夏日的晚高峰，百度地图显示，北京市区内交通路况“一片红”。但在北京亦庄经济技术开发区的不少区域内，市民的感受有点不一样——一片红中出现了一抹绿或是黄色。

　　作为北京市唯一一个国家级经济技术开发区，亦庄的职住分离的情况显著，早晚高峰时段形成了典型的潮汐车流现象，这里有多个工业园区，大型运输车辆行驶频繁，还伴随着行人、非机动车和机动车混行，大大增加了交通的复杂度。

　　如今，走在亦庄高级别自动驾驶示范区，路边可见布置的智慧综合箱和改造后的多功能综合杆。示范区已经部署了路侧感知系统、交通信号控制系统、车路协同通信系统，并通过激光雷达、毫米波雷达、人工智能相机等实现车路互联。

　　在覆盖主城区约60平方公里的区域内，不仅有包括萝卜快跑、小马智行、文远知行等多家自动驾驶落地运营，还有超过300个路口被智能化改造，如同为道路装上了“大脑”和“眼睛”，有效疏导了车流，显著提升了道路的通行效率和安全性。

　　“聪明的车”需要“智慧的路”，目前这里正在加速推进扩建及业务运营服务模式探索等。正式完成扩建后，预计新增智能路口将超1000个，有望更大程度缓解交通拥堵问题。

　　亦庄试点只是全国车路云一体化进程中的一个缩影。今年1月至今，工信部、公安部、交通部等相关部委接连发布推进智能网联汽车“车路云一体化”的通知。7月以来，大众交通（600611.SH）、金龙汽车（600686.SH）等无人驾驶和车路云题材概念股20个交易日内大涨近200%。不管是从顶层设计还是市场热度的角度看，“车路云一体化”都迈入了产业规模化建设和应用的关键时期。

　　根据中国汽车工程学会等机构的报告以及行业人士的估算，将中国540余万公里的公路插上“智慧”的翅膀，改造成本需要2.7万亿元左右。也因为此，车路云一体化被认为将是我国下一个万亿级的“新高铁”计划。

　　不过第一财经记者近日在北京、上海和广州实地调查时发现，万亿级赛道的憧憬虽然很美好，但截至目前存在着部分地方各自为政、缺乏行业统一标准、不同企业和地方政府的建设方案差异较大、路端信息有效性待不高等问题有待解决。

　　亦庄实践：聪明的车需要智慧的路

　　如果驱车从荣京东街开向科创五街，车辆最多可以连续通过9个路口实现绿灯不停车。

　　在这两条街的交叉路口，第一财经记者看到，路口的多功能杆上架设着十多个摄像头等传感器。据相关人士介绍，其中多感合一的检测相机同时作为电警/卡口执法设备，具备对不系安全带、闯红灯，不按车道行驶等多种违法监测功能，检测流量和车辆牌照，鱼眼摄像头补充视线盲区，上面的毫米波雷达与激光雷达能够更加精确地检测车辆的速度与流量，以及车辆的具体轮廓，为交通管理提供实时、准确的数据支持。

　　路口的设备箱里装着边缘计算的设备，能够实时处理上述这些交通数据，并根据实际情况智能调整信号灯配时，优化交通流。此前数据显示，示范区每个路口红绿灯变化的时间间隔可根据道路车流的实际情况，平均每天动态调整110次。

　　百度交通业务部总经理韩国华告诉第一财经记者，由于这些场景对时延要求高，服务的场景众多，一个路口所用到的算力约在200TOPS。而一个智能路口的成本，按中配、低配、高配不等，在几十万元的量级。随着规模的扩大，成本也在下降。

　　他将“车路云一体”形容为帮助单车智能实现了“上帝视角”，即通过道路基础设施的全部数字化实现数字孪生，来弥补单靠车端传感器的感知盲区。

　　由于工作需要，韩国华时常要从北五环外的方舟大厦跑往东南五环的亦庄，他也见证了这几年北京车路云网的变化。

　　他告诉第一财经记者，北京智能网联基本上围绕着三条主线来做，服务于L4，服务于L2，服务城市治理。

　　一开始，智能网联的建设是为L4服务的，但其实L4级别的车还太少，投资建设后，如果不能实现规模化复制，投资建设的性价比太低。业界经过几年的摸索， L2级别的车辆已经纳入服务范围；到目前为止，亦庄全域信控覆盖了亦庄300多个路口，以早高峰期、从出门到目的地之间、所有人出行时间总和为目标进行优化，对全域路口进行协调和控制，实现更高效率的通行。

　　尤其在有了大模型的能力之后，还可以利用全方位的感知数据，研判拥堵发生的可能性，并叠加仿真推演，预测几个小时后哪里会堵、为什么会堵、怎么治堵等等，并自动优化信号灯配时方案等。

　　根据北京亦庄官方披露，北京市高级别自动驾驶示范区云控平台已经实现北京经开区内420多个路口数据的接入，总共接入800余辆自动驾驶测试车辆。每天能接收处理约300T数据。在云控平台的大屏幕上，实时显示着道路情况及其数字孪生场景，路口智慧信控数据等，可查询自动驾驶车辆运行状态。

　　此外，云控平台会动态发布覆盖超过300个路口的实时信息，路口智能化设施可以将红绿灯状态、绿波推荐车速等信息实时推送到图商导航App与网联车载终端，通过类似“建议车速60可绿灯通过多个路口”的语音提示，为驾驶人员提供驾驶辅助。

　　尤其在信控优化方面，官方数据显示，云控平台作为数据底座，在北京经开区60平方公里的范围内已有67条道路实现绿波通行，257个路口实现动态优化，过去一年，交叉口车均延误降低33%，车辆平均速度上升45%。

　　据记者了解，未来示范区云控平台将作为全市统一云控平台，将面向北京经开区、通州区、顺义区提供支撑服务，从原来的60平方公里拓展到近600平方公里，进一步探索数据深度开放运营、智慧交通综合治理、人工智能行业服务等方面的支撑能力。

　　百亿级项目启动

　　“中国的电动车已经在世界领先，想要持续领先，智能网联就是第二个阶段，所以大家都在关注车路云赛道，考虑怎么做得更好。”韩国华对第一财经记者说。

　　一位从业者告诉第一财经记者，今年1月时公司的重点还不是智能网联，但随着智能网联汽车“车路云一体化”应用试点城市名单、多城市招标等利好发布，专门成立相关部门，同时也给予了产业更大的市场空间，券商也在密集调研，目前业界都努力在这20个城市争取项目。业界预计，这些试点城市的项目在今年下半年、明年上半年将陆续出来。

　　对于具体建设情况，据国家智能网联汽车创新中心数据，我国车路云一体化产业可分为智能网联汽车、智能化路侧基础设施、云控平台、基础支撑四部分，2025年路侧基础设施产值有望达223亿元，份额占比约26.4％。

　　韩国华告诉记者，在“车路云一体化”建设背后，涉及多个部门和企业的紧密合作，形成了较为紧密的分工体系。

　　其中，政府负责政策制定、资金筹措和项目监管。政府部门通过出台相关政策文件，明确车路云网建设的目标和要求，并投入大量财政资金推动项目落地。同时，政府部门还通过招投标等方式，引入优秀企业参与建设。

　　运营商作为基础设施建设的重要力量，负责通信网络的铺设和维护。运营商利用5G等先进通信技术，为车路云网提供低时延、高可靠性的数据传输通道，确保各类感知设备和云平台之间的顺畅通信。

　　还有科技企业如百度、阿里等，提供核心技术和解决方案。科技企业利用自身的技术优势，为车路云网建设提供算法、云平台和数据支持。例如，百度通过其智能驾驶和智能交通解决方案，为车辆提供精准的路径规划和避障预警服务。

　　而总集成商负责设备的采购、安装和系统集成。集成商根据项目需求，采购各类感知设备、计算单元和软件平台，并进行安装调试，确保系统稳定运行。同时，集成商还负责系统的后期维护和升级工作。目前，运营商和科技企业常常承担“总集”的角色。

　　目前一条道路进行车路云网改造的成本会受到多种因素的影响，包括道路长度、所需设备的种类和数量、技术方案的复杂度以及地区差异等，很难算出固定的成本数据。单从路端改造来看，“车路云一体化”涵盖了包括感知单元（传感器）、计算单元（芯片等）、通讯单元等一整套的数字方案，改造成本目前每公里可能要上百万。

　　近几个月来，多地车路云一体化示范项目密集启动。今年7月，长春市宣布计划未来三年投入127亿元，进行“车路云一体化”建设，全面打造交通枢纽、城市道路、快速路、高速公路等典型示范应用场景。今年6月，湖北省投资项目在线审批监管平台最新显示，武汉“车路云一体化”重大示范项目已获市发改委批准，备案金额为170亿元。

　　以北京市发布的《北京市车路云一体化新型基础设施建设项目（初步设计、施工图设计）招标公告》为例，本次项目投资规模达99.39亿元。项目计划在通州区、顺义区、朝阳区等多个区域，覆盖约2324平方公里范围内的6050个道路路口进行建设，并包括双智专网网络中心的建设与改造工程。

　　此前国金证券曾拆解上述招标公告发现，路侧智能化基础设施单个路口价值量高达43.4万元，其中，边缘计算节点MEC、智能终端RSU与激光雷达价值量占比相对较高，分别达13.38％、5.33％和1.49％。

　　根据中国汽车工程学会发布的《车路云一体化智能网联汽车产业产值增量预测》，在中性预期情景下，预计2025年、2030年车路云一体化智能网联汽车产业产值增量为7295亿元、25825亿元，产业发展将积极推动我国经济增长。

　　一家车路云一体化供应商告诉记者，目前行业里的路端设备建成成本大约为100万~200万元每公里，预计随着规模的提升，成本还有一定的下降空间。如果路端设备每公里建设成本降至50万元，那么全国公路改造的成本也需要2.7万亿元，这样的基建投资规模堪比高铁。

　　在巨大的市场预期以及政府政策频出带来的乐观情绪下，今年7月开始，“车路云一体化”和Robotaxi等成为最热风口，相关概念股连续掀起涨停潮。

　　“从整个产业发展总体来看，车路云一体化作为智能交通系统与自动驾驶技术未来发展的重要趋势，其核心在于通过深度整合车辆、道路基础设施与云端数据中心的能力，实现交通运输体系的高效性、安全性与智能化水平的显著提升。”高新兴科技集团高级副总裁、高新兴网联公司总经理吴冬升告诉记者。

　　众多难题待解

　　虽然愿景美好，但目前车路云的联动仍面临着较多尚未攻克的技术难题。

　　“技术层面依然有很多需要我们去持续探索和实现的内容，这包括网络、算力、算法、标准等等。”吴冬升说道。

　　2018年前后，国内已有多家自动驾驶创业公司，以车路协同技术作为企业特色；2020年前，福特、通用等车企开始在中国导入具备C-V2X（基于蜂巢网络的车联万物系统）功能的产品，在部分试点路段可实现部分盲区预测、车速指引等功能。

　　但当时，5G网络尚未普及，4G网络则存在较大延时，路测单位难以对车辆的智能驾驶等系统提供有效支持。如今5G网络已经较为普及，但延时性、可靠性等的进步距离业界的预期仍有差距。

　　“和4G时代相比，5G在时延、接入数量等方面已经有较大的提升，但距离‘理想’仍有一定的差距，可以说就差一层‘窗户纸’。”蘑菇车联副总裁吕斌表示。

　　吴冬升认为，车路云一体化跟单车智能相比，需要一个高可靠、低时延、广连接的强大的网，实现车、路侧基础设施、云的联网；车路云要提供的功能应用的场景需要覆盖协同预警、协同辅助驾驶和协同自动驾驶三大类不同等级的网联化的功能，不同的功能就会对网络有不一样的要求。

　　在这样的背景下，需要这种多模的网络形态去支撑车路云一体化的发展，以C-V2X为技术底座，再叠加像运营商或其他的一些专用网络（比如LTE-V2X、NR-V2X、4G、5G、6G、卫星以及ETC 2.0等多种通信技术），来构建一张可靠的车路云一体化的多模网络，能够更好地支撑这种协同预警、协同辅助驾驶和协同自动驾驶的不同的要求，实现不同通信技术之间的无缝切换和高效协同。

　　但目前，这个网络的构建还不完善，需要克服技术兼容性、网络优化以及系统集成等多重难关。

　　“除了时延外，算法也是一个难点。虽然说路测的感知单元能够给车辆提供盲区信息，但目前还没有一个标准和定式，是路测单元将数据处理好，直接发送结果给车辆，还是直接将感知数据传输给车辆，让车辆自主处理数据，并做出决策。”一家自动驾驶公司管理层人士告诉记者，从目前试点区域的测试来看，路测单元给予L4 Robotaxi的数据支持仍较为有限。

　　从技术上来看，路测单元直接将视频、图片等数据传输给车辆，那么巨大的数据量会给传输速度带来一定困难，且每家的智能驾驶技术方案并不一致，车辆接受数据后如何处理会存在问题；如果是路测单元自备算力和算法，将数据处理好传输给车辆，那么这对于路测单元的算力算法提出了较高的要求。

　　吴冬升告诉记者，无论是单车智能还是车路云一体化，都需要算力的支撑，需要更好地探索算力在端边云的合理的部署，以及这种算力网络的分布和算力网络的协同，一方面能满足车端和交通、城市的特定算力要求，一方面避免算力资源浪费，来更好地支撑车路云一体化整体产业的发展。

　　此外，车路云一体化时强调车、路、云、网、图、安全等各环节统筹协调发展，覆盖协同预警、协同驾驶辅助、协同自动驾驶等不同等级的网联化应用，这就需要可靠的算法、协议栈，算法功能全面、性能可靠，向车企、智慧交通使用方、交通管理者提供可靠的业务支撑。吴冬升认为，在算法能力方面，需要产业界持续提升。

　　智能交通系统涉及大量敏感数据的采集和传输，如何保障数据的安全性和隐私性成为亟待解决的问题。一旦数据泄露或被非法利用，将对个人隐私和公共安全造成严重影响。这需要建立健全数据安全管理体系，确保数据在收集、传输与使用过程中的安全与合规。

　　商业化模式有待建立

　　车路云一体化项目还需要面临软件操作系统的问题，这需要一个极大的数据大模型做支撑。以北京车路云一体化试点为例，北京共有一万个路口，这次要铺设7350个路口，服务的车辆将达到400万辆以上，这需要一个庞大的软件平台。

　　除了技术上的仍待突破的掣肘外，车路云一体化还存在各地标准不统一、商业化前景不明确等问题。

　　“国内智能网联汽车的行业标准虽然走在世界前列，但依然还需要进一步完善，尤其是围绕车路云一体化，比如说像安全类的标准、测试验证的标准等等。各地纷纷推进地方的团标和行标，但是怎么样能够实现我们各地标准之间的统一、互联互认，这个也是非常重要的。”吴冬升表示。

　　交通领域属地化管理较强，各地之间的数据要实现完全共享存在一定壁垒。基础设施建设获取的数据质量或者精度不够，也不一定能够提供给智能车来用。而此前试点项目建设标准不统一，不同区域给车提供的能力也不相同。

　　小马智行中国区公关负责人戴敦峰告诉记者，要在实际应用中达到最佳效果，车路云系统还需要接入部分交通专网，获得实时、准确的信号灯、交通信息，以此来帮助交通的最佳效率。

　　在商业模式上，不少业内人士指出，尽管车路云愿景极佳，但目前车路云一体化项目的盈利模式尚不清晰，如何形成可持续的盈利模式，实现项目的长期运营和发展，是行业需要深入探索的问题。

　　智能交通系统涉及大量敏感数据的采集和传输，如何保障数据的安全性和隐私性成为亟待解决的问题。一旦数据泄露或被非法利用，将对个人隐私和公共安全造成严重影响。这需要建立健全数据安全管理体系，确保数据在收集、传输与使用过程中的安全与合规。

　　“目前车路云网的建设，究竟是归类为面向社会公共服务的基础设施，还是具有商业化运营属性的设施，两种观点其实还没有定论。” 韩国华对记者说。

　　他表示，业界还需要找到更多的用户，找到更多的场景，让投资和回报更具性价比，这正是未来努力的方向。“规模化以后，成本就会降低，这样这两条曲线终于会交叉，将更加符合未来的驾乘。”

　　记者了解到，目前车路云一体化的资金来源主要是三大块，国家层面的财政支持，地方财政的配套，企业的自筹资金。但具体到盈利模式，产业界仍在探索。

　　“车路云一体化项目实际上是一个政府投资的新基建项目，最终为自动驾驶提供服务。从商业模式来看，早期硬件设备等基础设施成本高昂，由政府分摊，逐渐分摊到B端，最终到C端用户。当每个用户都使用产品时，成本会大幅降低。”蘑菇车联副总裁吕斌表示。

　　以北京地区车路云一体化项目为例，该项目建设资金来源为“政府投资+国有企业自筹”，其中，政府投资70%，国有企业自筹30%。业内认为，通过政府出资能够撬动更多的社会资本参与进来。

　　吕斌认为，车路云一体化已经从过去的技术示范到了规模化建设的阶段，2026年就是商业模式验收的时候。从商业模式来看，通过车路云一体化项目采集到的数据卖给车企，让他们为数据服务买单，车企最终又会卖给消费者。

　　不过目前订阅制或付费制的智能驾驶辅助系统并未普及，当下仅特斯拉、蔚来、华为鸿蒙智行等数家企业推出了订阅制、付费制的智能驾驶辅助系统；小鹏、理想、零跑等则在部分产品上标配了高阶驾驶辅助系统，将成本计入车价内，但目前驾驶辅助系统的软、硬件成本仍是整车成本中的“大头”，车企需要额外支出成本或提高车价来购买车路协同数据。

　　但《2024麦肯锡中国汽车消费者洞察》中提出，在价格战的波及之下，虽然中国消费者对于智能驾驶的接受程度在上升，但是对智能驾驶的支付意愿反而出现了下滑。

　　而在整个车路云协同体系中，车企仅是参与者之一，在这一体系中，还存在车辆运营方及个体车主、道路基础设施建设方、云控基础平台运营方、云控相关支撑平台服务方、云控应用服务商、网络运营商、高精度地图服务商是独立的运营主体，不同运营主体的盈利模式也不一样。

　　广州工信局对第一财经记者表示，推进车路云一体化建设时遇到的最大困难是如何打造车路云一体化商业闭环，当前，广州对车路云一体化建设盈利模式的理解还停留在保险服务和对相关交通执法部门提供数据服务等方面，亟需与企业以及社会各界探索车路云一体化新的应用场景。此外，车路云一体化系统涉及大量的个人和车辆数据，如何确保数据以及网络安全，实现数据共享？如何在立法方面对车路云一体化建设保驾护航也将是一大挑战。