趋势2025|车路云一体化的挑战和展望

通信世界网消息（CWW）当前，车路云一体化协同发展态势愈发显著，已然成为智能交通领域的重点方向，在政策引领和市场驱动的双重作用下，我国智能网联汽车基础设施建设提速。本文重点探讨车路云一体化的建设和运营模式，以及当前最为关键的技术突破点，并对车路云一体化产业未来发展提出建议，期望行业加快形成车路云一体化的商业闭环、技术闭环和产业闭环。

建设及运营模式

车路云一体化是智能网联汽车产业重要的发展路径之一。车路云一体化的建设和运营模式，是其形成商业闭环的核心要素。

建设及运营主体

当前，各试点城市积极开展车路云一体化建设，推动车路协同落地加速。未来，各地车路云一体化建设繁荣发展，或需以下三方形成合力。

智能基础设施的建设及运营方。其主要职责涵盖建设和运营路侧相关的感知、计算等智能基础设施，如智慧灯杆、停车、充电桩、自动驾驶“驿站”等。在智能基础设施建设及运营过程中，行业需要综合考量“多感合一、多算合一、多杆合一”等方面，即实现各个委办局或者企业所需的感知设备合一建设，算力设备合一建设，杆件、箱体、充电设施等合一建设。

网络基础设施的建设及运营方。其主要职责包括建设和运营“车—路—云”之间的通信网络。此网络可以是基于C-V2X的专网，也可以是基于电信运营商5G网络的切片专网。此外，随着算力网络的部署，网络基础设施建设及运营方也可以建设和运营分级的算力网络，如区域算力中心等。

云控平台的建设及运营方。其主要职责在于建设和运营云控基础平台，以及一些典型的云控应用平台，如智能网联汽车监管平台、智能网联汽车产品试平台、智能网联汽车数据服务平台、智慧交通数据服务平台等。此外，行业还可以通过云控平台建设及运营主体，或者另行培育出增值业务建设及运营主体，面向公交、物流、环卫等特定场景，提供相应的增值服务。

上述三种建设及运营主体，既可以是相互独立的，也能够以组合模式存在。例如，智能基础设施建设及运营方可同时承担网络基础设施的建设和运营工作。

运营内容

上述三大建设及运营主体能够运营的车路云一体化内容包括toC、to B和to G三种类型。

首先，在to C方面，各大主体为车辆使用者提供相应服务。针对这些服务，车辆使用者可以选择跟随联网流量套餐一并购买，也可以与车企的智能驾驶软件一同购买。

购买相应服务的车辆使用者将获得如下信息：交通管理信息类的信号灯灯态信息、闯红灯预警信息、绿波车速引导信息、可变车道提醒信息等；交通安全类的二次事故提醒信息、道路危险提醒信息、极端天气提醒信息等；交通效率类的车道级交通拥堵提醒信息、紧急车辆优先通行信息、公交车道共享信息等；城市交叉路口的左转辅助信息、有遮挡的交叉路口碰撞预警信息、弱势交通参与者预警信息、车道级交通引导信息等；泊车类的停车场下发地图信息、空车位引导信息、充电桩引导信息等；以及高速公路、快速路的匝道分合流预警信息等。

未来，随着路端算法精度不断提升，并与车端算法深度融合，面向车主提供的服务内容将从预警类信息，逐步进阶到协同辅助驾驶和协同自动驾驶信息，例如网联式AEB、网联式ACC、网联式AVP、网联式NOA等信息。

其次，在to B方面，各大主体既可以为公交、物流、环卫等企业提供增值业务服务，也可以为车企、出行企业、高科技算法企业、地图企业、高校和科研机构等提供数据服务。

例如，公交企业可对公交车辆进行网联化改造，通过购买云控平台的数据服务，开发智慧公交应用系统，为乘客提供更安全、更精准、更高效、更舒适的出行服务，进而降低运行成本，提高运营收益、通行效率和节能减排效益。在具体的量化指标方面，预计车辆安全性可提升10%、乘客数量提升10%、能耗降低10%、公交车辆数量下降5%。

在数据服务方面，各大主体可以提供离线数据服务和在线数据服务。其中，离线数据服务涵盖标注数据集、特定场景库、仿真场景库、交通事件集等；在线数据服务包括感知数据、信号灯数据、驾驶行为分析数据、高精度地图数据、停车场数据、充电桩数据等。这些数据服务既可以提升智能驾驶模型能力，也可以优化相关企业的生产业务能力。

值得关注的是，在to B方面，面向安全类等场景，行业还可以引入金融保险公司共同参与其中。

最后，在to G方面，车路云一体化系统能够通过共建共享，节省政府投资，并向公安交警、交通运输、城市管理、消防救援等政府部门提供增值服务。

例如，面向公安交警部门，可以提供交通事件识别与预警、特殊车辆优先通行等服务；面向交通运输部门，可以提供交通态势分析、交通实时监测、重点车辆在线监管、公共交通监管、出行信息等服务；面向城市管理部门，可以提供路面病害识别、路面垃圾识别、路面积水点监测等服务。

运营挑战

实现车路云一体化高效运营的前提条件是有效建设车路云一体化系统，其中，路端覆盖率和车端渗透率这“两率”的规模化提升是关键所在。

车路云一体化路端基础设施包括智能基础设施和网络基础设施两部分。要提升智能基础设施的覆盖率，可充分考虑与城市公安交管、住建、交通、城管等部门的信息化基础设施（例如信控系统、电警卡口系统、智慧灯杆、充电桩、交通流量监测系统、可非现场执法系统等）共同建设；也可以考虑与城市全域停车场景共同建设，如城市路侧停车位、封闭式停车场、立体停车库、公交站场等各类停车场景；此外，还可与公路交通基础设施数字化转型升级进行统筹考虑。

在提升网络基础设施的覆盖率时，可以考虑“专公结合”的方式，也就是专网和公网相结合。例如，在重要的交通黑点、堵点区域，提供安全、可靠和稳定的专网覆盖；在其它区域则可以通过运营商公网提供广泛的连接与信息服务。

提升车路云一体化车端的渗透率，行业需重点关注以下三个方面。

一是新车前装量产是提升车路云一体化车端渗透率的“终极”解决方案。截至2023年底，我国乘用车5G车联网前装数量达173.73万辆，占比为8.23%；C-V2X前装数量为31.13万辆，占比为1.48%。未来行业要采取一些具体举措，快速提升“5G+C-V2X”技术上车比例。例如，将C-V2X纳入C-NCAP的主动安全测试，如此一来，车企为获取更高的主动安全评分，将积极加装C-V2X车载终端。此外，还可以考虑将V2V纳入国家强制标准，或者鼓励地方政府出台C-V2X前装上车补贴政策。

二是存量车后装改造是提升车路云一体化车端渗透率的重要手段。例如，可对公交车、公务车、出租车等公共领域的存量车，以及物流车、渣土车等车辆进行C-V2X车载终端的搭载改造，以此提升相关车辆的安全性。

三是通过多种触达方式，确保车端用户享受车路云一体化服务。例如，可以通过各类信息终端（如智能手机）、

专用V2X APP、通用APP（如导航地图APP）、小程序等，满足用户相应的服务需求。例如，在高速公路准全天候通行的场景下，物流司机可通过行业版导航地图获得车路协同能力，享受车道级导航、周车环绕呈现、超视距事件预警等服务，实现在雨雾天气也可安全通行，最大限度地兼顾高速公路通行的效率与安全。

把握两大领域技术突破点

车路云一体化的技术突破点主要集中在信息通信和人工智能两大领域。在信息通信领域，主要解决“车—路—云”之间通信网络的建设问题。在人工智能领域，主要解决与“算力、算法、数据”三大核心要素相关的各类问题。

“多模网络”提供车路云一体化可靠通信方式

目前车与车之间主要依靠LTEV2X通信，未来还能够通过NR-V2X通信，二者为延续关系而非替代关系；车与路之间可采用LTE-V2X、NR-V2X、4G、5G，乃至ETC2.0、射频等多种方式通信；车与云可通过4G、5G信，未来还可借助6G和卫星通信等；路与云可通过光纤、5G、6G等通信。

在不同的车路云一体化业务场景中，对通信网络的需求存在差异。例如，传统的5G网络能够有效承载信息娱乐服务、车内广告等非实时性业务，其通信时延约为500毫秒。然而，对于远程遥控驾驶等实时性要求极高的场景，则需要专用的5G网络切片，以达成上行链路200毫秒、下行链路50毫秒的低时延保障。对于车辆之间、车辆与道路基础设施之间的即时通信（如紧急避障指令），可以通过C-V2X等短距离高速通信技术或5G-A技术，将通信时延控制在100毫秒甚至50毫秒以内。

多模网络的整合与协同存在技术难题，亟待解决无缝切换、性能优化和系统集成等方面的问题，这促使行业持续创新。

“算力网络”提供车路云一体化高效算力资源

随着边缘计算、人工智能等技术的发展，车路云一体化对算力提出了更高要求。应对复杂交通状况与海量数据处理需求，打造高效、可靠的车路云一体化算力网络成为关键。该网络应整合云计算、网络通信及边缘计算资源，实现数据快速处理与共享，且依据系统需求动态调度计算、网络和存储资源，确保系统高效、安全运行。此外，算力网络的设计要有前瞻性，确保网络架构的可扩展性和灵活性，以适应未来业务和技术演进需要，从而长期稳定地服务于智能网联汽车领域。

在车路云一体化的算力架构中，端、边、云三者之间的协同作用至关重要。车辆与道路设施作为算力网络的服务端，通过先进的融合连接技术接入网络，实现与边侧、云侧和其他终端设备的信息交互。边缘节点与云计算节点作为业务承载的核心，逐渐融入算力网络的整体架构。

其中，端侧主要承担实时车载数据处理与边缘计算任务；边侧负责汇集来自多个端侧的数据，并开展更复杂的处理和分析工作；云侧则处于智能网联汽车云控平台的核心位置，作为最高层级的云计算资源集散地，负责从各个端侧和边侧收集数据，执行全局性的数据分析、建模以及决策工作。

如何构建一个多级融合的云基础设施，为各类业务提供必要的算力支持与基础服务是未来技术突破点之一。

“端到端算法”提供车路云一体化强大算法能力

感知算法作为车路云一体化系统的基础，涵盖获取数据、提取特征和完成感知任务三个步骤，按信息融合阶

段又可分为前融合、特征级融合和后融合。当前，感知算法正从后融合向特征级融合，乃至前融合发展演进。

路侧感知算法作为车路云一体化系统的重要组成部分，在提升单点位感知算法性能的同时，也积极面对“车路”数据融合及路端跨域感知共享带来的挑战，通过提升传感器性能，在系统层面研究数据融合与共享，以破解上述难题。当前，基于BEV与Transformer架构的车端感知算法的进步为路侧感知提供了新方案，增进了车载系统与路侧感知系统的一致性和协同性。借助这些技术应用，能够实现车辆与路侧设施间的信息高效交互，强化系统的整体感知能力，确保更安全、高效的协同感知效果。

研究车载与路侧一体化的端到端大模型算法，仍是未来极具挑战性的技术课题。

“可信数据”提供车路云一体化可运营数据服务

车路云一体化将产生大量原始数据，此为描述智能网联汽车和智慧交通业务事实，未经过深加工的素材；继而产生车路云一体化数据资源，即经过标准化加工处理形成的可控、有序、可利用的数据，具有潜在的经济价值；再进一步产生车路云一体化数据资产，即实现价值变现和经济利益获取；最后形成车路云一体化数据资本，让数据如同金融资本、实物资本一样，成为可用于企业经营和投资的生产性资本。

例如，基于路侧感知数据和车端感知数据可以构建车路云一体化数据集，供自动驾驶和车路协同解决方案商开展车路协同模型的研发和训练，从而实现“智能化基础设施投入—路侧感知数据采集治理—仿真场景库开发—仿真测试认证及训练—自动驾驶和车路协同算法迭代升级”的数据资产化商业全流程运作与服务模式。

可信数据可以定义为来自特定和受信任来源，并根据其预期用途使用的数据。当下，可信数据最为广泛使用的判定标准之一是数据质量维度，包括准确性、一致性、完整性、安全性、有用性、隐私性、可靠性、可解释性八大内容。

车路云一体化的安全类、效率类业务应用场景，对数据的准确性、有用性、可靠性等有明确要求；车路云一体化自动驾驶类业务应用场景，则对数据的可信程度提出了更高标准。上述场景都对企业在数据采集与筛选、数据挖掘与处理、模型分析等方面的能力提出了更高要求。

具体来看，不断提高的数据采集精度和效率要求，促进数据采集技术向更为智能化、动态化的方向发展。行业要根据具体需求选择更有价值的数据，将数据筛选流程部署到车、路的边缘侧，以此进一步提高数据采集效率。同时通过自动化标注、交通大数据模型等技术，持续提升数据挖掘和处理分析的效率，进而形成“可信数据”。

只有确保路侧数据采集和算法质量，形成“可信数据”，才有可能被车企接纳，用于其智能网联汽车L2、L2+级，甚至是L3、L4级功能应用；才有可能被高精度地图厂商认可，用于其导航地图的持续更新；才有可能被城市和交通管理者用于其业务系统；才有可能被交通出行服务商和物流运输企业采用。

产业发展前景展望

车路云一体化属于典型的跨行业成果，涵盖汽车产业、电子产业、交通产业、信息通信产业等领域。从产业链构成来看，以车路云一体化技术为依托的智能网联汽车产业，上游包括芯片模组、操作系统、车端设备、路侧设备、云控基础平台（包括地图、安全等）、多模网络、算力网络；中游为车企；下游是各类云控应用，包括各种增值业务服务和数据服务等。

未来，车路云一体化产业外延将逐步拓展泛化，“人或货、车、路、网、云、图或定位、安全”等要素均处于广义车联网范畴内，可以提供信息娱乐、安全保障和自动驾驶等多种业务服务，其产业发展方向如下。

在车路云一体化安全服务领域所涉及的不仅仅是车本身，还包括路面上其他交通参与者（如行人、非机动车等），尤其是电瓶车管理这一当下城市交通的突出痛点，可以与车路云一体化进行有机融合。车路云一体化为商用车提供更高的安全性，例如C-V2X与ADAS相融合的模式，便可与保险业务展开合作。

车路云一体化可提升交通通行效率，其与碳排放业务相结合，挖掘出车速、车型、道路流量等精细化的排放相关数据，并依据出行区域数据将之转化为碳排放数据，进而提供碳中和系列服务，打造绿色交易服务场景。

车路云一体化系统可以赋能具备商业闭环能力的自动驾驶业务场景，例如矿卡、环卫车、物流配送车等领域，亦可以赋能自动驾驶车辆达成真正无人化的商业运营，如助力Robotaxi实现全无人化运行模式。

车路云一体化系统能够与智慧城市中的智慧灯杆网联化系统、充电设施网联化应用以及自主代客泊车停车场等实现融合发展。

车路云一体化系统不仅在动态交通领域有所应用，而且于静态交通领域同样能够施展拳脚，例如助力AVP解决极端工况，通过支付功能实现停车无感支付等应用场景。

车路云一体化应用在能源领域，将全面融入“车能路云”大生态。