今天小編分享的互聯網經驗：邬賀铨院士：智能駕駛需國家級模型協同，單車智能難撐全局，歡迎閱讀。
中國工程院院士邬賀铨
在 2025 中國電動汽車百人會論壇上，中國工程院院士邬賀铨指出，智能駕駛正處于從 " 單車智能 " 向 " 車路雲一體化 " 演進的關鍵轉折期。随着智能駕駛邁向 L3 至 L5 高階階段，海量數據、超大模型與實時通信的協同需求日益嚴苛，行業必須從 " 分散開發 " 走向 " 國家底座 "。
邬賀铨強調，目前的單車智能雖然在感知、決策等方面已有較大發展，但面對復雜路況、極端場景與多車協同時存在明顯短板。激光雷達、攝像頭、毫米波雷達的探測距離有限，城市盲點、極端天氣、遮擋路口等都令其力不從心。而通過路側感知單元（RSU）、邊緣雲與城市雲組成的 " 車路雲協同 "，可實現遠超單車的感知半徑，提升整體交通系統的智能化水平。
訓練支持 L5 級别自動駕駛的 AI 大模型需要高達上億公裡的真實道路數據，而據美國藍德智庫估算，100 輛車 7 × 24 小時也需連續行駛 3.7 年，依然難以覆蓋長尾場景。目前 90% 以上的訓練數據仍來源于仿真，真實數據嚴重不足。
邬賀铨指出，AI" 近親繁殖 " 的數據生成方式風險極高，必須保留至少 10-20% 的原始真實數據作為基礎。同時，海量數據的清洗、去重、标注也帶來極高成本。在算力方面，L5 級模型參數需達 8000 億，年訓練算力需求可達兩萬 EFlops，全球算力資源仍遠遠不夠。
" 與其重復建設，不如國家牽頭建設适用于全國的基礎大模型，各城市只需微調即可。" 邬賀铨表示，智能駕駛算力和模型的建設不宜由單一企業或城市承擔，國家應推動形成統一的技術底座和數據體系。
邬賀铨強調，實現真正的 " 車路雲一體化 " 不僅靠算力，還要依賴 " 高可靠、低時延 " 的網絡環境。目前運營商的 5G 網絡還無法滿足智能網聯的全部需求，特别是在跨運營商、本地互聯方面存在明顯短板。
他建議在 5G — 5.5G 基礎上改造車聯網網絡，并建立全國統一的 V2X 運營平台，由電信運營商、汽車企業、金融機構、交通與市政公司等聯合出資建設。" 汽車是跨城市使用的，每個城市獨立建設 V2X 網絡會帶來标準不一、成本高昂的問題，只有全國統一部署才能實現規模效益和互通協同。"
據測算，V2X 全國性網絡投資約需 4000 億元（不含 5G 改造），可實現主要城市路口改造與 2G 以上高速公路全覆蓋，支持 L3 自動駕駛落地。
智能交通不僅是 " 車 " 的智能，更是城市數字化治理的重要一環。邬賀铨指出，城市雲平台将在高精地圖更新、交通流量優化、非實時模型推理等方面發揮關鍵作用。以 L3 級别為例，車載推理需 50-100 Tops 算力，城市雲平台則需 PB 級數據處理能力。
路側 RSU（路測通信與感知單元）也需配備 10-200 Tops 的處理能力、毫米波雷達、激光雷達等感知設備，實現 100 毫秒内的交通預測與信号優化。未來智能體（AI Agent）将可分擔自動駕駛中的細分任務，實現具身智能與群體智能協同。
" 智能駕駛是系統工程，需要雲、網、邊、端的通力合作。" 邬賀铨最後表示，只有國家層面的統籌規劃與标準制定，才能推動我國在全球智能交通競争中取得實質性突破。
（本文首發于钛媒體 App 編輯｜李玉鵬）
