全面变革征程中，智能网联汽车的技术演进、产业化路径仍有很多关键问题待解
随着技术的不断进步，智能网联汽车正逐步从单一交通工具向智能移动空间转变，带来汽车开发、制造、测试、应用模式等的全面变革，未来场景和社会效益十分广阔，前途远大。
然而，全面变革征程中，智能网联汽车的技术演进、产业化路径仍有很多关键问题待解。比如，智能化如何转型、网联化如何融合、产业生态如何构建。
在工业和信息化部、交通运输部、北京市人民政府联合主办的“2024世界智能网联汽车大会”圆桌环节，我们得到了答案。
圆桌汇聚了中国工程院院士、中国互联网协会专家咨询委员会主任邬贺铨，中国工程院院士、北京理工大学教授孙逢春，中国工程院院士、清华大学智能网联车辆与交通研究中心主任李克强，欧洲科学院院士、清华大学车辆与运载学院长聘教授曲小波四大院士。
在国际路联(IRF)智能网联自动驾驶委员会主席、中国车路协同创新联合体秘书长、美国威斯康星大学麦迪逊分校“维拉斯杰出成就”教授、ITS计划主任院士专家冉斌的主持下，四大院士围绕“智能网联汽车发展的关键技术和产业化”这一主题，就上述三大问题展开了深入探讨。
冉斌教授：当前，人工智能加速在汽车领域的应用，人工智能赋能自动驾驶、智能座舱的相关功能，特别是人工智能的三要素，算力、算法、数据，已经成为汽车领域技术的新焦点，下一步行业如何更快的加快人工智能在自动驾驶领域，特别是大模型技术的开发和应用，重点突破哪些关键性技术和产业化难题？
智能驾驶是人工智能优先应用的重要领域。不仅在云、网、路等基础设施方面发挥重要作用，更将深刻影响车载智能的发展。
其中大模型下沉到车端成为了一个重要趋势，也面临一些难题。例如，GPT大模型拥有上千亿甚至未来可能达到上万亿的参数，车端目前很难承载如此庞大的模型。为了实现车载智能，车端需要至少具备上千亿参数的处理能力，这要求芯片性能的提升以及大模型的压缩。但这些技术和硬件可能在未来一两年内就得到支持。
更大的挑战在于数据获取。智能驾驶所需的数据应该来源于实际道路行驶，但目前在开放道路上获取的数据仅占很小一部分，大部分数据来自封闭道路测试和仿真。然而，完全依赖AI迭代生成的数据可能导致模型出现幻觉和崩溃，因此需要一定比例的原始数据来确保模型的准确性。此外，技术人员正在研究如何通过泛化迁移学习等方法，利用已有数据生成更多不同场景的数据。
除了技术挑战外，人工智能在车载应用上还面临法规方面的挑战。现有的交通法规并未针对智能驾驶进行制定，如果未来智能驾驶和自动驾驶得到广泛应用，那么交通法规也需要进行相应的适应性变化。
关于大模型算力与计算，在智能网联汽车领域，孙逢春院士主要担心两个问题。
首先是安全问题。正如雷军先生所提到的，当前的自动驾驶技术还未能真正实现无人驾驶。因此，在研发大模型和算法时，我们必须在确保安全的前提下进行。这要求我们不仅要关注技术标准，还要对噪声能力等方面进行规范，以确保系统的稳定性和可靠性。
其次，作为大学教师，孙逢春院士观察到智能网联汽车领域的人才培养问题日益凸显。像北理工这样的顶尖985高校，学生也不太愿意报考产品质量工程等专业。行业对于具有汽车知识和AI背景的人才有迫切需求。为了保障智能网联汽车的长期可持续高速发展，需要行业共同推动人才培养，加快培养既懂汽车又懂AI，还了解芯片等各方面知识的人才，为行业快速发展提供坚实保障。
关于AI在自动驾驶领域的应用，结合团队的实际体验，李克强院士认为存在以下几个关键问题需要解决。
首先，从知识概念层面来看，人工智能在自动驾驶领域的应用还存在待完善的问题。当前，人工智能在汽车行业的应用主要分为两类：人机交互和自动驾驶决策与控制。在人机交互方面，如智能座舱语音交互等，人工智能的可解释性、实时性、可靠性要求可能相对较低。然而，在自动驾驶决策与控制方面，特别是要替代人的决策和控制时，对高可靠性的要求极高。因此，我们需要理性地看待人工智能在汽车行业的应用，明确哪些地方可以用，哪些地方还需要深入研究。
其次，从数据层面来看，自动驾驶领域的大模型训练需要海量的、完备的、准确的数据。然而，目前自动驾驶场景数据的获取存在挑战。虽然有些企业声称拥有几百万辆车的数据，但数据的海量性和完备性仍然难以保证。完备性尤其重要，因为一家车企的数据永远无法覆盖所有场景。因此，如何获取全面、完备、准确的训练数据，是当前自动驾驶领域面临的重大挑战。我们团队正在探索智能一体化云控技术平台，以期建立一个高效的数据底座，解决数据获取和完备性的问题。
最后，从计算层面来看，云端训练以后，需要在车端进行推理和计算。然而，目前烟囱型的计算平台难以适应人工智能不断发展迭代的需求。因此，在计算架构上也需要进行探索和创新。
呼吁三位院士提到的应用问题，曲小波院士分享了几个AI可赋能的方向。
首先是数据问题，生成式人工智能在数据利用上有优势，能够通过少量数据生成更多数据，实现虚实融合，保证一定的真实性。这一技术在测试领域有着比较好的应用。同时，这也是解决自动驾驶数据稀缺问题的一种有效途径。
其次，单车层面的大模型应用，是解决长尾问题的一种思路。然而，大模型上车面临着计算资源受限的挑战。目前，业界的最佳实践是将计算时间缩短到500毫秒甚至300毫秒以内。下一步是将这一时间进一步降低到100毫秒以内，真正实现大模型在单车层面的应用。这将是未来单车智能化发展的一个重要方向。
再者，谈谈新能源汽车车险的问题。作为中国人保集团独立董事，曲小波院士深知新能源汽车车险定价困境。用户付出了更高的保费，但保险公司却面临亏损。新能源汽车具有更多的安全措施和精准数据，理论上能够降低事故率，但实际情况却并非如此。AI在此可发挥作用，通过单车层面生成的数据，分析驾驶员驾驶行为，进而对保险进行精准定价。
此外，车辆上传到云端的数据也可以用于鼓励车企制造更好的汽车，以及优化交通系统和道路基础设施。
最后，AI可赋能智慧交通。在欧洲，轻微的交通事故通常不需要第三方或警察介入，双方可以迅速解决并由保险公司进行赔付。但在国内，往往需要第三方仲裁。AI技术可以通过图像和视频识别技术，为轻微交通事故提供客观的仲裁服务，缓解交通压力，提高交通效率。
冉斌教授：目前正在积极探索智能化、网联化的融合发展路径，但是当前对融合发展的理念和路径，每个行业的理解有不同、有差异，我们应当如何去凝聚行业共识、形成发展合力。比如，智能网联融合发展还存在哪些挑战，如何一起发力来解决问题。
邬贺铨院士
网联与智能配合，弥补单车不足
中国较早提出智能网联汽车概念，强调智能与网联两者结合。一般而言，智能更多关联于单车智能，而网联则与车联网紧密相关。实际上，单车智能也离不开网络，例如使用高德地图、百度地图等导航软件时，车辆已经与网络相连，但这并非真正意义上的车联网。
单车智能被视为基础，需要配备T-BOX以实现与网络和APP的关联。同时，ADAS（高级驾驶辅助系统）与雷达等设备的关联也至关重要。通过车内网，车辆内部实现联网，从而控制底盘动力等。当前，单车智能与新能源汽车的结合在中国发展良好，但仍存在局限性。
单车智能缺乏网络增进和互联网支持，其应用相对局限。例如，虽然可以下载地图，但道路情况不断变化，没有实时更新很难保证准确性。此外，单车智能无法获取周边汽车状况和路侧全局观念，从安全性角度来看存在不足。
网联与智能的配合可以弥补单车智能的不足。一方面，网联可以增强汽车功能、提高效率和安全性；另一方面，可以降低单车智能的成本，因为不必依赖过多的单车传感器和算力。云端与车端算力的结合可以整体提升算力效率30%。
因此，网联配合智能是最佳应用方式。然而，车企可能更关注单车智能的发展，而网联则依赖外部支持。这一问题可以通过打造汽车自动驾驶生态来解决，特别是网联城市的交通管理部门可以更精准地了解交通状况，不仅提升安全性，还能提高城市交通效率。
特斯拉FSD（全自动驾驶）系统即将进入中国的消息，引发了关于中国技术发展路线的讨论，特别是与车路协同和车联网相关的议题。讨论反映了企业和用户需求之间的不同立场，尤其是在技术发展初期。
中国从1992年开始发展新能源汽车，到2014年明确提出发展新能源汽车是中国从汽车大国迈向强国的必由之路，这一过程中经历了长时间的争论。新能源汽车产业的快速发展，争论已经逐渐平息。
然而，在车路协同和车联网等新技术的发展上，企业和用户之间仍然存在分歧。企业方面，由于基础设施尚未完全建设完毕，一些企业可能认为车路协同的投入与回报不成正比。同时，用户可能觉得这种技术使用起来相对麻烦。此外，数据安全和隐私问题也是制约车路协同发展的重要因素。
但车路协同是实现智能网联汽车中长期发展战略的必经之路。政府通过制定相政策，推动企业和用户向这一方向发展。例如，通过数据平台的建设和安全监管等措施，确保新能源汽车的安全性和可靠性。
未来，随着智能网联汽车技术的不断发展和普及，车路协同和车联网将成为不可或缺的一部分。车路协同和车联网将为用户和企业带来更大的利益和价值。例如，通过车路协同，可以实现更精准的交通管理和更高效的出行服务；通过车联网，可以实现更智能的辅助驾驶和更安全的行车体验。同时，随着碳交易和碳排放等环保政策的逐步实施，智能网联汽车将为实现可持续发展和绿色出行做出重要贡献。
网联融合技术在汽车领域的应用正在逐步深化，2016年由工信部指导的技术路线图中，明确将网联程度分为三级：第一级为信息的动态交互，如导航、娱乐系统等外部通信功能；第二级为协同感知；第三级则为协同的绝对控制。从这一分类来看，当前市场上几乎所有的车辆都已具备一定程度的网联功能，只要车辆配备有导航、娱乐系统或外部通信卡，即可视为网联技术的一级应用。
网联技术将进一步提升单车智能的水平。单车智能是网联技术的基础，而网联技术的应用则能增强单车智能的功能和安全性。例如，通过协同感知，车辆可以获取更全面的道路信息，从而做出更准确的驾驶决策。随着通信技术和信息技术的发展，网联技术的级别也将不断提升，最终实现信息物理系统的一体化。
在网联技术的发展过程中，存在三个主要的挑战性问题：通讯中断、通讯效果不佳以及成本问题。这些问题并非不可解决。首先，网联技术具有包容性，可以根据通信条件自动调整网联自动程度，确保在通信不佳时仍能维持基本的驾驶功能。其次，从成本角度来看，网联技术的改造成本远低于修路成本，有望通过减少车上昂贵的传感器数量来降低整体成本。最后，特斯拉等领先企业已经通过车云协同的方式实现了单车智能与网联技术的结合，证明了网联技术的可行性和商业价值。
此外，网联技术的高级应用还将带来一系列优势。通过高级别的连接，车辆可以获取更丰富、更准确的道路信息，从而做出更智能的驾驶决策。同时，网联技术还可以为人工智能和大模型的发展提供强大的数据底座，推动汽车行业的智能化进程。
保险公司，是车路云一体化发展的重要受益者之一。随着智能网联汽车技术的普及，事故率将大大降低，进而减少保险公司的赔付成本。然而，在商业闭环中如何明确保险公司的责任，并探讨其是否应参与车路云一体化基础设施的费用分担，仍是一个待解决的问题。
智能网联汽车的ICT硬件和软件部分，与传统机械结构在寿命和更新速度上存在显著差异。ICT硬件如芯片遵循摩尔定律，每隔18个月性能就会有大幅提升。而传统汽车机械结构的寿命则长达七年、十年甚至更久。这种差异使得智能网联汽车在模块化设计方面面临挑战，需要实现即插即用的模块化自主，以适应不同部件的折旧率和寿命。
此外，ICT行业在效率提升方面往往能实现几倍的增长，而机械结构方面的效率提升则相对有限，通常在百分之几的范围内。这种差异在智能网联汽车体系中需要得到统一和协调。因此，ICT行业、机械工程以及交通运输工程等领域的专家需要制定一条明确的路线图，找到一个可行的方案，以实现智能网联汽车体系中各部分技术的有效融合和协同发展。
冉斌教授：智能网联汽车正在重塑技术创新的链条，和产业的生态，未来我们如何更好推动汽车、交通、通信、能源等领域的跨界融合发展和国际合作，以构建开放、共享、有韧性的 产业生态系统，未来汽车领域可能产生哪些新的业态，新的商业模式？
智能网联汽车发展离不开生态，需要一个多技术融合的生态环境。智能网联汽车生态发展并没想象中那么难。从今天的会议可以看出，各方都在不断进行融合。许多企业已经涉足智能网联汽车技术，生态在某种程度上在自觉性推动发展。
此外，智能网联汽车所带来的新业态也值得重视。智能网联汽车和车联网涉及制造业、交通运输业、现代服务业等。汽车不仅是交通工具，还是服务提供者。虽然目前服务相对简单，集中在4S店。但随着智能网联汽车的发展，服务范围将大大扩展，包括地图服务、出行服务、汽车维修服务以及娱乐信息等公共服务。
麦肯锡曾经预测，到2030年，车联网以及车载电子衍生的服务在全球的市场规模将达到1.5万亿美元。未来车联网将重造一个汽车产业，围绕智能网联汽车的现代服务业值得大家去重视、开发和培育。
融合发展还有一个重要的生态目前存在短板。智能网联汽车发展涉及政府多部门，包括交通管理部门、公安部门、城管部门、工信部门等，以及法律、政策、保险、金融等多个方面。
但是，运营主体并不清晰，智能网联汽车需要类似于运营商的网络支持，但不可能由三个运营商各自建设一个网络。同时，车企也希望在其中发挥主导作用，而城市的一些出行管理部门、金融部门等也都有各自的诉求。
因此，车联网可分成两部分：一部分是汽车连接的路侧单元，即V to X网络；另一部分是汽车连接到公众通信网络，进一步接入到互联网的服务。这两部分需要很好地结合。为此，未来需要建立全国统一的互联网运营商，以便实现统一标准和统一规划。主要负责所在地城市路侧单元及当地的AI计算和车路云，并通过接入运营商网络，把5G网络结合进去。
当然，这个统一并不意味着排斥多元化的投资。在国内，已经有了类似的例子，比如铁塔公司和管道公司都是统一的。期待在生态建立上，更多地借助各方面的力量来共同推动。
特别赞同邬院士的观点，并在此基础上做几点简要的补充，不做详细解释。
首先，我认为智能网联汽车新业态将在交通与能源融合方面发挥重要作用，特别是在车路协同实现后，以“新三样”（新能源汽车、锂电池、光伏）为代表的产业发展空间巨大。其次，从碳中和的角度来看，车路协同后，将来的碳中和过程将涉及碳核算和碳交易，会催生一个新的业态，形成巨大的市场潜力。
智能网联汽车已形成典型的信息物理融合系统，在这种复杂系统上，不仅改变了产品的意义，也预示着未来产业生态的变革。
在未来，汽车的固有技术如底盘、行驶系统以及电池电机等仍将存在。但ICT通信基础设施的赋能，以及基于ICT技术和汽车技术融合后的新技术将成为关键。掌握这种融合技术，并有能力整合现有汽车和通信信息的企业，将拥有未来的竞争优势。
两者融合以后的新型产品，正如邬院士所说，相当于通信行业里面的基础平台公司。未来，新的零部件和供应商将应运而生。在汽车产业中，除了传统的一级供应商和二级供应商外，还将出现1.5级基础平台供应商。这些基础平台产品将类似于通信行业中的铁塔公司。
在此情况下，计算基础平台、云控基础平台、信息安全基础平台、通信基础平台、地图平台等出现。这些平台将协同工作，既有政府的背书，又存在市场化竞争，为智能网联汽车的创新和发展提供有力支撑。
目前，国家智能网联汽车创新中心正在基于这样的架构和设计，推动相关生态的建设工作。包括示范项目、试点项目等，都是为了从架构层面推动这一生态建设。
产业生态的构建也离不开国际合作。近年来，我们在国际合作方面遇到了不少困难。
关于国际合作，应更重视多边组织的作用。当前，我们拥有众多多边组织，并可以积极创建更多，通过多对多的合作模式，规避某些潜在问题。
同时，科技期刊在推动国际合作中也扮演着重要角色。在新能源汽车领域，已有多个高质量的期刊涌现，如专注于新能源汽车领域的某期刊，明年将发布首个影响因子，预计将在行业内排名前三。此外，克强院士是智能网联汽车期刊主编，明年也会有第一个影响因子在业内排名前三。在交通领域我们也有一个期刊，今年已获得了首个影响因子，并在57个期刊中排名第一。
这些科技期刊不仅为我们提供了数据共享的平台，使得不同国家可以共享不同的标准数据，促进基于标准数据的研究，在期刊加持下推动研究发展。