车路云一体化表面

车路云一体化零碎，又称为车路云一体化融合控制零碎或智能网联汽车云控零碎，是通过新一代信息与通讯技能将人、车、路、云的物理空间、信息空间融合为一体，基于零碎协同感知、决议与控制，完成智能网联汽车交通零碎安全、节能、舒适及高效运行的信息物理零碎。车路云一体化以“智慧的车+伶俐的路+融合的云”为基础架构，以高精地图、导航定位为支持，融合信息安全、大数据、AI等关键技能，是未来交通完成高等级主动驾驶的重要途径。

我国汽车工程学会等 图表1：车路云一体化零碎架构

车路云一体化零碎中的构成部分正在日常运行中会举行多方数据流转，如云控平台会将路侧/车侧采集到的数据举行处理、决议并反应，具体数据交互双方可包含车-路、车-云、路-云、云-云等。车路云一体化无望正在驾驶业务和交通管理两大范畴施展重要感化。

国度智能网联车立异中心等《智能网联汽车“车路云一体化”范围建设与应用参考指南（1.0版）》 图表2：车路云一体化零碎数据交互示意图

展开盈余 91 %

车路云一体化政策驱动

——车路云一体化相关政策汇总

比年来，我国相继出台了多项政策，重点支持“车路云一体化”发展，涵盖“汽车强国”、“交通强国”和“数字我国”等范畴。2023-2024年，随着几份重要文件的公布，车路云一体化进入全面统筹和大范围落地建设阶段，智能交通被建立为“新基建”的核心支柱。政策支持首要集中正在加快车联网基础办法建设、推动车联网技能的贸易化应用以及促进5G、V2X等前沿技能的研发与应用，同时加强信息安全保证措施，推动产业快速发展。

图表3：我国车路云一体化相关政策梳理（一）

图表4：我国车路云一体化相关政策梳理（二）

——车路云一体化乡村应用试点

目前，全国已公布20个“车路云一体化”试点乡村，但各乡村途径没有尽相同。例如，依托政治中心优势，能够正在政策上举行领先突破；团结本地政府、企业、协会等多方气力，打造尺度体系，也能够正在技能尺度上领跑。未来，随着更多的乡村和新的区域加入到车路协同应用落地的行列中，乡村管理者及帮忙运营方，应该明了本地产业基础、找准特色优势，选择适合本区域发展的方向。

图表5：车路云一体化的落地正在乡村级形成多种形式

2024年7月3日，工业和信息化部、公安部、自然资源部、住房和城乡建设部、交通运输部团结公布了智能网联汽车“车路云一体化”应用试点乡村名单，包含北京、上海、重庆、鄂尔多斯、沈阳、长春等20座乡村。这一举措标志着我国正在智能交通范畴迈出了重要的一步，也为相关产业的发展带来了新的时机。

图表6：车路云一体化应用试点乡村名单

车路云一体化技能必要性

——车路云一体化提升个体智能功能显示

车路云一体化主动驾驶是正在单车智能主动驾驶的基础上，借助C-V2X和4G/5G通讯技能，将“人-车-路-云”交通要素无机地联系正在一起，完成车与车（V2V）、车与门路（V2I，首要指门路各类零碎和设备办法，如感知办法、气象检测器、状态监测设备、交通引诱与控制办法等）、车与云（V2N，地图平台、交管平台、出行办事平台等）和车与人（V2P）等的全方位协同配合（如协同感知、协同决议计划、协同控制等），从而满足没有平等级主动驾驶车辆应用需求（如辅助驾驶、高等级主动驾驶），完成主动驾驶单车最优化和交通全局最优化发展方针。

图表7：主动驾驶车辆与没有同交通要素之间的关系

——车路云一体化弥补单车智能的感知局限性

同时，因为单车智能正在视野、视距、视效、信息获取等方面存正在“感知局限性”，还面临算力物理上限、安全性威胁等问题。为完成更高效、全方位、超视距的感知，车路协同是目前存正在可完成性的弥补式解决计划。通过网联赋能，将车与人、车与车、车与网、车与基础办法联结，完成汽车的协作式、主动化与网联化，从而弥补单车智能技能的没有足，进而减少交通事故、提高交通服从。

图表8：车路云一体化通过网联化弥补单车智能的感知局限性

——车路云一体化加强个体智能体的感知本领

单车智能存正在感知局限有限、易被遮挡、受环境和光线影响较大、难以展望等没有足，而路端和云端感知能够充分施展感知局限广、长时间一连观察、简单工程化等优势，与车端感知举行感知互补，完成遮挡、超视距、消息态盲区等协同感知，从而提升车辆的感知本领。车路云一体化零碎的车端、路端和云端同时具有感知本领，都能够作为主车的感知信息源。主车周围车辆可通过V2V方式举行感知共享，路端感知零碎和办法可通过V2I举行感知共享，云端平台也能够施展数据优势，通过V2N方式举行数据共享，所有感知数据汇聚正在车端举行融合处理，得到最终感知结果信息。

图表9：车路云一体化通过协同感知加强个体智能体的感知本领

车路云一体化数据上车五阶段

车路云一体化的核心价值正在于将路侧数据实时赋能车辆决议，基于行业当前存正在的"数据质量差、时延高、车路协同难"几大问题，应当通太高质量数据采集和低时延、高通量的收集架构，促进数据实时传输到车辆，完成协同感知和协同决议。根据路侧数据上车的技能成熟度，行业参与者可分为五类，对应数据上车的五个阶段，其中蘑菇车联为代表的企业正在这一范畴领先，乐成推动了车路云技能的发展，进入了数据上车最高级阶段。

图表10：车路云一体化实时数据上车五阶段及代表厂商

车路云一体化产业图谱

车路云一体化产业图谱涵盖多个关键环节，形成了跨范畴的生态零碎。首要环节包含车端（车载感知、主动驾驶解决计划等）、路端（路侧感知、交通讯号控制、收集基站等）、云端（数据处理和AI算法、数字地图等）。应用处景包含伶俐公交、主动停车、乡村物流等，推动智能交通应用落地。同时，乡村监管、建设部门及项目运营商如武汉车谷乡村发展集团的参与，确保了政策支持和技能实施。各环节的协同合作和技能整合是推动车路云一体化发展的关键。

国度智能网联车立异中心等《智能网联汽车“车路云一体化”范围建设与应用参考指南（1.0版）》 图表11：车路云一体化产业图谱

车路云一体化市场范围

车路云一体化涉及汽车、交通、通讯等产业范畴，市场渗出率加快，市场范围巨大。具体来看，我国伶俐交通市场范围当前约4亿元，至2030年快速发展并估计超过6.5万亿元。根据赛迪的数据，2022年我国智能网联车市场范围靠近6000亿元，随着智能网联技能的前进，产品迭代升级与遍及率的提升，2030年无望突破5万亿元。我国车联网市场范围呈快速发展趋向，估计2030年将突破2万亿元。估计到2030年，“车路云一体化”相关市场范围超14万亿元，市场范围巨大。

图表12：2021-2030年我国车路云一体化市场范围体量情况阐明（单位：亿元，万亿元）

车路云一体化痛点阐明

当前车路云一体化的核心痛点是技能割裂、生态聚集与成本失衡。技能上，企业缺乏跨层整合本领，导致路侧数据与车端需求脱节。生态上，车企与路侧厂商尺度没有一致，协作壁垒加剧。成本上，硬件部署和车端改造用度太高，限制了范围化应用，难以形成贸易闭环。综上阐明，需要全栈企业通过“数据闭环+生态绑定+成本重构”破局。

图表13：我国车路云一体化行业痛点阐明

车路云一体化竞争格局

正在车路云一体化的促进过程中，各方都正在积极探索与立异。硬件厂商如华为和海康威视等正在核心设备范畴积累了技能优势，未来提升跨层次协同与零碎联动将成为关键；互联网公司如百度和阿里巴巴凭借强大的云计算本领，为平台建设奠定了基础，未来正在尺度一致和零碎适配性方面仍有较大空间；AI公司如商汤和旷视正在感知与决议范畴取得了明显造诣，未来可通过构建完整的数据闭环，可进一步提高算法应用的服从；车企和出行公司如滴滴和小鹏专注于垂直场景，未来可通过提升技能灵活性和跨场景适应性，推动技能正在更广泛范畴的快速落地和应用。

车路云一体化各个环节都有领先企业布局，但各层之间缺乏有效的协同与数据共享，零碎和技能的整合难度大，进而增加了实施和运营的成本。正在此背景下，破局的方向是通过具有全栈本领的企业打通设备层、零碎层、算法层和应用层之间的壁垒，完成从硬件到云平台、从算法到应用处景的深度整合，借助AI收集的全局认知本领，完成从硬件到云平台、从算法到应用处景的深度整合。以蘑菇车联为代表的企业，通过其自主研发了环球首个深度理解物理世界的AI大模型MogoMind，具有多模态理解、时空推理与自适应退化三大核心本领，深度整合物理世界实时数据，通过AI认知收集驱动的伶俐交通基础办法，提供零碎层、算法层到应用层的整体解决计划，冲破传统的层次边界，推动车路云一体化的高效协同和低成本落地。

图表14：蘑菇车联为例的车路云一体化整体解决计划

将首要竞争者列入一个矩阵图，通过“技能深度”和“场景广度”两个关键维度来精准定位各大企业的市园职位。其中，横轴的“技能深度”衡量企业正在设备、零碎、算法和应用层的技能整合本领，反应其自研技能占比和跨层协同本领；纵轴的“场景广度”则衡量企业解决计划覆盖的行业场景数量及通用性，特别是其正在跨行业和跨乡村的应用本领。基于这两个维度，企业能够被分别为四个象限：第一象限（右上角）是全栈领导者，技能深且场景广，典范代表是蘑菇车联、百度，华为等，其中蘑菇车联凭借多场景闭环本领综合领先，华为强正在设备与零碎层整合，百度则以算法与场景协同见长。第二象限（左上角）是场景专家，场景广但技能较浅，如高德地图、滴滴；第三象限（右下角）是技能专家，技能深但场景较窄，代表企业如海康威视、商汤科技、千方科技；第四象限（左下角）则是单点追随者，技能与场景覆盖均较为有限，多为中小算法初创公司。综合来看，蘑菇车联与百度、华为形成“技能-场景”差异化竞争三角，配合推动行业从单点突破向生态整合演进。

图表15：车路云一体化竞争格局矩阵图

车路云一体化发展趋向

我国车路云一体化的核心矛盾正在于数据价值未被充分释放，未来需通过技能全栈化、政策尺度化、生态开放化，推动行业从“设备堆砌”转向“数据驱动”。蘑菇车联的理论表明，只要通过AI收集打通“路-车-云”全链条，完成实时数据闭环，才能为智能交通与社会管理创造真实价值。

从整体发展趋向来看，技能上，AI收集深度耦合路侧感知、云端决议与车辆执行，解决协同低效问题，并推动路侧数据实时上车。政策上，推动数据尺度化和AI收集正在智能交通中的应用，支持跨区域数据协同。生态方面，车企与路侧厂商合作，基于AI收集构建可持续生态闭环。市场上，全栈计划低落成本，加快L4级主动驾驶落地，AI收集衍生办事为车企和物流提供订阅式AI办事，推动价值创造转型。

图表16：车路云一体化发展趋向阐明

公布于：广东省