作者 / 华卫
「美国仍然在单车智能方面遥遥领先，而中国正在通过车路协同换道超车。到2025年底，车路协同将突破99.999%的安全性要求，远远地超越单车智能。」
8月10日，中智行创始人&董事长、天翼交通总经理王劲正式对外介绍了其与天翼交通联合开发的「轻车·熟路」车路协同自动驾驶系统。据悉，这是全球首次在遮蔽车端全部传感器、纯依赖路端感知的情况下，以轻量化自动驾驶车和高级别全息智能道路，实现城市级公开道路上长距离长时间的L4级别自动驾驶。
在王劲看来，当前的自动驾驶依旧面临安全性、效率及经济性三大困扰，而车路协同具有五个可应对的技术优势：空间连续、时间连续、认知升级、数据升维和算力优势。为此，中智行当天围绕车路协同方案开展圆桌对话，五位分别来自「政产学研用」界的嘉宾对中国智能网联产业的未来画像进行了解读。
此外，王劲首次提出「数字化运营」自动驾驶与智慧交通的理念，表示中智行与天翼交通将基于新一代车路协同架构，通过数字化运营实现技术突破，并打造可落地的商业模式。
意将成本从5万降至5千
单车智能方案中，大量的传感设备及计算单元都在车上堆砌，存在车辆成本高、系统较为复杂的问题。「取消最贵的激光雷达」，这是王劲提出的解法。
据了解，中智行的「轻车」，是指让自动驾驶车辆在智能硬件配置上实现轻量化，仅使用具备L2级别的车端传感器配置，去除成本高且安装复杂的激光雷达等传感器阵列、大算力处理器芯片以及其他相关的辅助设备，通过降低硬件配置来减轻单车负担，进而缩短车辆交付周期，降低量产难度。
王劲表示，原本车端需达到2000TOPS的算力，把激光雷达移到路端后，只在车上保留50TOPS的算力、在路端保留500TOPS的算力即可。路端仅放500TOPS当然是不够的，但其能从中央数据中心获得几乎无限的支持算力，这是路端算力对车端算力的碾压式优化。
「中智行的目标是把今天要五万元以上才能量产的单车智能设备降一个数量级，降到5000元上下，让主机厂能够迅速将无人驾驶车投放到市场进行前装量产」，王劲称。
「轻车」完成了，「熟路」怎么实现的呢？以下是天翼交通所做的工作。
第一，是全息化。天翼交通部署了时间和空间都全连续的全息化道路，实现无盲区和死角的路端感知，时间上可以保证5个9的可靠性；第二，是高置信。天翼交通开发的「熟路」系统具备高置信的感知和计算单元，可达到4个9的召回率和小于240毫秒的P99端到端延迟；第三，是真智能，天翼交通对系统进行了升维感知和意图理解能力构建。
此外，王劲指出，高置信的L4级别网联式自动驾驶要真正落地，需挪走三座技术大山：感知准确性、通讯可靠性、系统稳定性。据介绍，中智行的「轻车·熟路」系统在感知上实现了99.99%召回率、全路段厘米级的位置精度以及毫秒级的时间精度，通讯上引入5G切片保证了空口时延99分位（即99%的情况下)<30ms、端到端99分位延迟<240ms，稳定性上可支持7×24小时不间断的运行。
路测表现能否「轻车熟路」？
当天，中智行公布了一条遮掉所有车端感知、挑战L4级别自动驾驶的路测视频。画面中，中智行的自动驾驶测试车全程「盲开」，并经过公开道路上的人车混行、大型车、异型车混行等多个复杂场景。
系统离不开技术的支持，实现纯路端的L4自动驾驶涉及通信、感知、稳定性一系列技术问题，需要车和路作为真正的有机体配合起来。中智行副总裁密叶舟以两个典型场景为例详细介绍了「轻车·熟路」系统的技术优势。
场景一中，前车在行驶过程中突然在主干道上减速，按常理来说，后方的自动驾驶测试车这时会有一个动态的盲区。然而，视频中中智行的这台车在受到前车遮挡后马上重新做了路径规划，提前开始变道避让了前方车辆。
密叶舟介绍，这是因为他们在系统中做了超视距感知，可以解决多种动态盲区问题，从而有效提升自动驾驶车辆的安全性。
场景二中，右转车道被其他车辆占用，无法判断其临停意图及时间。一般碰到这类情况，人类驾驶员的应对方法也有所区别，新手司机往往会去绕行，而老司机会直接借道通过。视频中，中智行的测试车采取的正是老司机的做法。
密叶舟表示，这是因为他们的系统提前200米就借助路端感知察觉到前车停留时间异常，并发出车道占用预警。
车路协同是否是破局之道
近几年，鲜少听到以Waymo为主走单车智能路线的自动驾驶企业有重大的技术突破，单车智能方案似乎遭遇了发展瓶颈。那么，车路协同能否成为当前自动驾驶破局的解药？
中国信通院技术与标准研究所主任葛雨明表示，相较单车智能，车路协同主要有三个方面的优势：一是感知的延伸，其弥补了单车智能在感知上存在的一些盲区；二是算力方面，除把车上的算力去掉，车路协同还可以把云端的算力拉到边缘端来做；三是在意图上，单车智能是无序的状态，好比行人在没有红绿灯下的情况下横穿马路，车路协同则具有汇聚的道路和行人信息。
清华大学苏州汽车研究院院长助理戴一凡则谈到，随着场景的丰富，单车智能遇到的边缘场景会越来越多，面临的技术挑战和产生的边际成本也随之增多。在此情况下，车路协同的补充作用会越来越明显。
「车路协同技术有助于自动驾驶的降本增效，在感知、预测、决策和规划等上也更有帮助；另外，从智能化程度的角度讲，车路协同可以很大程度上加速自动驾驶的发展进程。」这是天翼交通副总经理李军的观点。
先导产投董事长王佳利认为，单车智能解决的是单体智能的问题，而车路协同把单体智能带向了群体智能，最终可以解决全局优化的问题。
尽管车路协同被不少行业人士看好，但其面临的难题依旧无法回避，这也是当前车路协同还未进行大规模商业化的原因。
李军表示，路规级硬件、时延和稳定性都是车路协同的难点。以此次中智行发布的「轻车·熟路」系统为例，为实现5G网络在城市开放道路上的高实时稳定传输，他们做了基站的增补、网络的调优，并针对车路协同设计了专门的通讯协议。
葛雨明则认为，做车路协同需要考虑三个难题：第一是技术驱动还是需求驱动，第二是共性还是差异化，第三是复杂的解决方案和成本之间的平衡。
在戴一凡看来，数据的质量是车路协同的一大难题，包括准、快、真三个维度。要提升数据质量，一方面是通过正向的研发去提升感知精度、安全性和通信的稳定性，另一方面是要建立一整套测试评价设备和路的机制。
他表示，近期，车路协同的落地方向还是要选一些差异化的限定场景，比如大型园区、工厂、矿山和港口等。
