“车路云一体化”建设加速：业内专家称场景培育可多样探索，不必局限自动驾驶|一体化_新浪财经

21世纪经济报道记者邓浩上海报道

单车智能在整车厂主导下飞速发展后，近期随着“车路云一体化”规模化应用的提速，汽车的智能网联化再次引爆市场关注。

中国工程院院士、清华大学车辆与运载学院教授李克强日前在演讲中表示，智能网联汽车是将单车自动驾驶和网联式汽车融为一体的新产品、新模式、新生态。其中“车路云一体化”作为这一变革中的关键，对于推动智能网联汽车产业化落地至关重要。

近日，海通证券举办2024上海先导产业大会。记者在会议现场获悉，不少专家认为车路云建设更多是为交通管理、效率提升提供服务，在一定规模的实际运营之后，数据本身将极具交易价值，商业场景有望被不断挖掘。

交通服务提升是动因之一

今年7月初，工信部等5部门发布《关于公布智能网联汽车“车路云一体化”应用试点城市名单的通知》，确定北京、上海、深圳、广州、武汉等20个城市（联合体）作为首批“车路云一体化”应用试点城市，正式拉开“车路云一体化”规模化应用序幕。

中兴通讯大企业总监办CTO许志成表示，“为什么现在提城市级智能网联，因为里面一定是5G网全覆盖。5.9G的C-V2X是在重要的路口或路段会有，离开这个区域就没有，因此单车智能与智能网联并不矛盾。长远来看，如果智能网联提供的信息量足够大、足够可靠，有可能代替或者降低单车智能的硬件配置要求。”

星云互联首席产品官王吟松也认为，“受限于基础设施覆盖度，当前单车智能确实有比车路云一体化更广泛的适用条件，是我们看到目前C端乘用车市场智驾产品的主要体现形式。但随着车路云一体化的规模建设，会帮助单车智能在特定的区域、特定的城市或特定路线上提高智能驾驶的安全上限以及交通效率，因此我们也注意到已经有相当多的车企开始在主动安全和座舱功能中引入V2X技术。”

车路云一体化，也可以看作“聪明的车+智慧的路+强大的云”。李克强就认为，云控基础平台是“车路云一体化”系统的枢纽，负责接入全量路侧智能基础设施和智能网联汽车数据，并与交管、气象、高精地图等第三方平台进行互联互通，既可赋能自动驾驶、智能交通实现，同时面向各行业提供基础数据分析与数据增值服务。

四维图新北区政企客户部总经理郭磐石表示，“对于车路云的建设，行业的共识是，车路云一体化建设并不是单纯为满足乘用车辅助驾驶和自动驾驶需求的，而是同时满足在交通管理、效率提升、城市治理等方面提供服务。比如在亦庄，美团无人配送车，解决了从服务站到小区门口运送外卖的问题，效率提升了很多。”

而这种公共服务的特性，某种程度上决定了政府作为主体参与的必要性。事实上，在试点城市名单公布后，各地“车路云一体化”投资建设不断升温。

7月中旬，长春宣布计划未来三年投入127亿元，全面打造交通枢纽、城市道路、快速路、高速公路等典型示范应用场景。

8月，北京市车路云一体化新基建项目招标计划发布，总投资40.31亿元，建设面积约2324平方公里，涉及道路路口6050个，配套建设电源电力管道1074公里等。

数据交易价值会逐步显现

商业闭环的建立是“车路云一体化”能够有效长期运营的关键，而目前产业面临的挑战还比较大。不过与会专家的共识是前景很乐观，对于商业模式的探索，得给足够的运行时间去摸索。

许志成就表示，“商业路径，大家在探索干线物流、无人小巴、无人出租车，我认为场景的培育不用操之过急，也不必仅仅聚焦于自动驾驶。”

在他看来，以前人开车的时候可能有不太好的驾驶习惯，但保险公司要理赔后才会上浮保费，以后如果所有的驾驶习惯被云端感知，虽然没有造成事故，保险费也要上涨，保险公司愿意付费，也是一种商业模式。在娱乐方面，如果可以把实时的路上信息给一些做游戏的公司，它可以开发出更逼真的赛车游戏。

郭磐石也表示，“我们测算过，北京高级别自动驾驶示范区建设进入4.0阶段，覆盖面积会达到3000平方公里，路口的感知设备所能覆盖的面积达到路网的30%左右，用路侧感知的结果可以解决80%～90%的地图更新变化发现的问题。因此对于车道级路况的获取，在车路云一体化的技术支持下有可能实现。这样的基础设施可以为未来生活提供非常大的便利性，同时数据交易的价值也会逐渐体现出来。”

要实现“车路云一体化”的数据价值，首先还得建立统一的标准。只有能够分层解耦、跨域共用，才能避免各个环节成为“孤岛”。

此前工信部在试点工作问答中坦言，各地“车路云一体化”建设处于初级阶段，尚未能搭建形成完备的系统架构，基础设施建设存在“碎片化”现象，难以支撑自动驾驶技术和网联功能的规模化应用。

郭磐石认为，“这次城市试点核心是解决两个问题，第一个是路端、车端的覆盖率，因此这次车路云一体化项目申报，必须以政府为主体申报，实现全域的信号覆盖，同时要求所有试点城市，车端安装相应的终端和实现场景化必须有一定量级，以证明这套服务能真正落地，在此基础上通过2～3年的时间去挖掘杀手级应用；第二个是标准的问题，要有统一的标准，才能形成分层解耦的能力。”