数据驱动时代：“车路云一体化”加速自动驾驶商业化进程

行业主要公司：华为、百度、蘑菇车联等

本文核心数据：自动驾驶技术发展历程、数据闭环关键环节

自动驾驶从“规则驱动”进入“数据驱动”时代

——自动驾驶技术架构演变历程

根据2023(第七届)高工智能汽车年会上发布的《自动驾驶3.0时代，大模型重塑汽车智能化技术路线》，目前我国的自动驾驶已经进入了3.0时代。

自动驾驶的1.0时代是硬件驱动，主要依靠激光雷达和人工规则的认知方式提供自动驾驶方案;2.0时代是软件驱动，特点是传感器单独输出结果，用小模型和少数据的模式提供自动驾驶方案;3.0时代是数据驱动时代，采用多模态传感器联合输出结果，用大模型大数据的模式提供自动驾驶方案。

根据我国国家标准《汽车驾驶自动化分级》(GB/T 40429-2021)，目前汽车的自动驾驶仍处于L2“部分自动驾驶”和L3“有条件自动驾驶”的阶段。

——软硬件是“规则驱动”核心要素

在自动驾驶1.0与2.0时代，各类硬件设备和内嵌软件是车辆自动驾驶的核心要素，其中硬件设备主要包括激光雷达、毫米波雷达、超声波传感器、摄像头等;内嵌软件则主要包括了定位算法软件、感知算法软件和规控算法软件三大类。

——海量数据与数据闭环是“数据驱动”核心要素

自动驾驶3.0时代与2.0时代相比，其开发模式和技术框架都将发生颠覆性的变革。在自动驾驶2.0时代，以小数据、小模型为特征，以Case任务驱动为开发模式。而自动驾驶3.0时代，以大数据、大模型为特征，以数据驱动为开发模式。在3.0时代，过去自动驾驶的核心软硬件基础将逐步统一并整合，逐渐演化为各类大模型。如控制算法将逐步演化为车端控制模型;感知算法将逐步演化为车端感知模型;规控算法将逐步演化为车/云端认知模型。

自动驾驶3.0时代，数据成为了自动驾驶的核心，在自动驾驶商业化快速落地实现的同时，自动驾驶数据的规模呈现指数级增长，因此如何更为高效得实现数据提取、处理、筛选、学习以推动自动驾驶技术发展成为了自动驾驶企业的新挑战，“数据闭环”概念应运而生。

数据闭环能力成为自动驾驶规模化落地关键因素

——数据闭环的关键环节

数据闭环是指从车的端数据采集，到处理后形成有效数据集，再通过云服务器进行存储、运输，经过算法模型训练、验证后，将有效数据成果部署上车，各环节相互连接，形成自动驾驶数据循环。

——数据闭环的发展历程

自动驾驶数据闭环从2013年开始初露头角，但由于当时仅有部分测试车上路，数据量较少，仅能实现简单的反馈循环机制。随着自动驾驶技术从L0迈入L2/L3，早期的数据闭环难以满足自动驾驶的需求，数据闭环从1.0迈向2.0，未来也将朝着更商业化的3.0迈进。目前我国的自动驾驶数据闭环正处于高效驱动升级的第二阶段，未来的数据处理能力和自动运转能力将大幅提升，商业落地效益更好，生态建设更完善。

——数据闭环的核心技术

随着数据量的激增，自动驾驶下的存储面临海量数据传输、数据处理、数据合规等问题，而为了解决此类问题，数据闭环内嵌了云平台、数据标注、仿真测试等功能。

——数据闭环的发展痛点

完整的数据驱动闭环是指从量产、采集车在路端实地采集的交通场景，通过技术手段还原成仿真场景，进入测试环节用于算法测试，再更新和升级量产车的过程。但在此过程中由于关键链路涉及多个环节与领域，当前行业内(包括数据采集商、软硬件供应商、车厂、算法公司等在内)尚未出现能提供统一视野、融合所有车的环节、一体化打通整条链路的产品或者平台。

“车路云一体化”加速自动驾驶商业化进程

——“车路云一体化”的概念

车路云一体化是通过新一代信息与通信技术将人、车、路、云的物理空间、信息空间融合为一体，基于系统协同感知、决策与控制，实现智能网联汽车交通系统安全、节能、舒适及高效运行的信息物理系统。车路云一体化系统充分融合了车端、路端、云端信息，实现车端、路端多源数据融合，数据规模更大，多样性更充分，通过堆叠数据集，支持AI大模型进行快速迭代。

——“车路云一体化”的发展历程

从2020年2月发改委、工信部等11部委联合印发《智能汽车创新发展战略》文件，表示到2025年，新车基本实现智能化，高级别智能汽车实现规模化应用，“人–车–路–云”实现高度协同;到2023年《国家车联网产业标准体系建设指南(智能网联汽车)(2023版)》，《公路工程设施支持自动驾驶技术指南》等政策的发布，近3年来中共中央、国务院、各部委累计出台包含自动驾驶、车联网(智能网联汽车)、车路协同、交通新基建等相关政策达30余项，全面支持“车路云一体化”自动驾驶的快速发展与落地。

——“车路云一体化”的优势

随着自动驾驶算法不断迭代，自动驾驶的发展正逐渐由“规则驱动”向“数据驱动”转化。自动驾驶的落地需要大量数据的支持，而车路云一体化方案，充分融合了车端、路端、云端信息，实现车端、路端多源数据融合，数据规模更大，多样性更充分，通过堆叠数据集，支持AI大模型进行快速迭代。同时以大模型AI为基础，车端、路端多角度，雷达、视觉等传感器联合工作，多模态共同输出结果，通过基于“大数据+大模型”的AI，海量大数据自训练，结合人类的驾驶常识决策，从而加速自动驾驶技术演化。

——“车路云一体化”解决方案

以项目落地能力角度看，百度、蘑菇车联与华为的特点各不相同。华为更侧重于构建智慧交通体系并落地多个城市;蘑菇车联强调“车路云一体化”，以自动驾驶、车路协同、智慧交通AI云平台的整套方案帮助城市打造智慧交通体系，加速与地方政府合作打造智慧城市与智慧交通;而百度则是“单车智能+网联赋能”路线的拥趸，以广州黄埔区开发区的智慧交通项目为代表。

蘑菇车联自研“车路云一体化”自动驾驶系统，应用了融合感知、融合决策控制、高精地图、高精定位、AI、仿真系统、云+边缘计算、实时大数据等前沿技术，能够深度融合自动驾驶+车路协同+AI云平台三大板块，可以满足不同场景、不同车型的需求，核心技术指标行业领先。

——“车路云一体化”的市场规模

车路云一体化涉及汽车、交通、通信等产业领域，市场渗透率加速，市场规模巨大。具体来看，中国智慧交通市场规模当前约4亿元，至2030年快速发展并预计超过6.5万亿元。根据赛迪的数据，2022年中国智能网联车市场规模接近6000亿元，随着智能网联技术的进步，产品迭代升级与普及率的提升，2030年有望突破5万亿元。中国车联网市场规模呈快速发展趋势，预计2030年将突破2万亿元。预计到2030年，“车路云一体化”相关市场规模超14万亿元，市场规模巨大。

更多本行业研究分析详见前瞻产业研究院《中国无人驾驶汽车（自动驾驶汽车）行业发展前景预测与投资战略规划分析报告》。

同时前瞻产业研究院还提供产业大数据、产业研究报告、产业规划、园区规划、产业招商、产业图谱、智慧招商系统、行业地位证明、IPO咨询/募投可研、IPO工作底稿咨询等解决方案。在招股说明书、公司年度报告等任何公开信息披露中引用本篇文章内容，需要获取前 瞻产业研究院的正规授权。

更多深度行业分析尽在【前瞻经济学人APP】，还可以与500+经济学家/资深行业研究员交流互动。