[汽车之家 行业]5月21日，由中国汽车工程学会、国家智能网联汽车创新中心、清华大学车辆与运载学院、上海国际汽车城（集团）有限公司、智能绿色车辆与交通全国重点实验室联合主办的第十三届智能网联汽车技术年会在上海国际汽车城盛大开幕。
在全体大会上，中国汽车工程学会副理事长、中国工程院院士、清华大学教授、智能绿色车辆与交通全国重点实验室主任、国家智能网联汽车创新中心首席科学家李克强分享了《车路云一体化系统产业推进现状与展望》演讲。
李克强认为，当前智能网联汽车正处于跨国竞速的科技革命高地，尽管L2级普及率攀升、L3与L4准入也在破冰，但行业普遍面临“单车高投入与用户低获得感”的不匹配僵局，营收与毛利率仍不理想。究其根本，是单车智能在关键、复杂场景下的安全可靠性亟待提高。传感器的物理感知存在极限，单一车企的数据闭环不仅体量有限，还面临数据格式不一、时空数据遭遮挡等现实瓶颈，这导致算法的物理极限难以完全闭环。
因此，自动驾驶的研发必须跨入全新范式。单车智能是基础，车路云一体化则是其必然的升级路径，二者并非对立，而是技术的递进与演进。车路云一体化能凭借“上帝视角”建立起数字轨道，有效攻克“鬼探头”、匝道汇入等单车不及格的刚需场景。更重要的是，它能成为汽车AI大模型的“数据发电站”，通过汇聚全局时空数据，让大模型的训练数据更完备，并为大模型提供超视距的参考输入，攻克工业控制实时性与可解释性的难题。目前，该体系已吸引二十余家国内外主流车企开展量产化的协同示范与商业模式探讨。未来，自动驾驶绝非孤立的单车竞争，而是依托车路云一体化物理数据底座，走向人、车、路、云全要素协同的生态共建。
以下为演讲速记：
李克强：尊敬的各位领导、各位来宾、各位同仁：大家下午好！非常高兴能有机会在这里就《车路云一体化系统产业推进现状与展望》，这样一个话题给各位做一个交流。
我的交流分为以下四个部分，首先想跟大家报告一下当前我们智能网联汽车产业现状，从我们做技术的角度，我们的一些了解和认识。
智能汽车是新一代科技革命的代表性产业，已经引起世界各国的竞争是竞争的高地，欧洲、美国、日本都颁布了国家级层面的推进项，当然我们中国也高度重视，我们中国在我们的制造强国、交通强国，在国家战略里面也把智能网联汽车发展作为重要的任务之一。
在这一轮新的科技革命下面汽车产业的技术趋势和产业趋势发生重大改变，我们的技术趋势可以看见汽车的智能化和网联化协同的快速发展，包括前面几位专家提到的基于大模型汽车的AI技术在加速应用，当然我们也强调智能汽车全域安全技术要求也更加明确。
我们现在智能汽车已经形成一个新的生态模式，包括我们说的出行方式也在发生重构。在这样一个发展过程当中，实际上对我们未来的技术高质量发展的路径也非常清晰，我认为有两个主要的共性：一是人工智能与智能汽车的深度融合将推动技术与产业的变革；二是车路云一体化技术是实现安全的高阶的自动驾驶必然路径。
现在国际上已经在快速发展，刚才李院士已经提到我们今年颁布的，美国颁布的《2026自动驾驶安全法案》（SELF DRIVE Act of 2026） ，这是一个保障我们汽车自动驾驶安全的法规。包括像欧盟、英国、韩国，最近这一两年又一次颁布了怎么对自动驾驶快速产业化，包括像韩国最近刚颁布的，它要做这样一个自动驾驶的话，高级别自动驾驶还是要有特定区域，这个特定区域一定是要强调协同式C-ITS，这是国家层面在顶层设计不断完善。
当然产业的发展实践也在加速，包括我们中国、美国、欧洲、日本，大家可以看到从L3级量产应用都在进行探索，包括中国，包括进一步的L4测试示范，当然这个L4大家有不同的认识，L4大家现在看见的，如果是特定区域面向商用车等是可以，但是真正将来大批量的用实际上必须突破，所以我个人认为没有从L2到L4的突破，L3突破不了，L4一样突破不了。
我想L4不能只看特定场景、特定车速、运行模式，我们要做乘用车，大家都做的有难度。在这方面我们可以看见，最终自动驾驶要形成高可靠，商业闭环，一定不是自己一家单车的，一定是一种协同，包括今天上午专家提到的一定是群体智能式的，要做到这一点，连接技术、示范技术非常重要，从美国最近这两年公布的相关国家的推进法律，包括资源的调配，包括构建相关的开发系统的支撑，都在快速的支撑网联式的加速融合推进，也包括欧洲诸多在相关的国家，包括提到一系列的法律法规，重大的示范应用，包括协同式的发展，包括发展的技术路线，最近又一次，我想这也是自动驾驶走到今天这个阶段大家又在审视，我们还是要的，我们怎么通过安全的提升保障我们自动驾驶的可信，保障真正的形成商业闭环，所以从各个国家的层面，从产业层面，大家仍然重视协同式的自动驾驶技术的推进和产业化。
当然，我们中国，在座各位都非常熟悉，我们去年的智能网联汽车，我们的产业化技术取得重大的进展，我们在L2级以下的包括L2级的行车渗透率已经接近65%，包括我们在谈到的在乘用车上的4G、5G，我认为增长率、普及率也在快速的提升，我想这样一个智能化程度的产业化普及，包括我们谈到的通行设施的装载率提升，都为进一步解决我们行业的问题，用协同的方式来推进我们产业发展打下了非常好的基础。
当然，我们的行业发展，最近我们学会公布了新能源汽车3.0，很重要的一部分是智能网联汽车技术和产业发展的路径，可以看见有发展的愿景2040年，有我们眼下触手可及2030年的目标，我们2030年的目标从技术创新到产业应用都有清晰的定义，技术里面包括场景的水平，接管数、处置数安全的水平，汽车AI的水平，协同的效率，路云网的发展水平，我们的产业应用里面有明确的设定。
当然我们的设定我更认为我们还是非常客观，甚至更认为还是比较偏保守的，比如我们谈到的具备L4功能的，到2030年实现量产10万辆规模，看看最近这一年的发展，发展过程中出现很多问题，我们不断调整，但是这个发展速度可能会超过我们的预想。
另外，我们提到L3级自动驾驶我们正在准入破冰，工信部亲自抓的，我们去年的两个车企通过了，但是我们要重点关注一下不允许变道，仅支持单车自动驾驶，从这个角度我们看到在快速推动产业化，如果我们这些问题不解决，还仅仅是单车道的，还仅仅是60公里、80公里的，那我们平常人开车不可能60、80公里，还有很多场景，所以我们认为这上面还有很多工作可以快速推进。
所以，我们围绕着在推进智能网联汽车发展的时候我认为是双轮驱动的，L2、L3准入城市试点，我们真正的L3级要把目的地拓展成真正的能够大范围的使用，各种场景的使用，我想我们还是需要一套基础设施的支撑，我们去年在两年前五部委还支持了20个城市的示范系统，它的目的就是说我们要真正做到高可靠、高级别的自动驾驶，我们的基础设施准备好了吗？我们的道路，我们基础设施的路程单元，当然包括我们基础设施的支撑平台，所以我想两个双轮驱动真正让我们进入一个高可靠的自动驾驶。
所以在这上面我们看看，大家都知道我们都期待有个进一步的发展，我们认为还是存在着挑战的问题，这个挑战问题在我们今天的报告里面或者下面的讨论里面，大家都知道我们汽车产业的发展特别是我们的自动驾驶、智能驾驶的技术，今天上午我们专家也提到，我们的投入和我们的获得感还不匹配，我们的商业闭环和我们的盈利模式应该说还不理想，我们可以从上面这张图看见，我们的毛利率也好，我们的营收也好，实际上还是不理想的。
我们有很多原因，今天我们是技术会，我们想从技术的角度来分析，我认为第一个我们的产品客户不怎么买单，或者不愿意出钱，我们在真正使用的各种场景下，我们的安全可靠性是不是还亟待提高？我们这个安全可靠性不提高，客人肯定是不买单的。
我们大家都在讨论，技术发展本身很快，我们现在的技术、技术架构、技术路线是不是完整的？是不是还需要亟待提升的？我想在这上面如果我们的技术是落后的，比如我们开发效率又低，成本又高，真的很难形成商业闭环。
第二点，背后的安全问题，我们还是要从技术的角度来看，我们认为目前我们产品的性能，特别是安全性能在很多关键的场景下、复杂的场景下我认为应该需要改进，这个原因分析，从技术的角度，我们认为产品的定义并不准确，有的人老想卖L3的功能，又不承担L3的责任，L3的责任要承担是需要有技术支撑的，所以我们产品的定义是不是准确的？我们产品的技术是不是真正突破？我想这些都是值得我们深思的。
所以从这个角度看，我们认为当前自动驾驶发展、智能驾驶发展的关键时刻是需要提高安全，把解决安全的问题干净可靠的解决，我们才能真正的实现让客户愿意，才能真正实现商业闭环，所以我们对这些问题做进一步的梳理，我们从技术的角度来做这个梳理，我们认为安全的问题，第一个物理感知的极限与多维视角的缺失，我想这也是从我们发生的事故，看不见的，也有看不清楚的，也有看错的、看漏的，大家做自动驾驶的都会体会到，都在讲自己的算法好，自己的传感器好，客观的检验是什么？我们说很多情况下我们认为传感器的物理极限是难以通过算法完全闭环的，所以这个也是从专业的角度、技术的角度我们应该有正确的认识。
另外，我们谈到长尾场景和目标时效，这就考我们的水平，哪怕你看见了，但是你看的不准确，不管是因为什么原因，我们的算法训练造成我们即使看见了，但是也认不出，或者不识别，这也是非常严重的问题。
当然还有一个，就是都在判断我们的算法，我们逻辑的决策瓶颈与接管机制的时效，从算法到控制权，这里面出现一系列问题，这都是我们当前遇到必须解决的问题。
当然很重要一个方面，大家都知道现在都是讲AI了，我们的企业都转去数据驱动了，都在讲大模型，所以我想从数据驱动、从大模型的角度来说，大模型也是需要数据的，数据也有三要素，那么数据怎么获取？我们当前各家车企都在谈数据闭环的研发模式，如果我们再认真的梳理，我们说单一车企的数据是有限的，是难以覆盖所有的。
另外，传感器的物理限制难以获取全局的时空数据，我们肯定有遮挡的，有这样一个看不见的地方，都不是问题。另外大家都知道，我们不同车企数据的格式不一样，甚至有些自动驾驶车企自己的传感器布置自己车收集的数据，每个车企都不一样，更何况我们将来要全社会融入，要做共性的数据标准，把数据作为一个基础设施来做选择，当然包括数据的安全机制，包括数据、模型的不可共用等等，我想从这个角度也是我们大家在做AI的时代面临的共同问题。
所以在这种情况下我们认为未来自动驾驶开发，我们的发展，我们要从安全的角度，我们认为必须有新的范式，新的范式我想从这几个方面，一个是感知的维度，我们要从视距内的平视到超视距的全感知，觉知的逻辑，我们不是独立的，我们要到协同的最优，当然安全的防护，我们有一系列的安全，当然产业生态，这里面我们不是造车的竞争，我们应该到生态的共建，这样一种思路才能真正保障我们开发的产品是安全可靠的。
所以在这种情况下，我们自然回到协同制，大家老在谈的单车智能、车路云一体化，我们是有结论的，单车智能是基础，车路云一体化是单车智能的升级版，这个不是矛盾的，是一个技术的递进关系。
另外一方面我们从技术的演进可以看已经没有传统意义上的单车智能，今天说单车智能，大家都进入车云协同，都进入数据引智模式也好，数据训练也好，我们真正的全方位的能够解决当前问题的，当然是车路云一体化，我们有上帝的视角，我们可以获取更多的数据，来打造我们谈到的真正意义上实现超视距协同的感知以及全局性的优化，所以从这上面看我们是一个技术的演进过程，单车智能是基础，车路云一体化是升级，是按这样一个技术的演进。
在这种情况下，我们要谈到高级别的自动驾驶，高可靠的自动驾驶，我们一定会是连接式的，我们提到车路云一体化，我们在讲两大优势，第一个是真正意义上从安全的角度讲建立了一个数字轨道，左边这个图，去年说的很热，一些媒体报道我们的车，如果我们先有这样一种模式的车，基本上过不了这一关，前面有一辆车有障碍，突然走过来另外一辆车，一定撞上去，反正去年测基本上不及格，如果你是60公里通过了，我们现实当中可不只60公里，70公里、80公里，仍然按现在的模式过不了，所以在这种情况下，如果我们有了数字轨道，能够让它过。正好今天我们在上海有这个场景，这是一个刚需场景，能不能过这个场景，这是第一个。
第二个，我们有了这套系统以后，我们认为能对当前汽车人工智能找到一个非常好的解决模式，两个方面，一个人工智能大模型的数据从哪儿来，我们可以用这样一种方式，我们称之为胜利的视角，我们获取数据，然后各家的数据汇聚，我们做汇合以后再变幻，所以这个现在也是行业里面我们有国家项目资质下，我们认为这也是一个非常好的技术亮点，所以我们为大模型的训练做出了数据的发电站，我们认为它有这两大优势。
在这样一个架构下面，我们看看我们所推进的工作。我们技术的发展突破之后，一定是要应用，所以我们推动了这样一个中外车企联合的示范，从去年开始得到了国内外主流车企的联合行动，我们去年是四五家车企，在两个地方，一个是北京，一个是重庆，今天我们到上海，来推动这样一个行动。在这样一个上面，我们从需求驱动，从问题导向，我们可以看见这样一些车企大家都要参与竞争，都知道那几个场景难以通过，都想利用这样一个场景通过，所以我觉得我的印象非常深的，去年我们做这个项目的时候，做这个示范的时候，国外一家企业的负责人说我们一致认为自动驾驶的安全是重要的，如果能用这样一个技术状态，能够支撑解决安全问题我们是可行的，做完这样一个工作以后，他说这是我们产业变革一个最重要的技术，也是我们中国走在前面的，所以真正意义上的自动驾驶一定要通过，所以我想做这样一种技术的推广、技术的普及，应该是有行业共识的、有国际共识的。
围绕着这样一个架构设计、技术突破以后，我们用应用驱动，这是车企，我们从这里面选出了17个典型的应用场景，这里面又提出5个场景，这几个都是去年一些媒体测的我们的车都过不了的场景，网联式对绿波对车速的引导，包括匝道的汇出，包括驾驶座和群体的安全辅助等等，这里几个场景，我们去年示范从几个典型的城市，包括长春、北京、重庆，最终我们可以是在一套平台架构上，一套协议上面多种通信链路下面我们能够实现这样一个网联式的辅助，能够顺利通过。
另外，网联式的绿波车速引导这个是刚需，这也是最容易实现的，这也是几乎不增加成本的，在这样一种情况下，我们能够做到比如在北京、重庆，我们能连续7个路口绿波，并且国外的同行做完以后，你们不仅仅说是连续通过，更重要的它是提醒你让你踩刹车，它也自动调节你的车速来去通过，我想这套系统最大的特点就是说标准是统一的，各个城市一套调试方法，不增加成本，但是能够实实在在给客户带来这样一个感受。
当然包括这样一个网联式匝道的汇入汇出，国外车企最关注这个场景，平常我们在道路上行驶的时候，本来两个车就开的很快，距离远的那怎么调整？特别是前面的车道距离很狭窄，它也必须要并进去，有很多出事的这种情况，那么怎么调节？我想这也是一种非常重要的应用场景，当然了这个场景的应用可能对我们的车算法上还要进一步升级，前面讲的那两个系统和绿波带是几乎没改变的，这个可以做。
当然现在大家谈到的一汽红旗非常关注的鬼探头的情况，也是我们现有方式很难做到的，所以我们用这套方法可以去推进，这是我们在去年在世界智能网联车大会上，包括去年我们在中国汽车工程学会上这一系列场景都做了非常好的车企瞄准产业化应用的示范。
当然今天最新的进展，我们去年是14、15家，今年已经到了21家，基本上主流车企都开始进入这里面，注意，这不是科研项目，今天有七家是做量产的车企，从这上面看见这种认识。
我们的这种系统不仅车要完善，我们基础设施也要完善，去年的北京和重庆，到今年的上海等等20个小时，我们也组成了产业化联盟在推荐。
另外非常重要的，我们现在和车企一块把它的商业模式探讨清楚了，这是去年所有车企、中外的车企一块来探讨出来的，过去我们只是说这个效果好，但是怎么收益？我车企现有的这种TSP和现有的这套系统怎么连接？这个数据怎么提成、怎么相互支撑？大家可以看看，未来会形成这种整车企业，我们技术平台提供商、供应商、车网公司等等，像这种可以做产业支撑，未来的汽车产业还一定不是单一的制造业系统，它一定是一个连接，一定是有基础设施这个关系在里面，就像手机，一定是有一个基站在里面，所以从这里面可以看到商业模式。
下一步的趋势，第一个，未来是车路云一体化，通过车路云一体化来做AI大模型的，可能从30分到70分经验了，但是从70分到90分你的数据有了，你说你收集很多了，花很多钱。另外，我们认为这就是我们提出的这套方法，我们认为是一个真正意义上可解决AI大模型，说实话AI大模型现在如果用在娱乐系统、交互系统，你要有个自动驾驶、工业复杂控制系统的实时性、可解释性，怎么做？我们认为这是一套非常好的方法。第一个，我们数据的获取，我们的数据怎么用在训练模型上。第二个，我们的大模型，但是模型它也是个系统，多一个输入肯定比少一个系统输入效果好，所以我们车路一体化两个重要路线，对于AI大模型在汽车上，第一个大模型的训练数据更完备，第二个我们大模型的输入多了一个参考输入，让它更准确。
未来的发展，有这套体系和架构，怎么真正的企业里面把它发展起来，或者我们通过协同的方式，我们应该未来在这样一个架构下面，基于车路云一体化，我们物理数据的底座，我们怎么获取真实的数据，我们怎么做路段的感知补充，整个车端的推理，云端的训练，最后实时数据回传，我们不是在各个车企下做出来的，一定是有极限的，真正要做到深入、高可靠性，用了这套系统以后，我们重新重构了这套方法，让它更可靠、更安全。
对于自动驾驶、智能网联的发展，我们可以从这一张图上来畅想，过去引用过，我们今天赋予新的含义，我们一定不是一个车未来在上屏，一定是个大的系统，一定是一个复杂的场景，非结构化道路和结构化道路，要实现这样的自动驾驶，全要素网联化的感知，大数据下多网的融合做认知，包括人车路的协同，我们通过车路云一体化，通过云的支持，能够真正形成一个我们称之为基于信息物理系统这样的方法能够真正意义上解决我们交通问题，真正意义上形成新汽车、新技术。
