数据驱动时代：“车路云一体化”加速自动驾驶商业化进程

今天小编分享的互联网经验：数据驱动时代：“车路云一体化”加速自动驾驶商业化进程，欢迎阅读。

行业主要公司：华为、百度、蘑菇车联等

本文核心数据：自动驾驶技术发展历程、数据闭环关键环节

自动驾驶从 " 规则驱动 " 进入 " 数据驱动 " 时代

——自动驾驶技术架构演变历程

根据 2023 ( 第七届 ) 高工智能汽车年会上发布的《自动驾驶 3.0 时代，大模型重塑汽车智能化技术路线》，目前我国的自动驾驶已经进入了 3.0 时代。

自动驾驶的 1.0 时代是硬體驱动，主要依靠激光雷达和人工规则的认知方式提供自动驾驶方案 ;2.0 时代是軟體驱动，特点是传感器单独输出结果，用小模型和少数据的模式提供自动驾驶方案 ;3.0 时代是数据驱动时代，采用多模态传感器联合输出结果，用大模型大数据的模式提供自动驾驶方案。

根据我国国家标准《汽车驾驶自动化分级》 ( GB/T 40429-2021 ) ，目前汽车的自动驾驶仍处于 L2" 部分自动驾驶 " 和 L3" 有条件自动驾驶 " 的阶段。

——软硬體是 " 规则驱动 " 核心要素

在自动驾驶 1.0 与 2.0 时代，各类硬體设备和内嵌軟體是车辆自动驾驶的核心要素，其中硬體设备主要包括激光雷达、毫米波雷达、超声波传感器、摄像头等 ; 内嵌軟體则主要包括了定位算法軟體、感知算法軟體和规控算法軟體三大类。

——海量数据与数据闭环是 " 数据驱动 " 核心要素

自动驾驶 3.0 时代与 2.0 时代相比，其开发模式和技术框架都将发生颠覆性的变革。在自动驾驶 2.0 时代，以小数据、小模型为特征，以 Case 任务驱动为开发模式。而自动驾驶 3.0 时代，以大数据、大模型为特征，以数据驱动为开发模式。在 3.0 时代，过去自动驾驶的核心软硬體基础将逐步统一并整合，逐渐演化为各类大模型。如控制算法将逐步演化为车端控制模型 ; 感知算法将逐步演化为车端感知模型 ; 规控算法将逐步演化为车 / 云端认知模型。

自动驾驶 3.0 时代，数据成为了自动驾驶的核心，在自动驾驶商业化快速落地实现的同时，自动驾驶数据的规模呈现指数级增长，因此如何更为高效得实现数据提取、处理、筛选、学习以推动自动驾驶技术发展成为了自动驾驶企业的新挑战，" 数据闭环 " 概念应运而生。

数据闭环能力成为自动驾驶规模化落地关键因素

——数据闭环的关键环节

数据闭环是指从车的端数据采集，到处理后形成有效数据集，再通过云伺服器进行存储、运输，经过算法模型训练、验证后，将有效数据成果部署上车，各环节相互连接，形成自动驾驶数据循环。

——数据闭环的发展历程

自动驾驶数据闭环从 2013 年开始初露头角，但由于当时仅有部分测试车上路，数据量较少，仅能实现简单的反馈循环机制。随着自动驾驶技术从 L0 迈入 L2/L3，早期的数据闭环难以满足自动驾驶的需求，数据闭环从 1.0 迈向 2.0，未来也将朝着更商业化的 3.0 迈进。目前我国的自动驾驶数据闭环正处于高效驱动更新的第二阶段，未来的数据处理能力和自动运转能力将大幅提升，商业落地效益更好，生态建设更完善。

——数据闭环的核心技术

随着数据量的激增，自动驾驶下的存储面临海量数据传输、数据处理、数据合规等问题，而为了解决此类问题，数据闭环内嵌了云平台、数据标注、仿真测试等功能。

——数据闭环的发展痛点

完整的数据驱动闭环是指从量产、采集车在路端实地采集的交通场景，通过技术手段还原成仿真场景，进入测试环节用于算法测试，再更新和更新量产车的过程。但在此过程中由于关键链路涉及多个环节与领網域，当前行业内 ( 包括数据采集商、软硬體供应商、车厂、算法公司等在内 ) 尚未出现能提供统一视野、融合所有车的环节、一体化打通整条链路的产品或者平台。

" 车路云一体化 " 加速自动驾驶商业化进程

—— " 车路云一体化 " 的概念

车路云一体化是通过新一代信息与通信技术将人、车、路、云的物理空间、信息空间融合为一体，基于系统协同感知、决策与控制，实现智能网联汽车交通系统安全、节能、舒适及高效运行的信息物理系统。车路云一体化系统充分融合了车端、路端、云端信息，实现车端、路端多源数据融合，数据规模更大，多样性更充分，通过堆叠数据集，支持 AI 大模型进行快速迭代。

—— " 车路云一体化 " 的发展历程

从 2020 年 2 月发改委、工信部等 11 部委联合印发《智能汽车创新发展战略》檔案，表示到 2025 年，新车基本实现智能化，高级别智能汽车实现规模化应用，" 人–车–路–云 " 实现高度协同 ; 到 2023 年《国家车联网产业标准体系建设指南 ( 智能网联汽车 ) ( 2023 版 ) 》，《公路工程设施支持自动驾驶技术指南》等政策的发布，近 3 年来中共中央、国务院、各部委累计出台包含自动驾驶、车联网 ( 智能网联汽车 ) 、车路协同、交通新基建等相关政策达 30 余项，全面支持 " 车路云一体化 " 自动驾驶的快速发展与落地。

—— " 车路云一体化 " 的优势

随着自动驾驶算法不断迭代，自动驾驶的发展正逐渐由 " 规则驱动 " 向 " 数据驱动 " 转化。自动驾驶的落地需要大量数据的支持，而车路云一体化方案，充分融合了车端、路端、云端信息，实现车端、路端多源数据融合，数据规模更大，多样性更充分，通过堆叠数据集，支持 AI 大模型进行快速迭代。同时以大模型 AI 为基础，车端、路端多角度，雷达、视觉等传感器联合工作，多模态共同输出结果，通过基于 " 大数据 + 大模型 " 的 AI，海量大数据自训练，结合人类的驾驶常识决策，从而加速自动驾驶技术演化。

—— " 车路云一体化 " 解决方案

以项目落地能力角度看，百度、蘑菇车联与华为的特点各不相同。华为更侧重于构建智慧交通体系并落地多个城市 ; 蘑菇车联强调 " 车路云一体化 "，以自动驾驶、车路协同、智慧交通 AI 云平台的整套方案帮助城市打造智慧交通体系，加速与地方政府合作打造智慧城市与智慧交通 ; 而百度则是 " 单车智能 + 网联赋能 " 路线的拥趸，以广州黄埔区开发区的智慧交通项目为代表。

蘑菇车联自研 " 车路云一体化 " 自动驾驶系统，应用了融合感知、融合决策控制、高精地图、高精定位、AI、仿真系统、云 + 边缘计算、实时大数据等前沿技术，能够深度融合自动驾驶 + 车路协同 +AI 云平台三大板块，可以满足不同场景、不同车型的需求，核心技术指标行业领先。

—— " 车路云一体化 " 的市场规模

车路云一体化涉及汽车、交通、通信等产业领網域，市场渗透率加速，市场规模巨大。具体来看，中国智慧交通市场规模当前约 4 亿元，至 2030 年快速发展并预计超过 6.5 万亿元。根据赛迪的数据，2022 年中国智能网联车市场规模接近 6000 亿元，随着智能网联技术的进步，产品迭代更新与普及率的提升，2030 年有望突破 5 万亿元。中国车联网市场规模呈快速发展趋势，预计 2030 年将突破 2 万亿元。预计到 2030 年，" 车路云一体化 " 相关市场规模超 14 万亿元，市场规模巨大。