文 | 魏啟揚

來源 | 智能相對論

BAT和華為帶了一個“壞頭”，作為科技企業，卻“不務正業”跑去“修路”。上行下效，一批初創公司也跟著加入。沒錯，我說的就是“車路協同”。

從去年開始，“車路協同”的熱度直線上升，從百度的車路協同開源方案，到阿里的“智慧高速”實踐，到騰訊的“車路協同”生態連接器價值論，再到華為的C-V2X芯片以及在系統架構層面（發布Ocean Connect智能交通平臺）的占位，很久沒有一個賽道會讓國內的巨頭集體下場。

與自動駕駛一樣，巨頭們為何會扎堆“車路協同”，在掃清了技術商業落地的障礙之后，賽道中留給初創公司的機會又有哪些？

巨頭入場，車路協同到底有什么吸引力？

所謂車路協同，百度百科的釋義為：采用先進的無線通信和新一代互聯網等技術，全方位實施車車、車路動態實時信息交互，并在全時空動態交通信息采集與融合的基礎上開展車輛主動安全控制和道路協同管理，充分實現人車路的有效協同，保證交通安全，提高通行效率，從而形成的安全、高效和環保的道路交通系統。說得通俗一點，就是統籌車、路、人以及實時交通的動態信息，實現信息的互聯互通。

由此可見，車路協同的“爆紅”很大程度上是由自動駕駛的熱度帶起來的，特別是在現階段的技術條件下，單車智能的發展已到極致，但自動駕駛車輛的安全性仍然存在缺陷，可行業對自動駕駛商業落地與量產的心情越來越急切，此時車路協同作為自動駕駛的一種“補充形式”，其價值被提煉出來并被放大。

車路協同不光可以降低自動駕駛車輛的成本，對提高自動駕駛汽車的信息感知、決策能力、安全性等方面也有非常大的作用。當然，對于BAT和華為這樣的巨頭們來說，車路協同的吸引力還遠不只這些。

1、物聯網時代的流量入口

車路協同主要說的是“車端”與“路側”兩者間的數據交互，在所有的車路協同解決方案中都提到要在“車端”和“路側”安裝攝像頭、毫米波雷達、激光雷達等傳感器以及通信設備，如果說“車端”部分屬于自動駕駛賽道研究的范圍，那么“路側”則是車路協同的重點。

很容易理解的是，全球的科技巨頭對自動駕駛都重兵投入的原因在于——對自動駕駛汽車這個未來流量入口的爭奪。普遍認為，隨著自動駕駛技術的普及，汽車的屬性將由出行工具變成一個移動的智能空間，成為和手機類似的智能硬件。那么在“路側”，同樣也是流量和數據的入口。

寧愿錯殺，不愿錯過。在這樣的思維模型下，車路協同的重要程度對于科技巨頭們來說不言而喻。

2、實現自動駕駛的必備條件

上文也提到，車路協同在“路端”能夠為自動駕駛車輛提供足夠的決策依據甚至指令，自動駕駛車輛本身發展的復雜度和成本也會大大降低。如果往更深層次去探究，建設車路協同的過程中，完成了對道路交通的智能化改造，對打造“智慧城市”、“智慧交通”，解決堵車、提升道路利用率等方面也有非常積極的作用。

既然自動駕駛必不可少，又能參與到未來城市的建設之中，本身就希望在未來的自動駕駛時代有所作為的科技巨頭們自然也不會放過車路協同。

3、體量龐大的市場空間

與自動駕駛一樣，車路協同也是一塊巨大的蛋糕。這塊蛋糕到底有多大呢？就拿“智慧高速”的建設/改造來舉例。

據統計，目前全國的高速公路總里程大約為14萬公里。行業測算過，建設“智慧高速”進行車路協同的“路側”改造，一般的硬件和改造成本約為幾十萬到一百萬/公里，以此計算，車路協同光在“智慧高速”的改造上就存在著一個千億級的市場，而這還不包括車路協同在新建高速上的部署以及后續的運營維護。如果將城市路網的車路協同建設/改造也算上，那更是一個難以估算的天量市場。

車路協同的未來如此的美好，即便在基建上并不擅長，但車路協同天生的技術門檻還是給了科技巨頭們足夠的信心和勇氣，不會輕易放棄這條賽道。

反復兜轉，車路協同到底難在哪？

實際上，車路協同并不是近幾年才興起的新概念，早在上世紀90年代，日美歐等國就有提出，并實施過一些解決方案；我國在“十二五”期間，科技部也立項了“智能車路協同關鍵技術研究”，當時有清華大學、北京航天航空大學等10家單位參與并結項。然而車路協同走到今天，依然還有很多方向沒有走通。“智能相對論”認為，其中的難度主要體現在以下幾個方面。

1、各類技術高度整合形成的行業門檻

嚴格意義來說，車路協同并不僅僅只是V2X（“車端”與“路側”的關系），廣義上的車路協同應該是V2I（“車端”與交通設施網聯化的關系），其中包括車車協同V2V，車云協同V2N，人車協同V2P。在這樣的綜合性架構下，車路協同的技術門檻被抬高了。其背后涉及云計算、大數據、通信、車端智能、深度學習、高精地圖甚至還有基建等多個板塊，這對車路協同主導方的技術和資源整合能力提出了非常高的要求，也正是車路協同“軟硬兼顧”的特點，成就如今巨頭掌控整體的局面。

2、缺乏統一標準帶來的研發猶豫

一個較為尷尬的現實，車路協同一定是建立在5G技術之上的，5G通信的標準尚未定論，車路協同通用標準的統一更是遙遙無期。

業界一致認為要實現車路協同，必須攻克以下技術難關：

A、實現高速運行車輛，與不斷切換的基站之間低功耗、高可靠的無線聯接。

B、需要在多個電信運營商與不同車輛廠商之間，形成異構網絡的通信計算協同化。換句話說，就是要讓形形色色的廠商與技術之間，能夠以相同的技術標準進行通訊。

C、要實現車輛通訊與定位的一體化。能夠高效率、高精度地實現車輛定位，以及移動中的不間斷通訊。

D、必須實現車輛、道路信號燈、電子指示牌、攝像頭等元素之間的協同動作體系。

不難看出，只要確定標準，所謂的“難關”都會迎刃而解。現實困境的存在，讓部分車路協同研發企業難以判斷技術路線，經常是走一步停兩步，擔心自己的探索最終被確定的標準所淘汰，或者倍數提升研發成本，猶豫觀望之間，技術研發的整體進度也就裹足不前了。

3、V與I之間的認知協同

從廣義車路協同來理解，車路協同代表的是V與I之間的關系，即智能網聯汽車與交通設施網聯化之間的關系。拆分來看，V是車企的事情，I是政府的事情。

當前的困境在于車企和政府對車路協同這個新生事物的認知與理解需要一個過程。特別是I的建設（交通設施網聯化建設），實際上是實現自動駕駛的基礎設施建設，需要投入大量的人力和物力。政府如果不理解也不支持，那么，這項工作的進程會大大拖慢。車路協同從高研發熱度轉入到高建設熱度，行業期間需要經過很長一段時間教育與布道。

巨頭的野望與初創公司的機會

對于車路協同這塊蛋糕，BAT和華為都表現出志在必得的架勢，以“智能相對論”看來，在具體的打法上，這幾個巨頭又根據自身的長短板，采取了揚長避短的打法。

百度：百度于去年年底正式開源了Apollo車路協同方案，向業界開放百度Apollo 在車路協同領域的技術和服務。

目前百度的發力重點已經覆蓋了三大要素：研發符合自動駕駛場景需求的路側感知能力，通信芯片及設備廠商合作針對自動駕駛應用需求來優化V2X通信傳輸通道，以及車端自動駕駛系統中對于V2X路側感知信息的融合使用。

阿里：在阿里的構想中，不僅有聰明的車，還要有聰明的路。自動駕駛車+路側“感知基站”+云控平臺，實現云端、路端、車端一體的智能。

在阿里的實踐中，阿里云搭建智慧高速云控平臺，為車路協同場景提供全局掌控能力；AliOS搭建車路云協同計算系統，完成車路協同的具體能力；達摩院，研制路測要安裝的感知硬件。同時，高德、千尋提供高精度地圖，支付寶解決高速支付場景，在加上菜鳥聯盟和ET城市大腦的場景支持，阿里在自家的生態體系內建立了一個“封閉”的車路協同生態。

騰訊：騰訊在車路協同方面的動作主要是與電信運營商、交通部門合作，推出車路協同整體解決方案。

騰訊從自身優勢和特點出發，深入分析車路協同亟需解決的問題，以產業連接器的角色聯合產業鏈相關企業，共同研究構建了包括基礎設施、平臺服務、業務應用三方面的車路協同生態。

華為：華為的愿景是：無論是物聯網還是車聯網，都希望能夠做到對單車智能更好的支撐。遵循著這一方向，華為去年2月發布了C-V2X芯片；6月發布了首款商用C-V2X RSU（路側單元），構建了可商用的C-V2X解決方案；9月發布了OceanConnect智能交通平臺；10月發布了移動數據中心MDC600賦能自動駕駛。

從巨頭的布局可以看出，BAT的最終目的都是沖著大數據去的，百度和阿里都希望在系統層面能夠占據一席之地，但這三家的共同短板是硬件設備，實測數據的積累以及工程應用經驗方面還有待加強。華為的長板非常突出，在V2X網聯化的通信層面擁有絕對優勢，但在V2X網聯化的應用層以及V2X智能化這方面還有較大的加強空間。

蚍蜉難撼大樹。BAT和華為似乎已經將車路協同的蛋糕瓜分完了，那些跟隨巨頭步伐扎入車路協同賽道的初創公司們還有哪些機會呢？

首先，深耕具體場景的應用。

從巨頭們的布局可以看出，系統架構層面是BAT和華為瞄準的主要的方向，在具體應用上還大量的空白區域沒有填補，這也是初創公司們的市場空間。

往小的方向說，可以是路側傳感器感知單元與算法的結合；往大的方向說，可以是自動駕駛、智能交通、智慧城市的深度應用。像希迪智駕（長沙智能駕駛研究院）就發布了面向城市道路場景的“V2X+交叉路況”解決方案、面向高速公路場景的“V2X+智慧高速”解決方案，據了解，在今年下半年還將發布面向城市大眾運輸系統的“v2x+公交智慧出行”解決方案，“v2x+城市交通態勢感知”解決方案。

每個城市的道路狀況都有不同，這也使得每條路上每個場景的解決方案也會有所差異，將應用場景化整為零，打碎孤立，這樣有多少場景就有多少機會。

其次，要靈活快速的融入生態。

從上文的分析可以看出，車路協同是一個場景豐富、產業鏈冗長、產業關系復雜的生態結構。這就要求初創公司必須快速適應車路協同的生態氛圍。

巨頭們主導的車路協同有不同的發展方向，初創公司需要靈活判斷，在車路協同發展到一定階段，某個巨頭的生態圈顯露出高人一等的發展速度時，要迅速作出“選邊站隊”的選擇，及時調頭，駛向新的生態圈。這樣才不至于在這場長跑中過早的掉隊出局。

【完】

智能相對論：深挖人工智能這口井，評出咸淡，講出黑白，道出vb深淺。重點關注領域：AI+醫療、機器人、自動駕駛、AI+硬件、物聯網、AI+金融、AI+安全、AR/VR、開發者以及背后的芯片、算法、人機交互等。