汽車革命下半場，我們能否乘勝追擊？

自動駕駛是全球汽車產業乃至科技競爭的制高點，也是人工智能的重要應用場景。錨定這一前沿賽道，國內外自動駕駛企業持續加快布局，著力搶占全球自動駕駛產業高地。

測試車輛在天津（西青）國家級車聯網先導區封閉測試場內進行自動駕駛主動安全功能測試 （2024年6月14日攝） 孫凡越攝

從技術層面看，實現汽車全自動駕駛有單車智能和車路云協同兩種方式。單車智能方面，當前全球多個國家已實現L3級自動駕駛功能的前裝產品應用，并積極推進L4級示范應用，自動駕駛出租車、公交車、物流配送等示范項目蓬勃開展。但經過多年技術發展和實踐驗證，人們發現傳統單車智能路線并不能很好地滿足城市大規模自動駕駛需求，在單車智能基礎之上，通過路側設備彌補單車性能局限，利用云端協同決策提升效率并減少單車間的博弈，能實現多維信息的全面協同，提高安全性和可靠性，有望實現超越人類的自動駕駛乃至無人駕駛水平。

路線逐漸清晰，科技發達國家積極推動網聯化布局，車聯網競爭逐步加劇，全球智能網聯汽車進入到了技術快速創新、產業加速發展的關鍵時期。例如美國由單車智能路線逐漸轉向探討基于新一代通信技術的車路協同應用路線，提出C-V2X（一種基于蜂窩網絡的車聯網通信技術）部署草案；歐洲探索智能化基礎設施對智能駕駛的支持作用，明確提出基于數字化基礎設施支撐的網聯式協同自動駕駛（ISAD）。

我國也積極推動車路云一體化，從頂層設計層面高度重視智能網聯汽車產業發展，確立了車路云一體化發展戰略，車路云一體化技術體系已初步搭建。近年來，國內車路云產業化加速，智能網聯汽車示范區先行測試，確定了一批車路云一體化應用試點城市，加速車聯網產業化進程。基礎設施建設方面，我國在5G網絡、高速公路、智慧城市等領域的投資強度與執行效率領先全球，為車路云一體化所必需的高速、低延遲通信網絡及智能道路設施奠定了基礎。工業和信息化部數據顯示，截至今年上半年，我國已經發放測試牌照超過7700張，測試里程超過1.2億公里，各地智能化路側單元（RSU）部署超過8700套，多地開展云控基礎平臺建設。

在現有基礎上繼續保持先發優勢，仍有多項難題待解。

一輛智能網聯汽車正在做測試（6月19日攝）。新華社記者 孫凡越 攝

首先，繼續攻關單車智能、車聯網中的底層關鍵核心技術。

在單車智能方面，面對環境感知與識別、決策與規劃、控制與執行等多方面挑戰，例如如何確保車輛在復雜多變的環境中準確識別障礙物、行人和其他車輛；如何讓車輛能夠做出正確的決策并在復雜情況下規劃合理的行駛路徑；如何確保車輛能夠穩定、精確地按照規劃路徑行駛等。

車聯網技術方面，面臨通信安全與隱私保護、低延遲與高可靠性通信、數據融合與共享等多方面挑戰，例如如何確保車輛間及車輛與基礎設施之間的通信安全，防止數據泄露和惡意攻擊；如何實現車輛間的即時通信，確保信息傳輸的低延遲和高可靠；如何有效融合和利用來自不同來源的數據（如車輛傳感器、交通設施等），并實現數據的高效共享等。這些挑戰需要持續的技術研發和跨學科合作來解決。

8月28日，觀展者在2024中國國際大數據產業博覽會會場參觀智能駕駛汽車。新華社記者 陶亮 攝

其次，大力推動車聯網標準化建設。智能網聯汽車是一項系統工程，需道路、汽車、通信等主管部門與企業采用統一架構協同推進。當前亟待統一技術架構與道路智能化基礎設施建設技術規范，提高基礎設施性能，打破各城市與示范區之間形成的信息孤島，實現信息跨區域互聯互通。加速車聯網數據全國性標準建設，通過聯合研究與發布等方式強化跨產業標準化委員會的協同，建立健全智能網聯標準體系，促進國家標準、行業標準、團體標準組織間的對接，持續優化和完善各類標準化的有效供給。同時，明確智能網聯數據安全、個人隱私保護、數據分類分級、數據確權、數據要素流通、數據交易等方面的規定。

再者，推動車聯網商業化落地。車聯網落地面臨諸多挑戰，其中包括基礎設施建設成本高昂、難以實現大規模推廣、缺乏有效的商業盈利模式等。推廣普及車路云一體化，需要探索可持續的商業模式作為支撐。只有當商業閉環形成，所有參與方都能從中獲益時，才能實現可持續的大面積推廣。車聯網落地過程中應提供多元化服務模式，包括個性化的增值服務，如遠程診斷、緊急救援、自動泊車等；為政府部門、城市規劃者等提供交通流量分析、事故預防等數據服務；基于用戶的駕駛行為提供差異化保險服務等。

標簽：