编辑导语：无人驾驶赛道上，国内玩家们也逐渐把目光转向“车路协同”，那么“车路协同”的现实发展路径可观吗？车路协同技术是否有一定的想象空间？本篇文章里，作者就车路协同的“前世今生”做了解读，一起来看一下。

单车智能和车路协同，在无人驾驶上，国内外押注了两条截然不同的路。

以特斯拉为首的国外汽车制造厂商，把雷达、摄像头以及传感器视作筹码，用车辆作为独立的智能个体赌无人化的未来，flag年年立，但也年年倒；相比之下，国内的玩家在单车智能技术瓶颈难克服的情况下，把目光放在了马路上，在车和路的协同中解决对方位感知信息处理的难题。

和单车智能强调微观性的个体提升不同，车路协同更强调宏观层面上的建构，“自动驾驶是起点，终局是智能交通、智能城市，甚至是智能社会。”在《智能交通七讲中》中，李彦宏把智慧化的想象延伸到整个社会层面上，在新基建的背景下，车路协同成了自动驾驶的新风向，不少玩家躬身其中。

赌桌上，是明码标价的筹码和天花乱坠的设想；赌桌下，是对于未来交通形态的判断和难以跨越的技术鸿沟，各方都试图给未来拿出一个解法，但未来却没能给任何人答案。和看待所有新兴技术一样，看待车路协同，与其沉迷想象，不如回归现实，聊一聊它的前世今生。

一、必经之路

上个世纪50年代，通用汽车在美国新泽西州打造了一条埋入大量通信设备的概念高速公路，这被业界视为最早的车路协同方案。21世纪以来，现代意义上的车路协同，主要涉及车端、路侧端和云端三个端口，通过统筹车、路、人以及实时交通的动态信息，实现信息的互联互通。

着眼国内车路协同的开端，不是对自动驾驶的另谋出路，而是因为它成了必经之路。

“第一，普遍认为自动驾驶需要110亿英里（约合177亿公里）的道路测试，单车实现难度有多大？第二，含有激光雷达等昂贵设备的单车如何降本？第三，完全自动驾驶至少有几百万的极端工况，软件设计如何保证和验证？第四，对于自动驾驶安全性如何保证？”

围绕着单车自动驾驶所产生的四个疑问，一度成为了玩家押注车路协同的理由，在车路协同的答卷上，这些都能找到答案。

作为汽车行驶的基础，自动驾驶所需要的道路测试被纳入了城市建设当中，对于道路的改造也顺势产生。根据新眸不完全统计，截至目前，我国已有16个城市成为智慧城市基础设施与智能网联汽车协同发展试点城市，其中，截至2020年6月，北京已完成158万公里的测试，自动驾驶开放测试道路已达699.58公里。

虽然距离目标的测试长度还有一定的差距，但相比于单车智能，更具性价比的车路协同在成本上已经降低了难度。拥有更低的单车成本和边际成本，路侧安装设备的方案能将单车成本控制在万元以内，和动辄十万上下的车载传感器相比，经济成本的降低，让车路协同的可行性变得更强。

和单车智能的整车高成本对比，车路协同显得更加实惠，在一定程度上也能够解决智能汽车对于高性能芯片的依赖。

一直以来，视野局限和视效局限是影响自动驾驶安全性的主要原因。智能汽车感知硬件系统，无论是摄像头还是雷达，其实都是基于生物感官的产物，搭载在车端，这就必然会有“盲区”现象存在，基于视觉产生的信息判断，即使芯片再智能也无法计算看不见的信息。

车路协同更重视的“协同”二字，在于两者之间的配合：道路能够完成对智能汽车的辅助作用——让它“看见”更多的信息，“端”、“管”、“云”的三层架构，分别帮车路协同完成了环境感知、数据融合计算和决策控制三阶段的任务。

路端设备的感知能力利益路边单元（RSU）、摄像头、激光雷达等多方配合下得到加强，云端上区域云包含设备管理和数据管理的基本能力，边缘云被部署在路边，是软硬件结合的边缘计算节点，区域云和边缘云的收据交换，构成了信息的流通和处理。

从车端感知上报，到路侧协同基站，到边缘云，再到区域云的一系列信息传递，通过实现对交通各实体元素间的信息管理，最终车辆间的信息交互，形成了理想中的智能交通闭环，以此降低安全风险，也降低了软件设计上的难度。

二、丛林探险

入局车路协同的热潮发生在2018年，这一年互联网大厂动作频繁，让沉寂在造车背后的车路协同走上了台前。

这一年，时任百度智能驾驶事业群组总经理的李震宇在媒体沟通会上宣布，将正式开源Apollo车路协同方案，向业界开放百度Apollo的技术和服务。紧接着就有阿里牵手行业巨头的消息传来。

同年九月的云栖大会上，阿里成立的“2038超级联盟”，把包括交通部公路院、国家电网、中国联通、一汽集团、英特尔、福特汽车等多方力量集合起来打造智慧高速，不过一个没说的前提却是，阿里的车路协同是在自家的封闭系统下搭建的。

在阿里的实践中，阿里云承担搭建云控平台的任务，为车路协同场景提供全局掌控能力；AliOS搭建车路云协同计算系统，完成车路协同的具体能力；达摩院负责研制路测要安装的感知硬件，同时，高德、千寻等提供高精度地图，支付宝解决高速支付场景，在加上菜鸟联盟和ET城市大脑的场景支持，阿里在自家的生态体系内建立的“封闭”的车路协同生态，足以看见他的野心。

一直处于观望态度的腾讯也在之后姗姗来迟，依然是平台化的轻运营模式，把自身定位划为车和路的连接器。在单车智能和道路智能化后，依赖腾讯平台的大数据支撑，面向C端发展。一如腾讯在其他领域中的入局习惯，腾讯采用广撒网模式，频频投资车联网、车载硬件、智能出行等等多个领域，通过投资产业生态中的新玩家切入赛道依然是腾讯的老套路。

和BAT一同在场的，还有华为，在最初的智能汽车领域偏向通信运营商的角色。基于自身的ICT技术，华为早年间的布局多在车路协同的基础设施建设上，提供智能硬件产品。但在2018年底也开始了BAT卖解决方案，卖软件的的打法，推出了“TrafficGo1.0”，对标阿里的城市大脑，百度的ACE智能交通引擎，以及腾讯的“We Transport”。

如果将车路协同比作是一场丛林探险的话，车路协同企业应该可以被分为五大阵营：以BAT为代表的互联网科技企业；以华为为代表的ICT企业；还有汽车供应商、车路协同方案解决商以及以福特为主的汽车主机厂。在同一阵营之中，各个大厂也都在顺应自己的优势选择对应的道路。

路的尽头则是丰厚的报酬。

以高速公路的智能化改造为例，据新眸不完全统计，目前全国的高速公路总里程大约为14万公里。经过行业测算，对高速公路进行车路协同的路侧改造，一般的硬件和改造成本约为几十万到一百万/公里，以此推算，车路协同光在“智慧高速”的改造上就存在着一个千亿级的市场，这其中不包括车路协同在新建高速上的部署以及后续的运营维护，不包括城市路网。

大玩家在前面提供技术开源和资源投资制定方向，留下的细分领域留给小玩家做技术突破，大厂领投，小厂研发，在车路协同领域是常态。以蘑菇车联为例，它所提出的“车路云一体化”自动驾驶落地解决方案依然沿用了百度单车+协同的思路，并和其他大厂通过合作建立起关系，参与这场探险。

三、勇敢者的游戏

没有石头可摸，也许是车路协同所有玩家的共同感受。

一是在世界范围内，车路协同还没有成功的案例，也没有在行业内建立起统一的标准；二是对于投身的大厂来说，这和过去国内互联网既有的消费生态不同。车路协同代表了技术和产业上的深度融合，高难度决定了它一直是属于勇敢者的游戏。

商业逻辑方面，和短期内依靠软件不断涨价的自动驾驶系统不同，自动驾驶的方向制定背后是整套软件系统的更新，而车路协同的方向虽然好定，但是商业化落地却很难。

与之对应的，虽然有新的解决方案一直在被提出，但是却很难判断具体方案的正确性，在高昂的试错成本和相对复杂的产业协同的影响下，现在的车路协同仍然在感知协同上踏步，在封闭性的试验园区中实现无人化。

整体性就像是一把双刃剑，成在协同，败也协同。多方合作下带来了信息的丰富，但也带来了比单车智能更多的影响因素。无论是车侧智能和路侧智能的发展，都受到来自不同方面的桎梏，例如公路智能化改造的进展、国内不同地域间的路况差异以及相关地图与定位的精度都会影响车路协同的落地效果。不论是车还是人，都会带来更换成本上的压力，比如：高性能激光雷达的革新换代，车队用户或者是个人消费者付费意愿和转换成本。

这些因素共同决定了不同方案初始投资的高低、投资回报期的长短，以及投资的经济性，从而影响了技术和成本在车侧和路侧的分配方案与演进路线。

规模化是商业化落地的第一步，但对于车路协同来说，问题不再仅仅和车辆搭载什么功能有关，道路硬件是否满足硬性需求，车联网云端上的通信支持也变的更加复杂。正如过去最初的红绿灯建设、道路监控联网逐渐得到普及一样，让传统的路面信息实现交互，本质上是一场基础设施的全面革新，也注定了这不是企业一个人的赛场，在政府的顶层设计，交付企业协作研发，这其中小企业的承接能力也面临着考验。

比起汽车厂商间对于自动驾驶的追逐和博弈，车路协同领域的竞争还没有走向白热化阶段的原因也很类似：场景的实用化需求以及道路交通的复杂程度为车路协同带来的难题，也并不是依靠某家公司一力就能解决。车侧智能和路侧智能最终的融合状态是怎样的？何时达到？如何演进？这些问题都需要产业链上的玩家们协力解答。

种种关于未来的设想中，车路协同所带来的想象空间，也随着更多玩家的加入变得丰富，就像马斯克在推特上点赞智能红绿灯，“聪明的车”+“智慧的路”之间本不存在隔阂，在智能化的大趋势下，先有车还是先有路，答案早就没有了意义。

作者：阮雪；编辑：桑明强；公众号：新眸

本文由 @新眸 原创发布于人人都是产品经理，未经许可，禁止转载。

题图来自 Unsplash，基于CC0协议。