“單車智能是智能交通的基礎(chǔ)，但存在局限性?！?月28日，中國工程院院士鄔賀銓在中國論壇（2025）上表示，“智能交通主要以單車智能作為基本單元，并融合了車聯(lián)網(wǎng)技術(shù)。在復(fù)雜路口、惡劣天氣、交通標(biāo)志不清等情況下，單車智能難以發(fā)揮作用。此外，單車的雷達(dá)距離有限，存在視覺盲區(qū)，且配備激光雷達(dá)成本較高，僅依靠單車智能難以具備大局觀，而車路云協(xié)同能夠?qū)崿F(xiàn)全天候運(yùn)行，可簡化對(duì)車載傳感器和雷達(dá)的要求，實(shí)現(xiàn)全局性感知，并將周邊車輛和道路狀況反饋至汽車，同時(shí)有利于城市交管部門對(duì)全局的掌控?！?

在鄔賀銓看來，車路云協(xié)同的關(guān)鍵在于數(shù)據(jù)。不過當(dāng)前世界現(xiàn)有的算力水平難以滿足智能交通的需求。在此次論壇上，鄔賀銓提出了多項(xiàng)建議，涉及數(shù)據(jù)處理、智能體應(yīng)用、網(wǎng)絡(luò)建設(shè)等多方面內(nèi)容。為車路云一體化發(fā)展提供了全面且具有前瞻性的見解。其中，面對(duì)海量數(shù)據(jù)處理和算力要求，他強(qiáng)調(diào)，未來在自動(dòng)駕駛領(lǐng)域也應(yīng)更加關(guān)注算力的壓縮。

根據(jù)美國藍(lán)德智庫的數(shù)據(jù)，訓(xùn)練L5級(jí)別的模型需要170億公里的數(shù)據(jù)，其中真實(shí)的路側(cè)數(shù)據(jù)至少為1億公里。若以100輛車7×24小時(shí)不間斷行駛來計(jì)算，達(dá)到1億公里的路側(cè)數(shù)據(jù)量需要3.7年，且每輛車每秒由雷達(dá)、傳感器產(chǎn)生的數(shù)據(jù)量約為1GB，經(jīng)過數(shù)據(jù)壓縮后，一輛車行駛產(chǎn)生的數(shù)據(jù)傳輸量約為12GB。

根據(jù)鄔賀銓介紹，對(duì)于智能交通而言，每輛車至少需保留1GB的數(shù)據(jù)，以圖像數(shù)據(jù)為例，約為1億的token時(shí)延。在L4級(jí)別下，數(shù)據(jù)量可減少至20%—30%，L3級(jí)別可減少至10%—20%，即便在L3級(jí)別，數(shù)據(jù)量仍高達(dá)1億EB，不僅成本高昂，且難以獲取城市中極端的長尾場景數(shù)據(jù)。

目前，大部分交通數(shù)據(jù)中，僅有1%來自真實(shí)道路，90%來自封閉道路，90%為仿真數(shù)據(jù)。為解決數(shù)據(jù)不足的問題，可以借助人工智能技術(shù)，通過改變光照、視覺、材質(zhì)，添加人為噪聲、障礙等方式變換場景，生成更多數(shù)據(jù)。

“交通數(shù)據(jù)標(biāo)注需要一定的專業(yè)知識(shí)，標(biāo)注成本較高，故而需要開發(fā)基于人工智能技術(shù)的標(biāo)注方法來替代人工標(biāo)注。”鄔賀銓表示，“但完全依賴人工智能生成數(shù)據(jù)存在弊端，因?yàn)槿斯ぶ悄艿臄?shù)據(jù)不斷迭代，最終可能導(dǎo)致數(shù)據(jù)失效，因此原始數(shù)據(jù)至少應(yīng)保留10%—20%?！?/span>

他還指出，智能駕駛對(duì)算力的需求與模型參數(shù)、訓(xùn)練數(shù)據(jù)成正比，與訓(xùn)練時(shí)長、GPU利用率成反比。雖然理論上訓(xùn)練時(shí)長足夠長時(shí)對(duì)算力的需求會(huì)降低，但實(shí)際上訓(xùn)練時(shí)長過長會(huì)導(dǎo)致GPU出錯(cuò)，反而影響效率，因此無法單純依靠拉長訓(xùn)練時(shí)長來降低算力要求。

同時(shí)，鄔賀銓認(rèn)為，每個(gè)城市建設(shè)的車聯(lián)網(wǎng)城市云平臺(tái)所需的算力因智能駕駛程度而異。同時(shí)，具體算力需求取決于城市云所支持的車輛數(shù)量，另外車端同樣需要相應(yīng)的算力，L2、L3、L4、L5級(jí)別車載算力的最低要求分別為4—10Tops更高的數(shù)值，L5級(jí)別需達(dá)到1000Tops（每秒一千萬億次的計(jì)算），目前尚無車輛能夠支持如此高的算力。

鄔賀銓表示，不同車端的應(yīng)用能力需求不同，汽車不僅需要獲取行駛方向指示，還需能夠預(yù)見下一步動(dòng)作的效果。此外，車端還需具備通信能力，支持車到車、車到路（PC5通信10毫秒接口）以及車到網(wǎng)絡(luò)的通信。同時(shí)，車載算力還需支持定位功能。

那么面對(duì)海量數(shù)據(jù)和算力挑戰(zhàn)，如何降低算力需求？如何壓縮算力？對(duì)此鄔賀銓以DeepSeek為例，闡述了一些可操作的方式方法。

他表示，人工智能的核心技術(shù)——生成式人工智能技術(shù)，其關(guān)鍵在于注意力機(jī)制。如輸入“我要找一本科普書”，需理解每個(gè)詞在句中的含義及相互關(guān)聯(lián)。

“DeepSeek簡化計(jì)算過程，著重考慮主語與其他詞、相連詞以及主謂之間的關(guān)系，減少計(jì)算量。此外，采用多頭注意力多維度核算，多維度并行時(shí)先壓縮再存儲(chǔ)，提升計(jì)算效率。同時(shí)利用知識(shí)蒸餾技術(shù)，如同老師提取書籍精華，學(xué)生無須復(fù)雜訓(xùn)練。DeepSeek運(yùn)用這些技術(shù)，顯著簡化計(jì)算能力?！彼f。

鄔賀銓認(rèn)為，未來在自動(dòng)駕駛領(lǐng)域，算力壓縮仍是重點(diǎn)關(guān)注方向。僅有模型不足以實(shí)現(xiàn)落地應(yīng)用，大模型如同百科全書，其輸出質(zhì)量取決于所提問題，若問題不當(dāng)，即便優(yōu)質(zhì)大模型也難給出滿意解答。

他表示，為降低大模型使用門檻，需將其部署上云，方便用戶使用并添加自身數(shù)據(jù)進(jìn)行微調(diào)。另外，智能體在智能駕駛中發(fā)揮著重要作用，可將各類智能駕駛場景分解為多個(gè)智能體。每個(gè)智能體（AI Agent）具備記憶能力，能區(qū)分短時(shí)記憶（僅當(dāng)時(shí)有用）和長期記憶（積累經(jīng)驗(yàn)），基于記憶可分解任務(wù)，具備規(guī)劃和使用工具的能力，有效推動(dòng)大模型在特定場景中的應(yīng)用。

在網(wǎng)絡(luò)組織方面，鄔賀銓認(rèn)為，已部署的5G高可靠、低時(shí)延網(wǎng)絡(luò)需電信運(yùn)營商進(jìn)行改造升級(jí)以適配車聯(lián)網(wǎng)。以往運(yùn)營商間互聯(lián)存在時(shí)延問題，無法滿足車聯(lián)網(wǎng)要求，所以需建設(shè)運(yùn)營商之間本地網(wǎng)的直連點(diǎn)。而且，傳統(tǒng)5G網(wǎng)絡(luò)無法為車聯(lián)網(wǎng)提供充足的確定性和低時(shí)延保障，需在城市重要路口將5G網(wǎng)絡(luò)升級(jí)至5G-A，確保確定性時(shí)延。

他指出，除5G網(wǎng)絡(luò)升級(jí)外，還需建設(shè)路側(cè)網(wǎng)絡(luò)（V2X網(wǎng)絡(luò)），該網(wǎng)絡(luò)涵蓋邊緣計(jì)算、車聯(lián)網(wǎng)城市云以及RSU等，無法由運(yùn)營商獨(dú)自完成，需各方協(xié)同建設(shè)，且建設(shè)過程中可利用運(yùn)營商已有的局域網(wǎng)、城域網(wǎng)和廣域網(wǎng)能力。

“關(guān)于V2X網(wǎng)絡(luò)建設(shè)，目前國家有20個(gè)城市試點(diǎn)，但各城市單獨(dú)建設(shè)存在標(biāo)準(zhǔn)不統(tǒng)一、碎片化、缺乏規(guī)?；约俺杀靖叩葐栴}?！编w賀銓表示。

因此，他建議，應(yīng)組建全國性的統(tǒng)一V2X運(yùn)營商，由電信運(yùn)營商、汽車企業(yè)、金融機(jī)構(gòu)、交通企業(yè)、市政公司等共同構(gòu)成。該運(yùn)營商負(fù)責(zé)全國車聯(lián)網(wǎng)投資建設(shè)，可在全國統(tǒng)一規(guī)劃下，設(shè)立分中心負(fù)責(zé)部分城市建設(shè)，實(shí)現(xiàn)統(tǒng)一標(biāo)準(zhǔn)、規(guī)模部署和集中運(yùn)營。經(jīng)測算，分兩期建設(shè)V2X網(wǎng)絡(luò)，總投資約4000億元（不包含運(yùn)營商對(duì)現(xiàn)有5G網(wǎng)絡(luò)的改造投資）。

他認(rèn)為，完成投資后，可實(shí)現(xiàn)2G以上公路（約56萬公里）全覆蓋，完成主要城市路口改造，支持L3級(jí)智能駕駛能力，使城市通行效率提升30%，降低交通事故發(fā)生率80%。