文：談擎說AI，作者:鄭開車

人類顛覆未來出行的野心從來都沒有被湮滅過。

在千禧年前夕的動畫片《飛出個未來》中，一千年后的世界里，交通“道路”被“管道”取代，未來人類出行成為了在管道中飛行；在《第五元素》中，2263年的紐約交通，不再拘泥于“地面”，懸空的道路上磁懸浮汽車高速行駛。

影視作品外的現(xiàn)實生活里，今年何小鵬官宣的2024年量產“旅航者”，推動飛行汽車概念再度升溫，馬斯克也構想出了未來的高速地下隧道，以解決當前交通擁堵問題。

上天入地，是造車新勢力大佬們顛覆未來出行的野心展露，但這番想象力無疑與實現(xiàn)難度成正比?？v觀當前汽車賽道，針對顛覆當代交通這一課題，最多玩家布局的無疑是自動駕駛。

隨著如今自動駕駛向L4邁進越來越多的瓶頸出現(xiàn)之際，車路協(xié)同的聲音開始升溫，而這真的會成為自動駕駛的最終希望嗎？

到底什么是車路協(xié)同？

在百度百科上，車路協(xié)同的英文名為Intelligent Vehicle Infrastructure Cooperative Systems（IVICS），然而這個詞在維基百科卻是找不到的。

進一步找尋，談擎說AI又發(fā)現(xiàn)了一個有趣的現(xiàn)象，當前網(wǎng)上不少提供車路協(xié)同解決方案的企業(yè)官網(wǎng)上，都給車路協(xié)同的英文名稱定為了“V2X”。那就簡單了，找一下“V2X”究竟為何意問題不就解決了？

據(jù)維基百科，V2X意思是Vehicle-to-everything（直譯：車聯(lián)萬物），包括但不限于 V2I（車輛對基礎設施）、V2N（車輛對網(wǎng)絡）、V2V（車輛對車輛）、V2P（車輛對行人） 、V2D（車輛到設備）和 V2G（車輛到電網(wǎng)）。

但小擎我還是“Too Naive”，百度百科里，“V2X”意為“車用無線通信技術”，再用谷歌翻譯查詢一下“V2X”的釋義，谷歌卻給出了“車聯(lián)網(wǎng)”的解釋。

看到這里，我已經(jīng)像是身處呂秀才“我是誰”這一哲學問題下無所適從的姬無命。車聯(lián)網(wǎng)和車路協(xié)同到底誰是V2X？還是誰都不是？那他們到底是什么？

一個如今日漸升溫的賽道上，連概念都能夠在全網(wǎng)如此不具象，這不禁讓人想到了像是一個筐的元宇宙概念，使得我們在有生之年看到了Facebook（改名Meta）和蜜雪冰城（注冊“雪王元宇宙”商標）一同布局的魔幻現(xiàn)實。

其實在談擎說AI的理解中，“車路協(xié)同”這一概念是致力于從更宏觀的視角切入來實現(xiàn)無人駕駛，其看似對立的路線是單車智能，通過將“車、路、云”連接的方式，目的是和智能汽車作協(xié)同一起實現(xiàn)無人駕駛的終極目標。也因此，V2X的定義應該是更加準確的。

既然對這個詞有一定理解，那再計較這個詞的定義各方說法不同，頗有些缺失羅永浩老師口中的“大局觀”，但其實這一詞本身的定義現(xiàn)狀，就給人了一個當前車路協(xié)同賽道管中窺豹式的初印象，即車路協(xié)同的現(xiàn)階段發(fā)展正是像這個詞本身一樣稚嫩和模糊。

誠然，像談激光雷達就繞不開馬斯克的純視覺路線，提到了車路協(xié)同，就不得不提一下其最廣被討論的對立面，單車智能。

如今通過單車智能路線來布局自動駕駛的玩家，可以說是從元老級的Waymo、Apollo到初創(chuàng)獨角獸小馬智行、Momenta再到車企特斯拉、蔚小理，幾乎無所不包。

就像是在視覺路線上與全世界作對的馬斯克，車路協(xié)同的對立陣營基本囊括了當前自動駕駛賽道上的所有主要玩家。

盡管車路協(xié)同在當前毫無疑問是一個小眾之選，然而存在即有合理性，以當前車路協(xié)同賽道上較為頭部的獨角獸玩家蘑菇車聯(lián)為例，天眼查信息顯示，近年來其融資節(jié)奏雖算不上密集，但也仍有著稱得上豪華的投資陣營站隊。

尤其值得注意的是，今年九月，離A輪輸血結束已經(jīng)接近三年的蘑菇車聯(lián)終于再次得到了最新的戰(zhàn)略融資，談擎說AI認為，這主要得益于當前車路協(xié)同路線的一個突破口已經(jīng)出現(xiàn)，即有望沖出單車智能的現(xiàn)存瓶頸，具體原因我們可以進一步從單車智能中找到。

單車智能的“感知局限性”

單車智能，顧名思義，即在汽車智能化方向下功夫，用一個裝在車內的智能化系統(tǒng)來接替?zhèn)鹘y(tǒng)駕駛員的工作，讓汽車變“聰明”，從而實現(xiàn)自動駕駛。

但我們不可否認的一個事實就是，即便是天賦和資歷條都拉滿的人類駕駛員，也不能百分百保證可以避免車禍發(fā)生，這也反映出了單車智能終將面臨的瓶頸。

談擎說AI認為，當前單車智能主要存在以下兩個愈發(fā)凸顯的局限：

1. 視野局限：

智能汽車感知硬件系統(tǒng)無論是攝像頭還是雷達，都是基于生物感官的產物，且都搭載在車端，這就必然會有“盲區(qū)”現(xiàn)象存在，即便系統(tǒng)再智能，也僅能在視覺范圍內做出快速精確的決策，這就導致“鬼探頭”這樣人類司機往往難避免的現(xiàn)象，單車智能同樣很難避免。

比如對一輛高速行駛的智能汽車而言，視覺盲區(qū)內突然竄出一個物體，由于慣性的客觀存在，系統(tǒng)無論是做出急剎還是繼續(xù)行駛的決策，都很難避免事故發(fā)生。

1. 視效局限：

當前智能汽車感知硬件往往是多管齊下，即便走純視覺路線的特斯拉，也都搭載了一定數(shù)量的毫米波雷達，而像是小鵬P5，更是有激光雷達、攝像頭、毫米波雷達。

這主要是因為環(huán)境干擾，就比如在黑夜，攝像頭感知能力變差，雷達就派上了用場。然而這樣的組合式環(huán)境風險規(guī)避如今也已經(jīng)出現(xiàn)了局限性。

就比如雨雪天氣，雨雪遮擋了攝像頭或是雷達設備，將會在一定程度上影響到整車的自動駕駛行為決策。

不難發(fā)現(xiàn)，單車智能當前愈發(fā)凸顯的兩個問題，絕非是能夠通過不斷提升單車智能化程度就可以解決的，而是需要進一步彌補“視覺”這一感官層面缺陷來實現(xiàn)。

如何彌補呢？有網(wǎng)友調侃，“捅根長桿子，讓視覺感知設備在周圍環(huán)境里保持最佳高度，啥都能看見?！?/p>

但畢竟是調侃，一輛頂著五六米高桿子的車怎么能過隧道？真的有人會愿意購買這樣一輛車嗎？這樣的思維模式無疑是線性的。

而從古至今任何具有顛覆性的思維往往是非線性的，就比如曾經(jīng)人們嫌馬跑得太慢，并不是去養(yǎng)出跑得更快的馬，而是發(fā)明了汽車。

在單車智能出現(xiàn)瓶頸的當下，車路協(xié)同無疑是一個非線性解決方案的代表。

車路協(xié)同的“遞進式衍生”

在和幾個朋友探討車路協(xié)同究竟能幫助單車智能解決什么問題時，一位自動駕駛工程師給我們通俗地講述了他自己的見解：

“車企不能隨意給汽車加裝像機械式激光雷達那樣夸張的大物件來保障汽車視野足夠大，但倘若這樣的感知設備是裝在路邊的，那大一點其實也就無所謂了。在汽車經(jīng)過時，路邊視覺裝置所探測到的信息能夠瞬間傳輸?shù)狡噧?，供車內智能系統(tǒng)做出決策，那世界上就再也沒有‘鬼探頭’了?！?/span>

誠然，當前的單車智能，感知裝置研發(fā)其實是一定程度上在“戴著鐐銬跳舞”，囿于整車體積等諸多限制，車路協(xié)同是一個存在可實現(xiàn)性的彌補式解決方案。

但是在事后的整理中，談擎說AI發(fā)現(xiàn)了這位工程師朋友所言的完整性在于，其總結出了車路協(xié)同的四個缺一不可要素，即車端、路端、云端和傳輸能力。也因此，想要實現(xiàn)車路協(xié)同，并非在路上裝感知設備就能夠實現(xiàn)，四者能否協(xié)作發(fā)展，才真正決定了車路協(xié)同的發(fā)展前景。

盡管車路協(xié)同在理論上是可以突破單車智能“感知局限”瓶頸的，但當前賽道大部分玩家仍是在走單車智能的路線。談擎說AI認為，這主要是出于以下幾個方面的原因：

思維

我們先從思維層面來看，單車智能是一個“主觀制造”思維，我想要實現(xiàn)自動駕駛，我自己研發(fā)，采購必要的硬件，然后自己造一個獨立裝置出來。這不會產生大量的協(xié)同作業(yè)壓力，自己練兵，自己作戰(zhàn)。這無疑是一個加厚企業(yè)壁壘的路線。

而車路協(xié)同則更像是“宏觀協(xié)配”思維，我想要實現(xiàn)自動駕駛，我從公共設施切入，不需要把技術局限在一輛整車上，道路有多寬敞，我的自由度就有多寬敞。但我的研發(fā)產物同時將讓所有競爭對手受益。與此同時，前期的研發(fā)、政策、法規(guī)等等破冰行動，都需要我來協(xié)調。在這條路線上，企業(yè)更像是在做“慈善”。

雖然車路協(xié)同解決無人駕駛終局問題的優(yōu)勢大于單車智能，但不難發(fā)現(xiàn)，這是一件投入產出比不明晰的事情。也因此，在蘑菇車聯(lián)已經(jīng)與部分城市在智慧交通領域達成合作時，廣汽新能源總經(jīng)理古惠南卻表示，在現(xiàn)階段把道路復雜化容易“勞民傷財”。

畢竟車路協(xié)同也需要單車智能化水平達到一定高度才可以實現(xiàn)，而且當前的單車智能規(guī)?；狡毡槿栽贚2，仍有發(fā)展空間，這也是為何最早的布局者特斯拉、Waymo等在當年都紛紛選擇了單車智能路線，到如今也仍在堅持做。

職責

車路協(xié)同的設備研發(fā)和制造安裝成本，誰來投入？投入后如何產出？以現(xiàn)有認知來看，當前蘑菇車聯(lián)與衡陽、鶴壁等城市已經(jīng)達成了部分合作，可以說是在一定程度上解決了部分問題。

然而車路協(xié)同并非簡單的兩兩合作就可以解決的。相關的網(wǎng)絡、供電、運維如何保障，又由誰在后續(xù)去負責相關物業(yè)？投入頗大，產出在哪里？這些問題都是在這條路上必然需要面臨的。

不難發(fā)現(xiàn)，車路協(xié)同不僅是需要造出更聰明的車，優(yōu)化更聰明的路，而且也需要協(xié)同諸多產業(yè)。車路協(xié)同也牽扯到了諸多交通、法規(guī)要素，似乎遠不是一家企業(yè)之力就能夠掌控的，不僅是需要各地政府部門、電信運營商、云服務供應商等部位協(xié)同，也必然離不開國家的強干預。

這就意味著單車智能的布局往往是聚合式的，一個企業(yè)，一個項目，集中火力投入。而車路協(xié)同的布局則像是碎片式的，需要一個統(tǒng)一戰(zhàn)略的制定者，當前企業(yè)們面臨無從下手的困局，即便當前蘑菇車聯(lián)已經(jīng)與部分城市建立了初步合作，然而整個概念似乎時有點像由于單車智能“感知困境”出現(xiàn)而劇烈升溫的。

就像曾經(jīng)的Waymo估值已從最高點的近2000億美元斷崖式下跌到如今300億美元左右。任何劇烈升溫的賽道出現(xiàn)，往往需要用一份冷思考去看待。在諸多待攻克的難題面前，蘑菇車聯(lián)們雖然給出了一個單車智能瓶頸的新解法，但真正想要落地也同樣道阻且長。

規(guī)模

理論上來講，一件產品或是技術往往需要經(jīng)歷了商業(yè)化、規(guī)?；?，才能實現(xiàn)技術的迭代，從而進一步擴大商業(yè)化，往復循環(huán)，這是一個技術經(jīng)久不息迭代的必備前提。

其實不難發(fā)現(xiàn)，整個汽車電氣化變革浪潮里，這樣的現(xiàn)象并不少見。

一個最明顯的例子就是智能化一定是更適合電動汽車嗎？答案是否定的。眾所周知當前汽車變革有兩個風口，一個是電氣化，一個是智能化，兩個風口本質上并沒有什么聯(lián)系，只不過碰巧在同一時空相遇。

也因此，既然電動汽車是未來的大趨勢，那么智能化又何必在燃油車上浪費時間呢？隨著特斯拉、蔚小理等一眾玩家都將智能化搭載到電動汽車上，自然就拉動了規(guī)模效應。

回到主題，雖然車路協(xié)同一個設備可以服務眾多路過的機動車，單車智能就顯得前期成本更高，但做單車智能的玩家占主流就拉動了規(guī)模效應，前些年單車智能的諸多短板與高成本都在這兩年被不斷解決，這樣的規(guī)模成本和技術沉淀優(yōu)勢，同樣是車路協(xié)同玩家們當前所不具備的。

寫在最后：

關于車路協(xié)同還有最后一個問題：既然現(xiàn)有認知內，光依靠單車智能基本不可能在未來實現(xiàn)絕對的無人駕駛，那么為何還有那么多玩家要“死磕”？

談擎說AI認為這主要是因為單車智能的終點并非在L5無人駕駛，而是在L4自動駕駛。

關于單車智能，業(yè)內一直都有一個“攀登珠峰，沿途下蛋”的比喻，在技術不斷發(fā)展的過程中，只要無法解決當前的“感知局限”，就算是單車智能到了珠峰頂也無法達到L5無人駕駛，但L4的ODD大量場景則可以打通，底層的數(shù)據(jù)積累都是可以大量在ODD場景間復用的。

因此，談擎說AI認為，以現(xiàn)有認知來看，車路協(xié)同是走向L5終局必不可少的一步。但當前的車路協(xié)同難就難在“破冰”，只有單車智能走到了一個在技術、規(guī)模、成本、效能都較為飽和的位置，市場和行業(yè)的整體導向才能夠進一步倒逼車路協(xié)同快速發(fā)展。

在單車仍沒有那么“聰明”的今天，車路協(xié)同可能一直會是一個相對小眾的賽道，我們仍需要向著L4攀峰。在此之前，蘑菇車聯(lián)們也許仍需要挺過寒冬。

Ps：談擎說AI，左拐新能源汽車，右拐智能駕駛，有深度，有溫度，作者鄭開車，轉載請保留版權信息。

返回第一電動網(wǎng)首頁 >