智能网联汽车驶下“云”端，开放生态拥抱万亿市场

极限商业

车辆的“视野”被极大地打开，使其能够提前接收更多信息，这无形中延长了云和终端计算决策的时间，使其更有“准备”。

作者|吴九

编辑|杨明

近年来，自动驾驶行业经历了大起大落，但尚未探索出完全成熟的技术解决方案。同时，由于真实驾驶环境的复杂性和可变性，安全事故频繁发生。此外，为了实现自动驾驶能力，车辆往往需要配备大量昂贵的传感器，高昂的成本也掩盖了其商业前景。

在此背景下，智能网联汽车的出现为自动驾驶技术的落地提供了破土动工的可能性。

什么是智能网联汽车？根据中国工程协会的定义，智能网联汽车是指配备先进传感器、控制器、执行器等设备的新一代汽车，融合现代通信和网络技术，实现车辆与X（车、路、人、云等）之间的智能信息交换与共享。它们具有复杂的环境意识、智能决策、协同控制等功能，可以实现安全、高效、舒适、节能的驾驶，并最终取代人工操作。

事实上，在最初的“智能汽车”上加上“联网”标签无疑是一种进化和升级。7月14日，在中国互联网大会首届智能网联分论坛上，腾讯智能交通副总裁石雪松表示，在智能网联概念下的驾驶环境中，可以通过路边的智能设备为汽车提供全面的实时动态信息，这相当于打开了“上帝的视角”。

同时，由于车辆的“视野”被极大地打开，它提前接收到更多的信息，无形中延长了云和终端计算决策的时间，使其更有“准备”。

01

马斯克的“问题”：自行车智能远远不够

为了沿着自行车的智能路线实现自动驾驶，特斯拉首席执行官马斯克对其中的困难有着深刻的理解。最近，他在社交媒体上感叹“自动驾驶是一个挑战”，并承认自己过去“从未想过会这么难”——这也是为什么“硅谷狂魔”很少向外界展示稍微负面的一面。

早在2018年，马斯克就自信地预测了FSD测试版V9.0的推出，这将使汽车具备“完全自动驾驶”能力。2019年，在特斯拉自动驾驶日，他宣布，到2020年底，特斯拉将拥有超过100万辆“全自动驾驶”汽车……然而，由于技术和安全挑战尚未解决，马斯克一再食言，成为著名的“跳票王”。

直到7月10日，特斯拉FSD测试版V9.0才姗姗来迟，马斯克承认，这个版本的FSD距离真正的自动驾驶还有很长的路要走。然而，最大的亮点是，它基本实现了他之前倡导的纯视觉解决方案——车辆只依靠摄像头采集数据，并通过智能算法行驶。

然而，马斯克也通过社交媒体提醒车主，“Beta 9已经解决了大多数已知的问题，但还会有未知的问题……安全一直是首要任务。”在马斯克的“弱点”背后，有血腥的教训需要吸取。事实上，特斯拉曾多次因恶性安全事故频发而被美国道路安全监管机构调查。

世界上没有完美的传感器，其精度受到各种因素的制约。例如，特斯拉纯视觉解决方案中使用的摄像头非常容易受到大雾、雨、雪或光线等因素的影响。尽管该公司一直对其视觉感知算法非常有信心，但它仍处于验证阶段，远未走上成熟的道路，也没有得到其他行业领导者的认可。不久前，华为ADS智能驾驶产品线总裁苏青公开批评特斯拉自动驾驶的“高事故率”是“杀人”。

在自动驾驶的探索上，除了纯视觉路线外，还有以谷歌Waymo为代表，辅以high……的“激光雷达+摄像头”融合路线……

复习地图。由于雷视融合可以弥补纯视觉的许多不足，为系统留下更多的“冗余”，因此它也是一种更主流的方法，比如优步和大多数中国公司都采用了这种解决方案。

尽管上述路线看起来更稳定可靠，但最大的负担是高昂的成本，尤其是激光雷达。CMU卡内基梅隆大学无人驾驶研究中心的首席科学家约翰·多兰表示，64线激光雷达的成本可能高达75000美元，“这对普通用户来说太贵了。

事实上，许多采用激光雷达解决方案的国内制造商都遇到了“堆料”的质疑，他们推出的车型大多集中在30万元以上的高端市场。特斯拉一直将激光雷达排除在外，最终放弃了毫米波雷达，其中一个主要原因是出于成本考虑。

除了算法和硬件方面，智能自行车路线上的自动驾驶面临的最大挑战是数据采集。业内普遍认为，一套自动驾驶技术算法需要至少110亿英里的测试才能满足量产应用的条件。事实上，还没有一家公司实现了这一“硬”指标，即使是特斯拉，其截至去年4月的累计自动驾驶数据也只有约30亿英里。至于其他企业，他们远远落后。

同时，由于改装自动驾驶测试车和高精度地图采集车的成本很高，通常需要数百万甚至数千万美元，而线下人工成本的增加对企业来说无疑是一笔巨大的开支。这也是为什么绝大多数高精度地图只覆盖少数城市，高阶辅助驾驶功能只开放给一些高速公路、城市快速路等相对封闭的驾驶环境。

在此背景下，虚拟仿真测试已成为各大汽车和科技公司争相布局的领域。以腾讯的自动驾驶虚拟仿真平台TAD Sim为例，该平台配备了高精度地图，并基于腾讯的云服务。它可以在本地和云中同时部署测试场景，支持数百万辆汽车和数千辆自动驾驶汽车的交通流量全天候测试。

事实上，虚拟仿真测试不仅限于在线测试，在线下实车测试中也发挥着重要作用。以TAD Sim为例，腾讯利用数字孪生技术在襄阳大安汽车测试中心构建了一个总里程为100公里、几乎与真实场景相同的3D环境，以及包括202场景在内的场景库。

襄阳市大安汽车检测中心利用这个场地，可以实现多场景的实车检测，包括标准交规、自然城市场景以及一些极端场景。用测试中心总工程师周正的话来说，这就像人类在玩虚拟游戏，相当于给汽车戴上了一副“VR眼镜”。

但即使虚拟模拟测试的场景库很丰富，也很难复制所有真实的线下场景，大量的长尾场景仍然不可预测，甚至在数百万公里的实际道路测试中出现过一次。即使汽车被训练成智能的，它在道路上的“视野”也是有限的，极端天气、不利的照明和物体遮挡仍然对它的感知和预测能力构成巨大挑战。

02

上帝的视角：通往智慧之路不可或缺

自动驾驶的黎明即将到来，但要实现这一目标还有很长的路要走。汽车不仅需要在芯片、传感器、算法和底层操作系统等层面变得更智能，还需要在更高的层面上解决获取动态信息的问题。

要实现更可靠、更安全的自动驾驶，就需要打开车辆的“视野”。事实上，要迈向真正的自动驾驶时代，仅仅依靠智能汽车是远远不够的，智慧之路也是不可或缺的。

在智能网联的概念下，车辆、道路和人作为终端，而V2X车联网将这三者连接起来，并在云中集成，形成一个完整的自动驾驶生态系统。这突破了单车智能中非视线感知和车辆信息共享的技术瓶颈，为车辆提供了更丰富的信息和更广阔的视野……

分别。

那么，在数据层面的“硬指标”方面，“智慧道路”是如何拓宽车辆视角的呢？根据石雪松在智能网子论坛上分享的不同路径下的摄像头数据。

从常规角度来看，盲点距离为50米，像素和图像分辨率分别为800万和3840X2160。最小覆盖水平宽度和最小覆盖车道数分别为39米和9车道。在鱼眼视角下，上述指标的结果分别为0米、1200万和4000X3000，全方位覆盖360度，检测范围的增加立即显现。

特别是对于自行车智能难以应对的复杂多变的交通环境和天气因素，它可以在很大程度上依靠信号灯、标志和摄像头等智能路边单元来协助解决。例如，当车辆行驶通过十字路口时，可以接收路边摄像头的信号，提前获取行人信息，避免“幽灵探测器”等安全事故。在浓雾或雨雪天气下，智能网联汽车还可以通过汽车网络了解其他车辆的位置信息，做出更准确的决策

正是由于V2X车联网的诸多优势，车路协同成为中国实现自动驾驶的主流路线。近年来，智能网联汽车也得到了政策支持，并上升到国家战略层面。

工信部2018年发布的《车联网产业发展行动计划》对智能网联汽车提出了明确的规划：第一阶段，到2020年，具有高水平自动驾驶功能的智能网联车辆将实现特定场景规模的应用，车联网用户渗透率将达到30%以上。第二阶段，2020年后，具有高水平自动驾驶功能和5G-V2X的智能网联汽车将逐步实现大规模商业应用，并通过“人车路云”实现高度协同。根据“智能网联汽车技术路线图2.0”计划，到2025年，C-V2X终端新车在中国的装配率将达到50%，到2030年将基本普及。

在市场层面，中国的智能网联汽车也取得了重大进展。中国互联网协会车联网工作委员会秘书长孙赤田，也在智能车联网论坛上介绍称，“2020年，中国智能车联网销量为303.2万辆，同比增长107%，市场渗透率达到15%，这表明整车已经形成了非常好的联网趋势，并具有一定规模。”

此外，智能网联市场将保持快速发展势头。据艾瑞咨询统计，2016年至2020年，中国智能网联汽车产业规模呈现持续上升趋势。2020年，行业规模增至2556亿元，同比增长54.3%。其他数据预测，到2025年，中国智能网联汽车市场规模将达到2000万辆，市场渗透率将超过75%。

政策的支持和巨大的市场前景也导致了BATH等科技公司争相布局，当然，每家公司都将其置于智能交通的整体背景下。事实上，作为未来智能交通系统的重要组成部分，联网汽车不仅可以解决自动驾驶问题，还可以解决交通拥堵、出行安全、道路使用、汽车燃油排放等诸多问题。

以腾讯去年9月提出的WeTransport智慧交通战略布局为例，V2X数据服务引擎可以协调信号控制系统、路侧系统、移动/车载终端、交通信息等不同来源的信息，通过交通云控制平台实现分布共享，实现人员、车辆、道路、网络和云之间的高效流通。

事实上，腾讯也非常清楚自己的优势，最具代表性的是其云图像融合能力和C端触地能力。我们已经建立了一些全天候感知系统，并将感知获得的数据信息与高精度地图集成在一起……

将其恢复为可计算时空数据的技术

在上述虚拟时空中进行了大量模拟测试后，可以在离线场景中支持智能道路的建设。更重要的是，在智能交通的未来格局中，通过智能道路感知获得的数据信息可以与汽车和人等终端实时共享。石雪松表示：“在腾讯的智能互联概念中，人也扮演着非常重要的角色，需要被置于一个闭环中。”。“我们有手机、车载电话微信和地图导航等触摸屏界面。这相当于为汽车和人打开了上帝的视角。

03

走向“云端”：开放的生态系统是未来

目前，业界正在逐渐形成共识，自动驾驶能力的未来在于从汽车到云的能力，而云计算是所有场景的基石。尽管智能网联的发展很快，但早期验证仍需要走“云”端，并在地面上实施。

公开资料显示，我国目前已建立并形成多个由工信部授权的车联网示范区，包括北京、河北、上海、浙江、吉林（长春）、湖北（武汉）、江苏（无锡）、重庆、广东、湖南（长沙）等。共有40个汽车和交通示范区正在建设中，等待建设。

这些政策支持的示范区是技术验证的场景，也是早期流量的入口，从而吸引了大大小小的智能网联企业争相布局。例如，腾讯深度参与了国家智能网联汽车试验区、天津国家智能网联网示范区等重点项目建设。

在天津西青区项目中，腾讯搭建了车路协同、V2X数据服务、数字孪生、中微融合仿真预测等平台，并与当地政府、天安永泰等合作伙伴，对重点地区的交通基础设施进行了网络连接功能转换和核心系统能力升级，实现V2X车路协同的全业务场景服务和业务运营合作，开启人、车、路、云的数字化闭环。

但值得注意的是，由于缺乏宏观统一的规划和标准，以及通信协议和数据交换形式的限制，数据信息交换和共享只能在单个示范区内实现。然而，各个示范区之间形成了相对独立的信息“孤岛”，并没有实现真正的联网。

随着各示范区的提前部署和更多政策的出台实施，在新基建智能交通理念的统筹协调下，这样的孤岛不可能一直存在。届时，各种“小生态系统”将融合为“大生态系统”，示范区和经营主体开放与否的重要性得以体现。

除了国家政策层面，仅从产业角度来看，C2X车联网和车路协同场景复杂，产业链漫长，行业规模巨大。无论企业有多大，都不可能独自完成所有的环节。汽车原始设备制造商、互联网公司、通信服务提供商、上下游供应商共同构建完整的产业生态系统是不可避免的。

同时，随着行业的发展和完善，将在更细分的行业赛道上培养更多的创业公司或新玩家。如果他们的产品想融入生态系统，这个生态系统的开放是不可避免的。

目前智能网联赛道上体量最高的四家BATH公司，都在强调自身生态的开放性。尤其是腾讯，早在2018年首次进入智能网联汽车领域时，马化腾就在世界智能网联车大会上呼吁行业参与者“开门造车”。腾讯也在多个公开场合强调了其在智能网联领域的核心竞争力。除了“建设、管理、运营和服务”……

abilities”和“C端可达性能力”，另一个是其“开放生态能力”。

当然，总体而言，智能网联汽车仍处于探索和验证的早期阶段，V2X终端在汽车中的渗透率、软硬件开发、商业模式等问题仍未解决。然而，在政策支持和各种市场主体的积极参与下，当形成规模经济时，所有问题都可以迎刃而解。

至于规模效应的形成，恰恰需要生态支撑，这又回到了生态开放的重要性。事实上，开放的生态系统不仅赢得了行业共识，也是智能网联汽车走向未来的必由之路。正如清华大学汽车产业与技术战略研究院院长赵福全所说，“任何人都可以没有生态，任何人都不能没有生态

制片人：黄

直接热线13452396140，（请注明公司和职位）

资深媒体人，曾任报社总编辑，新媒体创始人，在科技和金融媒体领域拥有十多年的经验。擅长商业模式分析、人物特写、内幕调查等深度报道，专注于互联网、新零售、人工智能、企业服务等前沿技术趋势。

本文首发于微信公众号：极限商业。文章内容属于作者个人观点，不代表和讯网络的立场。投资者应据此操作，并承担风险。

标签：特斯拉北京DS理念汉

汽车资讯热门资讯