自動駕駛正在進入大規(guī)模應(yīng)用的前夜,，然而智能汽車在L3級別規(guī)?；逃玫牡缆飞铣霈F(xiàn)一定的遲滯。

今年初,，奧迪就曝出“取消L3級自動駕駛研發(fā)項目”的計劃,。盡管奧迪特意強調(diào) “團隊只是轉(zhuǎn)向了L2和L4級自動駕駛技術(shù)的研發(fā)”。但是這項在2017年7月奧迪A8第四代搭載的L3自動駕駛系統(tǒng),，等于終于在耗時5年,，耗資數(shù)億美元之后，泯然眾人,，無法交付給用戶使用,。

隨著L3自動駕駛技術(shù)陷入“人車接管時機”悖論的問題以及相關(guān)法律法規(guī)遲遲未能出臺，眾多的車企都在積極謀求從L2級直接向L4級超高度自動駕駛技術(shù)轉(zhuǎn)型,。

而眾多車企的單車智能為主的自動駕駛技術(shù)就顯得力不從心,。自動駕駛從單車智能向車車、車人,、車路協(xié)同等多端智能方向的轉(zhuǎn)變就十分必要了,。

眾所周知，自動駕駛技術(shù)的發(fā)展已經(jīng)分化出兩大陣營：一種是以汽車制造商為代表的ADAS和單車智能技術(shù)陣營,；另一種是以互聯(lián)網(wǎng)企業(yè)為代表的人工智能和智能網(wǎng)聯(lián)化技術(shù)陣營,，直接依靠智能計算及網(wǎng)絡(luò)通信實現(xiàn)對汽車的控制。

前者以通用,、沃爾沃,、特斯拉以及汽車零部件廠商為代表，主要從現(xiàn)有的駕駛輔助安全技術(shù)出發(fā),，配合感知和控制決策,，側(cè)重于對行駛環(huán)境的精確感知，逐步實現(xiàn)智能化自動駕駛技術(shù),。

而后者以Waymo,、百度Apollo等為代表側(cè)重于高精度定位的引導，配合多種傳感器,、GPS等傳感器,，側(cè)重高精地圖的構(gòu)建和感知數(shù)據(jù)的配合，利用AI算法直接實現(xiàn)L4級別及以上的完全自動駕駛,。

當單車智能陣營要跨越自動駕駛的“悖論”鴻溝,，而智能網(wǎng)聯(lián)陣營也面臨大規(guī)模整車落地商用，兩大陣營在2020年的時間節(jié)點,，正式交匯在了同一競爭點上,。而以互聯(lián)網(wǎng)企業(yè)代表的第二陣營都早已紛紛制定了自己的車路協(xié)同的發(fā)展計劃。

自動駕駛、車聯(lián)網(wǎng),、車路協(xié)同,、LTE-V2X、5G-V2X等相關(guān)技術(shù)正在以一種同步加速的方式迸發(fā),，而人,、車、路,、網(wǎng)的互聯(lián)互通,，都離不開云計算技術(shù)的支持。

在當前各家的技術(shù)詞典中,，車云協(xié)同的概念越來越多被提及,。

在無論是早已出現(xiàn)的自動駕駛、車聯(lián)網(wǎng)技術(shù),，還是最近兩年正在推進的“車路協(xié)同”技術(shù),，都離不開云計算的支持，也早已有著“車云協(xié)同”技術(shù)的部分應(yīng)用,。

因此,，車云協(xié)同，這一內(nèi)涵極其豐富的概念,，同時也是一個不斷深化的技術(shù)演進過程,。

那么弄清楚“車云協(xié)同”在當前智能汽車領(lǐng)域的技術(shù)應(yīng)用邊界，探討車云協(xié)同在自動駕駛,、車聯(lián)網(wǎng),、車路協(xié)同等技術(shù)領(lǐng)域中發(fā)揮的作用和與這些技術(shù)的區(qū)別，我們才可能真正理解 “車云協(xié)同”技術(shù),，以及下一步車云協(xié)同可能拓展的場景和方向,。

自動駕駛技術(shù)是一個涉及軟硬件高度集成、高度復雜信息處理代替人類操作的綜合系統(tǒng),，主要由感知,、決策和執(zhí)行三大子系統(tǒng)組成，涉及環(huán)境感知,、決策規(guī)劃、控制執(zhí)行,、V2X 通信等關(guān)鍵技術(shù),。

而以深度學習為代表的當代 AI 技術(shù)，基于在機器視覺（MV）,、自然語言處理（NLP）等領(lǐng)域的成功應(yīng)用,，被引入到自動駕駛技術(shù)的環(huán)境感知、決策規(guī)劃和控制執(zhí)行的系統(tǒng)研究當中。

眾所周知,，自動駕駛技術(shù)技術(shù)的成熟嚴重依賴實時可靠的算力支持以及大規(guī)模數(shù)據(jù)訓練,，基于單車智能的自動駕駛存在著數(shù)據(jù)積累不夠、強計算能力欠缺,、任務(wù)自適應(yīng)能力差AI算法優(yōu)化適配困難等問題,。因此，除了完成在車載終端上的AI深度集成,，還需要構(gòu)建一套基于車云協(xié)同的一體化智能駕駛系統(tǒng),。

首先，AI算法應(yīng)用是自動駕駛云端系統(tǒng)的核心,。車載嵌入式智能硬件平臺因計算,、存儲能力有限，無法滿足 AI 模型的訓練需求,。自動駕駛云平臺 AI 算法應(yīng)用技術(shù),，利用虛擬化技術(shù)及網(wǎng)絡(luò)技術(shù)整合大規(guī)模可擴展的計算,、存儲,、數(shù)據(jù)、應(yīng)用等分布式計算資源完成 AI 模型算法的學習訓練,，能實現(xiàn)在云端訓練 AI 模型,，通過車云協(xié)同技術(shù)將其部署到嵌入式平臺，使 AI 算法在車端自動駕駛系統(tǒng)上得到深度應(yīng)用,。

其次,，云端數(shù)據(jù)存儲滿足自動駕駛的數(shù)據(jù)訓練要求。

云端系統(tǒng)不僅能夠存儲海量的傳感器的實時采集數(shù)據(jù),，還可以存儲采集歷史數(shù)據(jù),，同時借助云計算完成這些海量數(shù)據(jù)的存儲、傳輸,、分析處理,，基于 AI 集成應(yīng)用算法的智能駕駛控制模型，為車輛決策提供可靠,、高效的協(xié)同控制方案,。

再次，云端大數(shù)據(jù)的建構(gòu)技術(shù)實現(xiàn)多場景,、多車型以及個性化駕駛下的AI數(shù)據(jù)處理和信息服務(wù)的復雜處理,，掌握自動駕駛數(shù)據(jù)的分布、異構(gòu),、時變,、海量的數(shù)據(jù)特征,，借助車云協(xié)同的有效傳遞，推動多車,、多場景的自動駕駛數(shù)據(jù)管控方案,。

基于云計算服務(wù)，車云協(xié)同為自動駕駛的AI算法模型訓練,、大數(shù)據(jù)存儲處理以及數(shù)據(jù)應(yīng)用提供了基礎(chǔ)性的保障,。

這也正是因為最早發(fā)力AI算法研究和大規(guī)模無人駕駛數(shù)據(jù)采集和訓練，互聯(lián)網(wǎng)（同時也是云計算）巨頭們才能夠在自動駕駛,，特別是L4級別的無人駕駛領(lǐng)域保持巨大的領(lǐng)先優(yōu)勢,。

自動駕駛技術(shù)本身既是手段也是目標，最終將實現(xiàn)的全新的人車關(guān)系,，實現(xiàn)生產(chǎn)力的重大提升,。而車云協(xié)同技術(shù)，正是成為構(gòu)建云端和車端智能系統(tǒng)聯(lián)接的可靠解決方案,，為自動駕駛技術(shù)的發(fā)展,，提供充沛的云端算法和算力支持。

車聯(lián)網(wǎng),，即車載終端的智能網(wǎng)聯(lián)系統(tǒng)平臺,，借助當前主流的LTE-V2X以及新一代5G-V2X信息通信技術(shù)，實現(xiàn)車輛之間（V2V）,、車與路之間（V2R）,、車與行人（V2P）以及車與云端（V2N）之間等的全面聯(lián)接和信息互通。

車聯(lián)網(wǎng)技術(shù)本身已經(jīng)提出多年,。從最早的車載導航系統(tǒng),，發(fā)展到現(xiàn)在以ADAS（高級輔助駕駛系統(tǒng)）技術(shù)為主的輔助駕駛。而車聯(lián)網(wǎng)的實現(xiàn)離不開信息通信技術(shù),、大數(shù)據(jù)及云計算的支持,。

借助移動信息通信技術(shù)，車輛將實現(xiàn)與云端,、車輛端,、路端的聯(lián)網(wǎng)，車輛運行的大量數(shù)據(jù)可以實時傳輸?shù)皆贫?，同時,，基于云端的數(shù)據(jù)分析，又可以實時傳輸實時高精導航,、路況信息,、車位數(shù)據(jù)等信息給到車載系統(tǒng)。除了對車輛數(shù)據(jù)的實時傳輸和處理,，云端技術(shù)還能更好的滿足車輛的智能化體驗,。比如精準地圖導航、手機遠程遙控,、智能安防,、智能娛樂以及語音交互系統(tǒng)。

當前,，智能化和網(wǎng)聯(lián)化正在進一步融合,，車聯(lián)網(wǎng)將日益成為實現(xiàn)自動駕駛的關(guān)鍵技術(shù)支撐，同時也成為駕駛者享受智能座艙體驗的重要手段,。對于用戶而言,，自動駕駛的實現(xiàn)可以讓駕駛員從單一、枯燥的駕駛中解放出來,，而智能座艙的實現(xiàn)將使得駕駛者可以實現(xiàn)更多的智能功能體驗,。

其中，最能增強用戶車內(nèi)體驗的功能就是基于自然語言的人車交互,，包括語音控制導航,、通話、搜索以及車內(nèi)設(shè)備等,。而成熟的語音識別技術(shù)依賴于強大的語料庫及運算能力,。因此，車載語音技術(shù)的發(fā)展就得依賴于網(wǎng)絡(luò)和云端數(shù)據(jù)處理,，因為車載終端的存儲能力和運算能力都無法解決好非固定命令的語音識別技術(shù),，而必須要采用基于服務(wù)端技術(shù)的“云識別”技術(shù)。

我們其實可以注意到,，隨著通信技術(shù),、AI、云計算的發(fā)展,，推動著車聯(lián)網(wǎng)的持續(xù)演進過程中,，新功能、新場景的不斷生發(fā),，其中車載的智能座艙服務(wù)體驗不斷升級,，而自動駕駛技術(shù)更是成為車聯(lián)網(wǎng)下一步發(fā)展的核心目標。而車路協(xié)同又是車輛網(wǎng)技術(shù)中,，能夠加速自動駕駛實現(xiàn)的關(guān)鍵,。

目前從國家政策以及業(yè)界共識來看，自動駕駛技術(shù)要想真正提前到來,，車路協(xié)同正是實現(xiàn)自動駕駛的主要甚至是唯一的路徑,。這意味著不僅僅讓單車擁有智能，更重要的是讓道路以及相關(guān)基礎(chǔ)設(shè)施也能夠“聰明”起來,。

車路協(xié)同系統(tǒng)三個核心組成部分：智能車載系統(tǒng)（車端）,、智能路側(cè)系統(tǒng)（路側(cè)端+云端）和通信平臺,。這意味著，車輛的智能化,、道路的智能化以及二者之間的網(wǎng)聯(lián)化,，形成一個三維架構(gòu)，可以極大地提升自動駕駛的能力,，甚至可以在車載端布設(shè)成本較低的感應(yīng)設(shè)備,，就可以讓車輛具備一定的自動駕駛能力，大大降低了自動駕駛汽車的技術(shù),、成本門檻,。

道路的智能化，不僅僅意味著把原本安裝在車上的感應(yīng)器設(shè)備鋪設(shè)到道路側(cè),，更重要的是實現(xiàn)車載端的海量數(shù)據(jù)的實時處理,、路側(cè)端的路況信息收集及邊緣計算以及車與車、車與路之間的實時信息傳輸,。

智能汽車的車載OS系統(tǒng),，可以滿足海量高并發(fā)數(shù)據(jù)的實時計算處理，保證任務(wù)調(diào)度效率,，滿足車輛在低時延,、高可靠的執(zhí)行操作。而車路協(xié)同就要求車輛之間不僅僅是同一品牌或車型的通信連接,，而是所有車型都可以進行互聯(lián),。因此，車路協(xié)同對于車載OS系統(tǒng)的配適和兼容性有著巨大的要求,。

同時,，車路協(xié)同也要求來自不同車輛之間的單車傳感數(shù)據(jù)的融合，而不同來源的數(shù)據(jù)特征差異極大,。這就要求車載OS在數(shù)據(jù)級,、特征級和決策級進行多級信息融合，實現(xiàn)更高層次的綜合決策,。這就要求一個具有高可靠性,、高兼容性、高層次信息融合的統(tǒng)一OS系統(tǒng),，而這一系統(tǒng)的實現(xiàn)和應(yīng)用則需要得到來自云端的支持,。

而另一方面，道路側(cè)的智能化改造也離不開云端的支持,。

如果是傳統(tǒng)的中心架構(gòu)式的云計算平臺,，路側(cè)數(shù)據(jù)如果上傳到跨區(qū)域中心云平臺，然后再由云端將運算結(jié)果下放到路側(cè)設(shè)備,，遠距離傳輸可能會導致數(shù)據(jù)傳輸延遲,。那么,，在路側(cè)就近部署邊緣云計算設(shè)備成為更為可行的解決方案。中心云平臺通過高速通信網(wǎng)絡(luò),，管理路側(cè)邊緣云,，實現(xiàn)中心云、邊緣云在資源,、安全、應(yīng)用,、服務(wù)上的多項協(xié)同,。

以上我們看到，車車,、車路協(xié)同也都需要在云端（邊緣側(cè)）進行數(shù)據(jù)的融合與互聯(lián)互通,，才能真正實現(xiàn)“智能化”與“網(wǎng)聯(lián)化”。

無論是汽車生產(chǎn)廠商,，還是強勢入局自動駕駛,、車聯(lián)網(wǎng)領(lǐng)域的互聯(lián)網(wǎng)IT廠商，云計算都成為無法繞開的技術(shù)能力,，盡管可能每家企業(yè)對于車云協(xié)同這一技術(shù)方案有著不同的定義和邊界理解,，但是我們依然可以在各家的技術(shù)解決方案中看到大量云端技術(shù)的應(yīng)用。

比如在自動駕駛領(lǐng)域,，如最早布局智能駕駛技術(shù)和大規(guī)模數(shù)據(jù)測試訓練的百度,，正在通過智能云服務(wù)的方式，將自動駕駛技術(shù)開放出來,，成為這一領(lǐng)域基礎(chǔ)的云服務(wù)商,。基于車云協(xié)同技術(shù),，將進一步為廣大車企的自動駕駛汽車的研發(fā),，提供更好的自動駕駛AI模型、測試數(shù)據(jù)的存儲分析以及仿真測試的服務(wù),。

在車聯(lián)網(wǎng)以及車路協(xié)同上面,，云端計算能力和數(shù)據(jù)處理的增強，不僅可以更好地滿足車載服務(wù)功能的智能化體驗,，也同時能夠大幅提升車輛對于自動駕駛中數(shù)據(jù)傳輸?shù)陌踩缘囊?，比如，完成對車輛內(nèi)部的實時安全性能的監(jiān)控和判斷,、車輛之間的緊急情況的預判和處理,，以及對于車輛數(shù)據(jù)傳輸?shù)募用芎头雷o。

未來,，具有自動駕駛,、車聯(lián)網(wǎng),、以及車路協(xié)同等集成解決方案的云服務(wù)廠商，將會成為這場駕駛革命的主要玩家,，成為“車云協(xié)同”技術(shù)生態(tài)的最主要的倡導者,。

當然，對于C端大眾用戶而言,，車云協(xié)同看起來更加充滿隔閡,。其實，車云協(xié)同更多將是從車載網(wǎng)聯(lián)系統(tǒng)提供更為豐富的智能體驗,。

比如在車聯(lián)網(wǎng)上面,。車載的語音交互體驗和娛樂服務(wù)體驗，是用戶的真正剛需,，可以是目前車云協(xié)同繼續(xù)深耕的領(lǐng)域,。通過對車載語音系統(tǒng)的智能化改造和云端的算力支持，提升包括車載設(shè)備的語音控制,、車內(nèi)乘客狀態(tài)的機器視覺檢測,、手勢交互等多模態(tài)的人車交互，不斷提升智能座艙體驗,。

而在用戶的自動駕駛體驗上面,，漸進式的自動駕駛技術(shù)同樣得到來自車云協(xié)同技術(shù)的支持。比如,，現(xiàn)在逐步實現(xiàn)的遠程呼車,、自動泊車、變道提醒等輔助自動駕駛功能,，都是在現(xiàn)有特定場景下依賴車云協(xié)同技術(shù),，保證自動駕駛功能的安全應(yīng)用。

無論是自動駕駛,，還是車聯(lián)網(wǎng)以及車路協(xié)同,，都將是一項長期持續(xù)發(fā)展的目標。而車聯(lián)網(wǎng),、車路協(xié)同,，同時又是自動駕駛技術(shù)實現(xiàn)的一種技術(shù)手段，自動駕駛需要在相應(yīng)技術(shù)逐漸成熟的過程中漸進式推進,。而5G通信技術(shù),、云計算、人工智能技術(shù)的發(fā)展,，就成為這些技術(shù)得以穩(wěn)定發(fā)展的基礎(chǔ),。

車云協(xié)同，變成為這些技術(shù)目標實現(xiàn)的交匯點。車云協(xié)同技術(shù),，將始終作為一種整體性的解決方案,，幫助以上目標更好地實現(xiàn)。