就能解決。車側智能和路側智能最終的融合狀態是怎樣的？何時達到？如何演進？這些問題都需要產業鏈上的玩家們協力解答。

種種關於未來的設想中，車路協同所帶來的想象空間，也隨着更多玩家的加入變得豐富，就像馬斯克在推特上點贊智能紅綠燈，“聰明的車”+“智慧的路”之間本不存在隔閡，在智能化的大趨勢下，先有車還是先有路，答案早就沒有了意義。