文：談擎說AI，作者：鄭開車

人類顛覆未來出行的野心從來都沒有被湮滅過。

在千禧年前夕的動畫片《飛出個未來》中，一千年后的世界里，交通“道路”被“管道”取代，未來人類出行成為了在管道中飛行；在《第五元素》中，2263年的紐約交通，不再拘泥于“地面”，懸空的道路上磁懸浮汽車高速行駛。

影視作品外的現(xiàn)實(shí)生活里，今年何小鵬官宣的2024年量產(chǎn)“旅航者”，推動飛行汽車概念再度升溫，馬斯克也構(gòu)想出了未來的高速地下隧道，以解決當(dāng)前交通擁堵問題。

上天入地，是造車新勢力大佬們顛覆未來出行的野心展露，但這番想象力無疑與實(shí)現(xiàn)難度成正比。縱觀當(dāng)前汽車賽道，針對顛覆當(dāng)代交通這一課題，最多玩家布局的無疑是自動駕駛。

隨著如今自動駕駛向L4邁進(jìn)越來越多的瓶頸出現(xiàn)之際，車路協(xié)同的聲音開始升溫，而這真的會成為自動駕駛的最終希望嗎？

到底什么是車路協(xié)同？

在百度百科上，車路協(xié)同的英文名為Intelligent Vehicle Infrastructure Cooperative Systems（IVICS），然而這個詞在維基百科卻是找不到的。

進(jìn)一步找尋，談擎說AI又發(fā)現(xiàn)了一個有趣的現(xiàn)象，當(dāng)前網(wǎng)上不少提供車路協(xié)同解決方案的企業(yè)官網(wǎng)上，都給車路協(xié)同的英文名稱定為了“V2X”。那就簡單了，找一下“V2X”究竟為何意問題不就解決了？

據(jù)維基百科，V2X意思是Vehicle－to－everything（直譯：車聯(lián)萬物），包括但不限于 V2I（車輛對基礎(chǔ)設(shè)施）、V2N（車輛對網(wǎng)絡(luò)）、V2V（車輛對車輛）、V2P（車輛對行人） 、V2D（車輛到設(shè)備）和 V2G（車輛到電網(wǎng)）。

但小擎我還是“Too Naive”，百度百科里，“V2X”意為“車用無線通信技術(shù)”，再用谷歌翻譯查詢一下“V2X”的釋義，谷歌卻給出了“車聯(lián)網(wǎng)”的解釋。

看到這里，我已經(jīng)像是身處呂秀才“我是誰”這一哲學(xué)問題下無所適從的姬無命。車聯(lián)網(wǎng)和車路協(xié)同到底誰是V2X？還是誰都不是？那他們到底是什么？

一個如今日漸升溫的賽道上，連概念都能夠在全網(wǎng)如此不具象，這不禁讓人想到了像是一個筐的元宇宙概念，使得我們在有生之年看到了Facebook（改名Meta）和蜜雪冰城（注冊“雪王元宇宙”商標(biāo)）一同布局的魔幻現(xiàn)實(shí)。

其實(shí)在談擎說AI的理解中，“車路協(xié)同”這一概念是致力于從更宏觀的視角切入來實(shí)現(xiàn)無人駕駛，其看似對立的路線是單車智能，通過將“車、路、云”連接的方式，目的是和智能汽車作協(xié)同一起實(shí)現(xiàn)無人駕駛的終極目標(biāo)。也因此，V2X的定義應(yīng)該是更加準(zhǔn)確的。

既然對這個詞有一定理解，那再計較這個詞的定義各方說法不同，頗有些缺失羅永浩老師口中的“大局觀”，但其實(shí)這一詞本身的定義現(xiàn)狀，就給人了一個當(dāng)前車路協(xié)同賽道管中窺豹式的初印象，即車路協(xié)同的現(xiàn)階段發(fā)展正是像這個詞本身一樣稚嫩和模糊。

誠然，像談激光雷達(dá)就繞不開馬斯克的純視覺路線，提到了車路協(xié)同，就不得不提一下其最廣被討論的對立面，單車智能。

如今通過單車智能路線來布局自動駕駛的玩家，可以說是從元老級的Waymo、Apollo到初創(chuàng)獨(dú)角獸小馬智行、Momenta再到車企特斯拉、蔚小理，幾乎無所不包。

就像是在視覺路線上與全世界作對的馬斯克，車路協(xié)同的對立陣營基本囊括了當(dāng)前自動駕駛賽道上的所有主要玩家。

盡管車路協(xié)同在當(dāng)前毫無疑問是一個小眾之選，然而存在即有合理性，以當(dāng)前車路協(xié)同賽道上較為頭部的獨(dú)角獸玩家蘑菇車聯(lián)為例，天眼查信息顯示，近年來其融資節(jié)奏雖算不上密集，但也仍有著稱得上豪華的投資陣營站隊。

尤其值得注意的是，今年九月，離A輪輸血結(jié)束已經(jīng)接近三年的蘑菇車聯(lián)終于再次得到了最新的戰(zhàn)略融資，談擎說AI認(rèn)為，這主要得益于當(dāng)前車路協(xié)同路線的一個突破口已經(jīng)出現(xiàn)，即有望沖出單車智能的現(xiàn)存瓶頸，具體原因我們可以進(jìn)一步從單車智能中找到。

單車智能的“感知局限性”

單車智能，顧名思義，即在汽車智能化方向下功夫，用一個裝在車內(nèi)的智能化系統(tǒng)來接替?zhèn)鹘y(tǒng)駕駛員的工作，讓汽車變“聰明”，從而實(shí)現(xiàn)自動駕駛。

但我們不可否認(rèn)的一個事實(shí)就是，即便是天賦和資歷條都拉滿的人類駕駛員，也不能百分百保證可以避免車禍發(fā)生，這也反映出了單車智能終將面臨的瓶頸。

談擎說AI認(rèn)為，當(dāng)前單車智能主要存在以下兩個愈發(fā)凸顯的局限：

視野局限：

智能汽車感知硬件系統(tǒng)無論是攝像頭還是雷達(dá)，都是基于生物感官的產(chǎn)物，且都搭載在車端，這就必然會有“盲區(qū)”現(xiàn)象存在，即便系統(tǒng)再智能，也僅能在視覺范圍內(nèi)做出快速精確的決策，這就導(dǎo)致“鬼探頭”這樣人類司機(jī)往往難避免的現(xiàn)象，單車智能同樣很難避免。

比如對一輛高速行駛的智能汽車而言，視覺盲區(qū)內(nèi)突然竄出一個物體，由于慣性的客觀存在，系統(tǒng)無論是做出急剎還是繼續(xù)行駛的決策，都很難避免事故發(fā)生。

視效局限：

當(dāng)前智能汽車感知硬件往往是多管齊下，即便走純視覺路線的特斯拉，也都搭載了一定數(shù)量的毫米波雷達(dá)，而像是小鵬P5，更是有激光雷達(dá)、攝像頭、毫米波雷達(dá)。

這主要是因為環(huán)境干擾，就比如在黑夜，攝像頭感知能力變差，雷達(dá)就派上了用場。然而這樣的組合式環(huán)境風(fēng)險規(guī)避如今也已經(jīng)出現(xiàn)了局限性。

就比如雨雪天氣，雨雪遮擋了攝像頭或是雷達(dá)設(shè)備，將會在一定程度上影響到整車的自動駕駛行為決策。

不難發(fā)現(xiàn)，單車智能當(dāng)前愈發(fā)凸顯的兩個問題，絕非是能夠通過不斷提升單車智能化程度就可以解決的，而是需要進(jìn)一步彌補(bǔ)“視覺”這一感官層面缺陷來實(shí)現(xiàn)。

如何彌補(bǔ)呢？有網(wǎng)友調(diào)侃，“捅根長桿子，讓視覺感知設(shè)備在周圍環(huán)境里保持最佳高度，啥都能看見。”

但畢竟是調(diào)侃，一輛頂著五六米高桿子的車怎么能過隧道？真的有人會愿意購買這樣一輛車嗎？這樣的思維模式無疑是線性的。

而從古至今任何具有顛覆性的思維往往是非線性的，就比如曾經(jīng)人們嫌馬跑得太慢，并不是去養(yǎng)出跑得更快的馬，而是發(fā)明了汽車。

在單車智能出現(xiàn)瓶頸的當(dāng)下，車路協(xié)同無疑是一個非線性解決方案的代表。

車路協(xié)同的“遞進(jìn)式衍生”

在和幾個朋友探討車路協(xié)同究竟能幫助單車智能解決什么問題時，一位自動駕駛工程師給我們通俗地講述了他自己的見解：

“車企不能隨意給汽車加裝像機(jī)械式激光雷達(dá)那樣夸張的大物件來保障汽車視野足夠大，但倘若這樣的感知設(shè)備是裝在路邊的，那大一點(diǎn)其實(shí)也就無所謂了。在汽車經(jīng)過時，路邊視覺裝置所探測到的信息能夠瞬間傳輸?shù)狡�車�?nèi)，供車內(nèi)智能系統(tǒng)做出決策，那世界上就再也沒有‘鬼探頭’了�！�

誠然，當(dāng)前的單車智能，感知裝置研發(fā)其實(shí)是一定程度上在“戴著鐐銬跳舞”，囿于整車體積等諸多限制，車路協(xié)同是一個存在可實(shí)現(xiàn)性的彌補(bǔ)式解決方案。

但是在事后的整理中，談擎說AI發(fā)現(xiàn)了這位工程師朋友所言的完整性在于，其總結(jié)出了車路協(xié)同的四個缺一不可要素，即車端、路端、云端和傳輸能力。也因此，想要實(shí)現(xiàn)車路協(xié)同，并非在路上裝感知設(shè)備就能夠?qū)崿F(xiàn)，四者能否協(xié)作發(fā)展，才真正決定了車路協(xié)同的發(fā)展前景。

盡管車路協(xié)同在理論上是可以突破單車智能“感知局限”瓶頸的，但當(dāng)前賽道大部分玩家仍是在走單車智能的路線。談擎說AI認(rèn)為，這主要是出于以下幾個方面的原因：

思維

我們先從思維層面來看，單車智能是一個“主觀制造”思維，我想要實(shí)現(xiàn)自動駕駛，我自己研發(fā)，采購必要的硬件，然后自己造一個獨(dú)立裝置出來。這不會產(chǎn)生大量的協(xié)同作業(yè)壓力，自己練兵，自己作戰(zhàn)。這無疑是一個加厚企業(yè)壁壘的路線。

而車路協(xié)同則更像是“宏觀協(xié)配”思維，我想要實(shí)現(xiàn)自動駕駛，我從公共設(shè)施切入，不需要把技術(shù)局限在一輛整車上，道路有多寬敞，我的自由度就有多寬敞。但我的研發(fā)產(chǎn)物同時將讓所有競爭對手受益。與此同時，前期的研發(fā)、政策、法規(guī)等等破冰行動，都需要我來協(xié)調(diào)。在這條路線上，企業(yè)更像是在做“慈善”。

雖然車路協(xié)同解決無人駕駛終局問題的優(yōu)勢大于單車智能，但不難發(fā)現(xiàn)，這是一件投入產(chǎn)出比不明晰的事情。也因此，在蘑菇車聯(lián)已經(jīng)與部分城市在智慧交通領(lǐng)域達(dá)成合作時，廣汽新能源總經(jīng)理古惠南卻表示，在現(xiàn)階段把道路復(fù)雜化容易“勞民傷財”。

畢竟車路協(xié)同也需要單車智能化水平達(dá)到一定高度才可以實(shí)現(xiàn)，而且當(dāng)前的單車智能規(guī)�；�水平普遍仍在L2，仍有發(fā)展空間，這也是為何最早的布局者特斯拉、Waymo等在當(dāng)年都紛紛選擇了單車智能路線，到如今也仍在堅持做。

職責(zé)

車路協(xié)同的設(shè)備研發(fā)和制造安裝成本，誰來投入？投入后如何產(chǎn)出？以現(xiàn)有認(rèn)知來看，當(dāng)前蘑菇車聯(lián)與衡陽、鶴壁等城市已經(jīng)達(dá)成了部分合作，可以說是在一定程度上解決了部分問題。

然而車路協(xié)同并非簡單的兩兩合作就可以解決的。相關(guān)的網(wǎng)絡(luò)、供電、運(yùn)維如何保障，又由誰在后續(xù)去負(fù)責(zé)相關(guān)物業(yè)？投入頗大，產(chǎn)出在哪里？這些問題都是在這條路上必然需要面臨的。

不難發(fā)現(xiàn)，車路協(xié)同不僅是需要造出更聰明的車，優(yōu)化更聰明的路，而且也需要協(xié)同諸多產(chǎn)業(yè)。車路協(xié)同也牽扯到了諸多交通、法規(guī)要素，似乎遠(yuǎn)不是一家企業(yè)之力就能夠掌控的，不僅是需要各地政府部門、電信運(yùn)營商、云服務(wù)供應(yīng)商等部位協(xié)同，也必然離不開國家的強(qiáng)干預(yù)。

這就意味著單車智能的布局往往是聚合式的，一個企業(yè)，一個項目，集中火力投入。而車路協(xié)同的布局則像是碎片式的，需要一個統(tǒng)一戰(zhàn)略的制定者，當(dāng)前企業(yè)們面臨無從下手的困局，即便當(dāng)前蘑菇車聯(lián)已經(jīng)與部分城市建立了初步合作，然而整個概念似乎時有點(diǎn)像由于單車智能“感知困境”出現(xiàn)而劇烈升溫的。

就像曾經(jīng)的Waymo估值已從最高點(diǎn)的近2000億美元斷崖式下跌到如今300億美元左右。任何劇烈升溫的賽道出現(xiàn)，往往需要用一份冷思考去看待。在諸多待攻克的難題面前，蘑菇車聯(lián)們雖然給出了一個單車智能瓶頸的新解法，但真正想要落地也同樣道阻且長。

規(guī)模

理論上來講，一件產(chǎn)品或是技術(shù)往往需要經(jīng)歷了商業(yè)化、規(guī)�；�之后，才能實(shí)現(xiàn)技術(shù)的迭代，從而進(jìn)一步擴(kuò)大商業(yè)化，往復(fù)循環(huán)，這是一個技術(shù)經(jīng)久不息迭代的必備前提。

其實(shí)不難發(fā)現(xiàn)，整個汽車電氣化變革浪潮里，這樣的現(xiàn)象并不少見。

一個最明顯的例子就是智能化一定是更適合電動汽車嗎？答案是否定的。眾所周知當(dāng)前汽車變革有兩個風(fēng)口，一個是電氣化，一個是智能化，兩個風(fēng)口本質(zhì)上并沒有什么聯(lián)系，只不過碰巧在同一時空相遇。

也因此，既然電動汽車是未來的大趨勢，那么智能化又何必在燃油車上浪費(fèi)時間呢？隨著特斯拉、蔚小理等一眾玩家都將智能化搭載到電動汽車上，自然就拉動了規(guī)模效應(yīng)。

回到主題，雖然車路協(xié)同一個設(shè)備可以服務(wù)眾多路過的機(jī)動車，單車智能就顯得前期成本更高，但做單車智能的玩家占主流就拉動了規(guī)模效應(yīng)，前些年單車智能的諸多短板與高成本都在這兩年被不斷解決，這樣的規(guī)模成本和技術(shù)沉淀優(yōu)勢，同樣是車路協(xié)同玩家們當(dāng)前所不具備的。

寫在最后：

關(guān)于車路協(xié)同還有最后一個問題：既然現(xiàn)有認(rèn)知內(nèi)，光依靠單車智能基本不可能在未來實(shí)現(xiàn)絕對的無人駕駛，那么為何還有那么多玩家要“死磕”？

談擎說AI認(rèn)為這主要是因為單車智能的終點(diǎn)并非在L5無人駕駛，而是在L4自動駕駛。

關(guān)于單車智能，業(yè)內(nèi)一直都有一個“攀登珠峰，沿途下蛋”的比喻，在技術(shù)不斷發(fā)展的過程中，只要無法解決當(dāng)前的“感知局限”，就算是單車智能到了珠峰頂也無法達(dá)到L5無人駕駛，但L4的ODD大量場景則可以打通，底層的數(shù)據(jù)積累都是可以大量在ODD場景間復(fù)用的。

因此，談擎說AI認(rèn)為，以現(xiàn)有認(rèn)知來看，車路協(xié)同是走向L5終局必不可少的一步。但當(dāng)前的車路協(xié)同難就難在“破冰”，只有單車智能走到了一個在技術(shù)、規(guī)模、成本、效能都較為飽和的位置，市場和行業(yè)的整體導(dǎo)向才能夠進(jìn)一步倒逼車路協(xié)同快速發(fā)展。

在單車仍沒有那么“聰明”的今天，車路協(xié)同可能一直會是一個相對小眾的賽道，我們?nèi)孕枰�向著L4攀峰。在此之前，蘑菇車聯(lián)們也許仍需要挺過寒冬。

Ps：談擎說AI，左拐新能源汽車，右拐智能駕駛，有深度，有溫度，作者鄭開車，轉(zhuǎn)載請保留版權(quán)信息。