“單車智能是智能交通的基礎，但存在局限性。”3月28日，中國工程院院士鄔賀銓在中國電動汽車百人會論壇（2025）上表示，“智能交通主要以單車智能作為基本單元，并融合了車聯(lián)網(wǎng)技術。在復雜路口、惡劣天氣、交通標志不清等情況下，單車智能難以發(fā)揮作用。此外，單車的雷達距離有限，存在視覺盲區(qū)，且配備成本較高，僅依靠單車智能難以具備大局觀，而車路云協(xié)同能夠?qū)崿F(xiàn)全天候運行，可簡化對車載和雷達的要求，實現(xiàn)全局性感知，并將周邊車輛和道路狀況反饋至汽車，同時有利于城市交管部門對全局的掌控?！?/p>

　　在鄔賀銓看來，車路云協(xié)同的關鍵在于數(shù)據(jù)。不過當前世界現(xiàn)有的算力水平難以滿足智能交通的需求。《中國經(jīng)營報》記者在現(xiàn)場了解到，在此次論壇，上，鄔賀銓提出了多項建議，涉及數(shù)據(jù)處理、九游中國體育 官方網(wǎng)站智能體應用、網(wǎng)絡建設等多方面內(nèi)容。為車路云一體化發(fā)展提供了全面且具有前瞻性的見解。其中，面對海量數(shù)據(jù)處理和算力要求，他強調(diào)，未來在自動駕駛領域也應更加關注算力的壓縮。

　　根據(jù)美國藍德智庫的數(shù)據(jù)，訓練L5級別的模型需要170億公里的數(shù)據(jù)，其中線小時不間斷行駛來計算，達到1億公里的路側(cè)數(shù)據(jù)量需要3.7年，且每輛車每秒由雷達、產(chǎn)生的數(shù)據(jù)量約為1GB，經(jīng)過數(shù)據(jù)壓縮后，一輛車行駛產(chǎn)生的數(shù)據(jù)傳輸量約為12GB。

　　根據(jù)鄔賀銓介紹，對于智能交通而言，每輛車至少需保留1GB的數(shù)據(jù)，以圖像數(shù)據(jù)為例，約為1億的token時延。在L4級別下，數(shù)據(jù)量可減少至20%—30%，L3級別可減少至10%—20%，即便在L3級別，數(shù)據(jù)量仍高達1億EB，不僅成本高昂，且難以獲取城市中極端的長尾場景數(shù)據(jù)。

　　目前，大部分交通數(shù)據(jù)中，僅有1%來自線%為仿真數(shù)據(jù)。為解決數(shù)據(jù)不足的問題，可以借助人工智能技術，通過改變光照、視覺、材質(zhì)，添加人為噪聲、障礙等方式變換場景，生成更多數(shù)據(jù)。

　　“交通數(shù)據(jù)標注需要一定的專業(yè)知識，標注成本較高，故而需要開發(fā)基于技術的標注方法來替代人工標注?！编w賀銓表示，“但完全依賴生成數(shù)據(jù)存在弊端，因為人工智能的數(shù)據(jù)不斷迭代，最終可能導致數(shù)據(jù)失效，因此原始數(shù)據(jù)至少應保留10%—20%。”

　　他還指出，智能駕駛對算力的需求與模型參數(shù)、訓練數(shù)據(jù)成正比，與訓練時長、GPU利用率成反比。雖然理論上訓練時長足夠長時對算力的需求會降低，但實際上訓練時長過長會導致GPU出錯，反而影響效率，因此無法單純依靠拉長訓練時長來降低算力要求。

　　同時，鄔賀銓認為，每個城市建設的車聯(lián)網(wǎng)城市云平臺所需的算力因智能駕駛程度而異。同時，具體算力需求取決于城市云所支持的車輛數(shù)量，另外車端同樣需要相應的算力，L2、L3、L4、L5級別車載算力的最低要求分別為4—10Tops更高的數(shù)值，L5級別需達到1000Tops（每秒一千萬億次的計算），目前尚無車輛能夠支持如此高的算力。

　　鄔賀銓表示，不同車端的應用能力需求不同，汽車不僅需要獲取行駛方向指示，還需能夠預見下一步動作的效果。此外，車端還需具備通信能力，支持車到車、車到路（PC5通信10毫秒接口）以及車到網(wǎng)絡的通信。同時，車載算力還需支持定位功能。

　　那么面對和算力挑戰(zhàn)，如何降低算力需求？如何壓縮算力？對此鄔賀銓以DeepSeek為例，闡述了一些可操作的方式方法。

　　他表示，人工智能的核心技術——生成式人工智能技術，其關鍵在于注意力機制。如輸入“我要找一本科普書”，需理解每個詞在句中的含義及相互關聯(lián)。

　　“DeepSeek簡化計算過程，著重考慮主語與其他詞、相連詞以及主謂之間的關系，減少計算量。此外，采用多頭注意力多維度核算，多維度并行時先壓縮再存儲，提升計算效率。同時利用知識蒸餾技術，如同老師提取書籍精華，學生無須復雜訓練。DeepSeek運用這些技術，顯著簡化計算能力?！彼f。

　　鄔賀銓認為，未來在自動駕駛領域，算力壓縮仍是重點關注方向。僅有模型不足以實現(xiàn)落地應用，大模型如同百科全書，其輸出質(zhì)量取決于所提問題，若問題不當，即便優(yōu)質(zhì)大模型也難給出滿意解答。

　　他表示，為降低大模型使用門檻，需將其部署上云，方便用戶使用并添加自身數(shù)據(jù)進行微調(diào)。另外，智能體在智能駕駛中發(fā)揮著重要作用，可將各類智能駕駛場景分解為多個智能體。每個智能體（AI Agent）具備記憶能力，能區(qū)分短時記憶（僅當時有用）和長期記憶（積累經(jīng)驗），基于記憶可分解任務，具備規(guī)劃和使用工具的能力，有效推動大模型在特定場景中的應用。

　　在網(wǎng)絡組織方面，鄔賀銓認為，已部署的5G高可靠、低時延網(wǎng)絡需電信運營商進行改造升級以適配車聯(lián)網(wǎng)。以往運營商間互聯(lián)存在時延問題，無法滿足車聯(lián)網(wǎng)要求，所以需建設運營商之間本地網(wǎng)的直連點。而且，傳統(tǒng)5G網(wǎng)絡無法為車聯(lián)網(wǎng)提供充足的確定性和低時延保障，需在城市重要路口將5G網(wǎng)絡升級至5G-A，確保確定性時延。

　　他指出，除5G網(wǎng)絡升級外，還需建設路側(cè)網(wǎng)絡（V2X網(wǎng)絡），該網(wǎng)絡涵蓋邊緣計算、車聯(lián)網(wǎng)城市云以及RSU等，無法由運營商獨自完成，需各方協(xié)同建設，且建設過程中可利用運營商已有的局域網(wǎng)、城域網(wǎng)和廣域網(wǎng)能力。

　　“關于V2X網(wǎng)絡建設，目前國家有20個城市試點，但各城市單獨建設存在標準不統(tǒng)一、碎片化、缺乏規(guī)?；约俺杀靖叩葐栴}。”鄔賀銓表示。

　　因此，他建議，應組建全國性的統(tǒng)一V2X運營商，由電信運營商、汽車企業(yè)、金融機構(gòu)、交通企業(yè)、市政公司等共同構(gòu)成。該運營商負責全國車聯(lián)網(wǎng)投資建設，可在全國統(tǒng)一規(guī)劃下，設立分中心負責部分城市建設，實現(xiàn)統(tǒng)一標準、規(guī)模部署和集中運營。經(jīng)測算，分兩期建設V2X網(wǎng)絡，總投資約4000億元（不包含運營商對現(xiàn)有5G網(wǎng)絡的改造投資）。

　　他認為，完成投資后，可實現(xiàn)2G以上公路（約56萬公里）全覆蓋，完成主要城市路口改造，支持L3級智能駕駛能力，使城市通行效率提升30%，降低交通事故發(fā)生率80%。九游中國體育 官方網(wǎng)站