随着自动驾驶技术从实验室走向现实，车路云协同成为突破单车智能局限、实现全域交通优化的关键。

在2025年中国电动汽车百人会论坛上，中国工程院院士邬贺铨发表了题为《网边算融合与车路云一体化》的演讲，系统阐述了智能交通发展的技术路径与挑战。随着自动驾驶技术从实验室走向现实，车路云协同成为突破单车智能局限、实现全域交通优化的关键。邬贺铨院士的发言不仅揭示了当前技术瓶颈，更提出了国家级战略层面的解决方案，为未来智能交通发展指明了方向。

一、数据与算力：智能驾驶的“双刃剑”

邬贺铨院士指出，自动驾驶的核心挑战在于海量数据的获取与处理。以L5级自动驾驶为例，模型训练需真实路测数据高达1亿公里，而现有技术条件下，仅靠真实道路采集成本高企且难以覆盖极端场景。目前，90%的交通数据依赖仿真和人工智能生成，但AI生成数据的“近亲繁殖”可能导致模型失真。为此，他呼吁保留10%-20%的真实数据作为基础，并通过标注、去重和场景变换技术优化数据质量。

算力需求更是惊人。L5级自动驾驶模型参数达千亿量级，所需算力远超全球现有能力。邬贺铨以DeepSeek为例，提出通过稀疏架构、知识蒸馏、混合精度计算等技术压缩算力需求，例如将激活参数量压缩至5%。他强调，单靠车企或城市难以负担如此高昂的算力成本，需由国家牵头建立统一训练模型，各地仅需基于本地数据微调，从而实现资源集约化。

二、车路云协同：突破单车智能的“天花板”

单车智能在复杂路况、恶劣天气和全局感知上的局限性，倒逼车路云一体化发展。邬贺铨提出“三层架构”：全国智能交通算力中心统筹全局数据，城市云平台负责区域优化，路侧单元（RSU）与车载终端协同处理实时任务。

路侧单元（RSU）作为关键节点，需集成通信、感知与计算功能，支持多模态数据处理（10-50G/秒）和毫秒级响应。通过5G-A网络升级，车与路、车与云的高效互联可将感知半径从200米扩展至500米，实现非视线范围内的全局交通优化。此外，车端算力需从L2级的4-10Tops跃升至L5级的1000Tops，这对车载芯片和通信技术提出了更高要求。

三、网络重构：从碎片化到全国一体化

邬贺铨犀利指出，当前车联网建设存在“城市孤岛”问题——各试点城市标准不一、重复投资，导致跨城通行效率低下。他主张成立全国性V2X运营商，整合电信、车企、交通部门等多方资源，统一技术标准与投资部署。

据测算，分两期投入4000亿元即可覆盖全国56万公里公路，完成主要城市路口改造，支持L3级自动驾驶。此举有望提升城市通行效率30%，降低交通事故80%。同时，运营商需升级5G网络至5.5G（5G-A），确保确定性低时延（＜10毫秒），并在本地网直连点建设上打破传统跨省互联模式，减少通信延迟。

四、政策与产业协同：智能交通的“中国方案”

邬贺铨强调，智能交通不仅是技术问题，更是系统性工程。国家需出台数据标注、AI生成内容监管等配套政策，推动高质量数据集建设。此外，他建议将路侧感知设备（如激光雷达）纳入公共基础设施，降低车企成本，并通过“智能体”（AI Agent）技术分解驾驶场景任务，实现大模型轻量化落地。

产业层面，车企、云服务商、通信运营商需深度协同。例如，城市云平台可承担非实时任务（如高精地图更新、故障诊断），而实时决策则由车端与路侧单元完成，形成“云-边-端”高效分工。

结语：迈向全域智能交通时代

邬贺铨院士的演讲为智能交通描绘了一幅清晰的蓝图：通过车路云一体化，突破数据与算力瓶颈，重构交通网络架构，最终实现安全、高效、低碳的出行愿景。然而，这一目标的实现依赖技术突破、政策引导与产业协同的“三重奏”。中国若能率先建成全国统一的V2X网络，不仅将引领全球智能交通发展，更将为城市治理与数字经济注入新动能。