數(shù)據(jù)驅(qū)動時代“車路云一體化”加速自動駕駛商業(yè)化進程

數(shù)據(jù)驅(qū)動時代“車路云一體化”加速自動駕駛商業(yè)化進程前瞻產(chǎn)業(yè)研究院出品目錄CONTENT自動駕駛從“規(guī)則驅(qū)動”進入“數(shù)據(jù)驅(qū)動”時代數(shù)據(jù)閉環(huán)能力成為自動駕駛規(guī)?；涞仃P(guān)鍵因素“車路云一體化”加速自動駕駛商業(yè)化進程數(shù)據(jù)驅(qū)動時代，自動駕駛代表企業(yè)實踐011.1

自動駕駛技術(shù)架構(gòu)演變歷程1.2

“規(guī)則驅(qū)動”核心要素1.3

“數(shù)據(jù)驅(qū)動”核心要素1.1.1 仍處于自動駕駛初始階段，隨著等級提升算力要求成倍提升資料來源：SAE；《汽車駕駛自動化分級》（GB/T

40429-2021）；《智能網(wǎng)聯(lián)汽車技術(shù)路線圖2.0》；前瞻產(chǎn)業(yè)研究院整理0224完全自動駕駛L5高度自動駕駛L4有條件自動駕駛L3部分自動駕駛L2輔助駕駛L1輔助信息交互網(wǎng)聯(lián)協(xié)同感知網(wǎng)聯(lián)決策控制網(wǎng)聯(lián)化智能化L2單車智能+車外交互L3車隊智能+網(wǎng)聯(lián)協(xié)同L1單車智能+車內(nèi)交互智能化為主智能化為主智能化與網(wǎng)聯(lián)化融合L4/L5車流智能+網(wǎng)聯(lián)協(xié)同智能化與網(wǎng)聯(lián)化深度融合當(dāng)前所處發(fā)展階段特定場景下自動駕駛2025年當(dāng)前2030年2035年自動駕駛發(fā)展目標(biāo)TELOPSTELOPS320

TOPS4000+

TOPS10x10x10x1.1.2 自動駕駛技術(shù)開始步入數(shù)據(jù)驅(qū)動時代資料來源：前瞻產(chǎn)業(yè)研究院整理硬件驅(qū)動時代（自動駕駛1.0）數(shù)據(jù)驅(qū)動時代（自動駕駛3.0）里程規(guī)模：100萬公里感知方式：激光雷達(dá)認(rèn)知原則：人工規(guī)則自動駕駛行業(yè)可以被分成三個時代：1.0時代是硬件驅(qū)動，主要依靠激光雷達(dá)和人工規(guī)則的認(rèn)知方式提供自動駕駛方案；2.0時代是軟件驅(qū)動，特點是傳感器單獨輸出結(jié)果，用小模型和少數(shù)據(jù)的模式提供自動駕駛方案；3.0時代是數(shù)據(jù)驅(qū)動時代，采用多模態(tài)傳感器聯(lián)合輸出結(jié)果，用大模型大數(shù)據(jù)的模式提供自動駕駛方案。軟件驅(qū)動時代（自動駕駛2.0）里程規(guī)模：100萬-1億公里感知方式：傳感器單獨輸出結(jié)果認(rèn)知原則：人工規(guī)則應(yīng)用模型：小模型小數(shù)據(jù)里程規(guī)模：1億公里以上感知方式：多模態(tài)傳感器聯(lián)合輸出結(jié)果認(rèn)知原則：可解釋的場景化駕駛常識應(yīng)用模型：大模型大數(shù)據(jù)1.2.1 “規(guī)則驅(qū)動”的硬件基礎(chǔ)雷達(dá)傳感器雷達(dá)通過發(fā)射無線電波，檢測反射信號來感知周圍環(huán)境，適用于自動駕駛中的距離測量和物體檢測。激光雷達(dá)傳感器激光雷達(dá)通過激光束掃描物體，收集反射光信息，實現(xiàn)高精度三維成像，用于自動駕駛的實時地圖構(gòu)建和物體識別。攝像頭傳感器攝像頭捕捉二維圖像，通過圖像處理算法分析物體形狀、顏色和運動狀態(tài)，用于自動駕駛中的道路線識別和車輛檢測。毫米波雷達(dá)傳感器毫米波雷達(dá)利用電磁波在毫米波段的高分辨率，實現(xiàn)遠(yuǎn)距離和高精度的目標(biāo)檢測，適用于自動駕駛的巡航控制和盲點監(jiān)測。超聲波傳感器超聲波通過發(fā)射和接收聲波，測量距離和速度，適用于自動駕駛中的近距離物體檢測和停車輔助功能。自動駕駛汽車感知更加精準(zhǔn)，離不開車載攝像頭、毫米波雷達(dá)、超聲波雷達(dá)、激光雷達(dá)等感知硬件，其中，超聲波雷達(dá)、毫米波雷達(dá)和激光雷達(dá)主要用于測量距離、速度和障礙物，車載攝像頭主要用于圖像采集和識別，感知硬件各司其職，讓自動駕駛汽車可以獲取更多的道路信息。1.2.2 “規(guī)則驅(qū)動”的軟件基礎(chǔ)規(guī)則驅(qū)動自動駕駛的軟件基礎(chǔ)除了底層驅(qū)動和實時操作系統(tǒng)外,上層應(yīng)用主要包括感知層、規(guī)劃層和控制層等程序。在技術(shù)上，以各類感知算法、定位算法和規(guī)控算法為核心。路徑/軌跡規(guī)劃行為決策橫縱向解耦控制橫縱向協(xié)同控制規(guī)控絕對定位定位融合定位相對定位感知融合感知直接/間接感知獨立感知全球衛(wèi)星定位系統(tǒng)GNSS，如GPS、北斗等，可以輔助車輛確定其在地球上所處位置，但其精度一般是米需級，不能滿足車輛自動駕駛厘米級要求，一般要RTK差分技術(shù)輔助，才能實現(xiàn)厘米級定位精度。定位算法目前應(yīng)用最廣的方法是間接感知，即通過感知周圍物體的距離、速度、形狀等，構(gòu)建駕駛態(tài)勢圖，進行規(guī)劃、控制，間接作用于駕駛操作系統(tǒng)。感知算法規(guī)劃、控制的目的，一是對車輛遠(yuǎn)動進行全局規(guī)劃、行為決策、局部規(guī)劃；二是精準(zhǔn)控制車輛按規(guī)劃軌跡行駛。全局路徑規(guī)劃、后部軌跡規(guī)劃，本常用的搜索算法為A*算法；控制算法，最常用的是經(jīng)典控制算法PID控制。規(guī)控算法1.3.1 軟件算法大模型式演化，自動駕駛進入3.0時代能力突破與模型統(tǒng)一在云端實現(xiàn)感知大模型和認(rèn)知大模型的能力突破車端各類小模型逐步統(tǒng)一為感知模型和認(rèn)知模型控制模塊AI模型化大模型化車端智駕系統(tǒng)全鏈路模型化小模型逐漸統(tǒng)一到大模型內(nèi)模型提升云端大模型逐步提升車端感知能力自動駕駛大模型鋪開端到端的自動駕駛大模型在車端、云端全面鋪開資料來源：毫末智行

前瞻產(chǎn)業(yè)研究院整理控制算法車端控制模型規(guī)控算法車/云端認(rèn)知模型感知算法車端感知模型自動駕駛3.0時代與2.0時代相比，其開發(fā)模式和技術(shù)框架都將發(fā)生顛覆性的變革。在自動駕駛2.0時代，以小數(shù)據(jù)、小模型為特征，以Case任務(wù)驅(qū)動為開發(fā)模式。而自動駕駛3.0時代，以大數(shù)據(jù)、大模型為特征，以數(shù)據(jù)驅(qū)動為開發(fā)模式。規(guī)模圍繞真實道路場景，數(shù)據(jù)規(guī)模更大、多樣性更充分，行駛里程將邁進1

億公里級。感知以大模型AI為基礎(chǔ)，雷達(dá)、視覺等傳感器聯(lián)合工作，多模態(tài)共同輸出結(jié)果。認(rèn)知在各類場景下模擬人的認(rèn)知行為，結(jié)合人類的駕駛常識決策，提高行車舒適性。1.3.2 數(shù)據(jù)閉環(huán)是自動駕駛3.0的核心要素數(shù)據(jù)閉環(huán)是指從從車端數(shù)據(jù)采集，到處理后形成有效數(shù)據(jù)集，再通過云服務(wù)器進行存儲、運輸，經(jīng)過算法模型訓(xùn)練、驗證后，將有效數(shù)據(jù)成果部署上車，各環(huán)節(jié)相互連接，形成的自動駕駛數(shù)據(jù)循環(huán)。資料來源：華為、億歐智庫、前瞻產(chǎn)業(yè)研究院整理自動駕駛數(shù)據(jù)閉環(huán)數(shù)據(jù)采集數(shù)據(jù)傳輸數(shù)據(jù)存儲數(shù)據(jù)處理數(shù)據(jù)挖掘數(shù)據(jù)清洗數(shù)據(jù)標(biāo)注仿真場景模型訓(xùn)練模型優(yōu)化模型驗證模型部署智能電動車數(shù)據(jù)集云存儲算法模型車載攝像頭激光雷達(dá)傳感器總線通信無線通信本地存儲云存儲數(shù)據(jù)檢索數(shù)據(jù)分組在線挖掘離線挖掘人工標(biāo)注自動標(biāo)注檢測模型分割模型….NAS量化…成熟的自動駕駛數(shù)據(jù)閉環(huán)特征過程完整且循環(huán)數(shù)據(jù)采集和應(yīng)用流程完整，且“數(shù)據(jù)流”過程可重復(fù)，實現(xiàn)數(shù)據(jù)全跑通、數(shù)據(jù)全循環(huán)。流程高效且自動海量數(shù)據(jù)可以被高效的處理，同時以自動化工具和算法數(shù)據(jù)可減少人工干預(yù)，加快數(shù)據(jù)的加工。結(jié)果可追溯預(yù)測對于產(chǎn)生的數(shù)據(jù)結(jié)果是可以追溯到不同的環(huán)節(jié)，同時可根據(jù)數(shù)據(jù)進行一定的結(jié)果預(yù)測。022.1

數(shù)據(jù)閉環(huán)發(fā)展歷程2.2

數(shù)據(jù)閉環(huán)核心技術(shù)2.3

數(shù)據(jù)閉環(huán)發(fā)展痛點2.1 自動駕駛數(shù)據(jù)閉環(huán)發(fā)展歷程資料來源：億歐

前瞻產(chǎn)業(yè)研究院整理自動駕駛數(shù)據(jù)閉環(huán)從2013年開始初露頭角，但由于當(dāng)時僅有部分測試車上路，數(shù)據(jù)量較少，僅能實現(xiàn)簡單的反饋循環(huán)機制。隨著自動駕駛技術(shù)從L0邁入L2/L3，早期的數(shù)據(jù)閉環(huán)難以滿足自動駕駛的需求，數(shù)據(jù)閉環(huán)從1.0邁向2.0，未來也將朝著更商業(yè)化的3.0邁進。目前我國的自動駕駛數(shù)據(jù)閉環(huán)正處于高效驅(qū)動升級的第二階段，未來的數(shù)據(jù)處理能力和自動運轉(zhuǎn)能力將大幅提升，商業(yè)落地效益更好，生態(tài)建設(shè)更完善。自動駕駛數(shù)據(jù)閉環(huán)的發(fā)展歷程1.0

階段：2017-2017閉環(huán)通路初步構(gòu)建3.0

階段：2025-2030場景豐富商業(yè)生態(tài)出現(xiàn)問題

上傳錯誤

數(shù)據(jù)分析數(shù)據(jù)上線應(yīng)用

運行測試

重寫代碼自動駕駛初期的數(shù)據(jù)閉環(huán)較簡單，一般僅有通路構(gòu)建，后在測試車上發(fā)現(xiàn)問題并上傳。由工程師們分析錯誤報告，并找出原因，由此修改代碼并在下次更新后子以解決。初期的閉環(huán)較為傳統(tǒng)和簡單，同時效率較低，多個環(huán)節(jié)需要人工輔助自動駕駛初始數(shù)據(jù)閉環(huán)體系2.0

階段：2018-2024數(shù)據(jù)驅(qū)動閉環(huán)升級隨著技術(shù)的進步和自動駕駛等級的發(fā)展，傳統(tǒng)的數(shù)據(jù)閉環(huán)已經(jīng)完全不能適應(yīng)快速迭代的自動駕駛產(chǎn)業(yè)和處理指數(shù)級增長的數(shù)據(jù)量。這一階段，面向更大規(guī)模數(shù)據(jù)的閉環(huán)及相應(yīng)技術(shù)和服務(wù)被車企及供應(yīng)商廣泛應(yīng)用。數(shù)據(jù)分析異構(gòu)計算靈活高效數(shù)據(jù)標(biāo)注算法輔助自動標(biāo)注模型訓(xùn)練數(shù)據(jù)驅(qū)動自動迭代測試驗證數(shù)據(jù)驅(qū)動自動迭代數(shù)據(jù)采集車端篩選覆蓋長尾數(shù)據(jù)回流回收處理安全存儲未來，自動駕駛數(shù)據(jù)閉環(huán)將進一步迭代升級，逐步從測試車

小規(guī)橫量產(chǎn)

大規(guī)模量產(chǎn)進行穩(wěn)步應(yīng)用，面流暢、安全的賦能多樣化自動駕駛場景，從車、路、云多端助力自動駕駛的終極目標(biāo)實現(xiàn)。自動駕駛初始數(shù)據(jù)閉環(huán)體系云服務(wù)賦能底座路端閉環(huán)車端閉環(huán)

車路協(xié)同一體化測試場景高速場景低等級自動駕駛場景高等級自動駕駛場景2.2.1 數(shù)據(jù)閉環(huán)核心技術(shù)—云服務(wù)平臺資料來源：阿里云

億歐

騰訊云

前瞻產(chǎn)業(yè)研究院整理數(shù)據(jù)傳輸每天龐大的數(shù)據(jù)量，人工扛硬盤的方式不可取，長距離數(shù)據(jù)傳輸成了大問題。數(shù)據(jù)處理小文件高吞吐處理，如某碰撞仿真業(yè)務(wù)可持續(xù)產(chǎn)生10GB/s的數(shù)據(jù)讀寫，如何保障吞吐與性能。高額成本高性能讀寫+永久保存的數(shù)據(jù)帶來高昂的存儲成本數(shù)據(jù)合規(guī)因地理信息管制，自動駕駛采集的數(shù)據(jù)需滿足法規(guī)約定的標(biāo)準(zhǔn)隨著數(shù)據(jù)量的激增，自動駕駛下的存儲面臨海量數(shù)據(jù)傳輸、數(shù)據(jù)處理、數(shù)據(jù)合規(guī)等問題，而自動駕駛的云服務(wù)平臺包括數(shù)據(jù)采集、數(shù)據(jù)管理、數(shù)據(jù)標(biāo)注、模擬仿真、算法迭代等。目前國外車企基本使用的是微軟云，而國內(nèi)車企主要使用阿里云、騰訊云、百度云和華為云。自動駕駛存儲面臨的挑戰(zhàn) 自動駕駛云平臺架構(gòu) 自動駕駛云服務(wù)應(yīng)用情況自動駕駛云平臺服務(wù)數(shù)據(jù)標(biāo)注算法訓(xùn)練數(shù)據(jù)采集專業(yè)采集眾包采集量產(chǎn)回傳數(shù)據(jù)合作模擬仿真仿真模板 任務(wù)模板算法導(dǎo)入 資源管理場景導(dǎo)入 多引擎并行仿真 聯(lián)合仿真數(shù)據(jù)管理數(shù)據(jù)清洗場景提取場景庫數(shù)據(jù)回放仿真評測RD功能乘客體驗行車安全法律法規(guī)算法迭代OTA規(guī)模路測Corner

Case……數(shù)據(jù)合規(guī)處理調(diào)度、服務(wù)、標(biāo)準(zhǔn)化分布式存儲內(nèi)置場景庫標(biāo)注成果庫生產(chǎn)數(shù)據(jù)自動駕駛?cè)萜鞣?wù)平臺Kubernetes/DockerGPU、CPU存儲、高速網(wǎng)絡(luò)2.2.2 數(shù)據(jù)閉環(huán)核心技術(shù)—數(shù)據(jù)標(biāo)注數(shù)據(jù)標(biāo)注對于自動駕駛技術(shù)的發(fā)展非常重要，只有通過大量的數(shù)據(jù)標(biāo)注才能訓(xùn)練出高質(zhì)量的自動駕駛模型。相較于傳統(tǒng)的純?nèi)斯?biāo)注方式，可以節(jié)省30-40%的成本，并提高30%的處理效率。以3D圖片為例，其AI全自動標(biāo)注的日均產(chǎn)能為>20K張，比AI輔助標(biāo)注的日均產(chǎn)能高5K張，比人工標(biāo)注的日均產(chǎn)能高10K張。

Appen、海天瑞聲、數(shù)據(jù)堂在2021-2022年間智能駕駛數(shù)據(jù)標(biāo)注業(yè)務(wù)漲幅極高，表明行業(yè)需求旺盛。標(biāo)注方式解析車道線標(biāo)注車道線標(biāo)注是一種對道路地面標(biāo)線進行的綜合標(biāo)注，包括了區(qū)域標(biāo)注、分類標(biāo)注以及語義標(biāo)注,應(yīng)用于訓(xùn)練自動駕駛根據(jù)車道見則進行行駛。2D車輛/行人標(biāo)框標(biāo)注主要應(yīng)用于對車輛與行人的基礎(chǔ)識別。車輛多邊形標(biāo)注主要應(yīng)用用于對車輛類型的識別,例如面包車、卡車、大客車、小轎車等,訓(xùn)練自動駕駛在道路行駛時選擇性跟車或者變道操作。指示牌/信號燈標(biāo)注標(biāo)注包括區(qū)域標(biāo)注、分類標(biāo)注以及語義標(biāo)注區(qū)域分割標(biāo)注包括了區(qū)域標(biāo)注、分類標(biāo)注以及語義標(biāo)注行進方向標(biāo)注應(yīng)用于訓(xùn)練自動駕駛判斷行人或車輛前進方向，規(guī)避行人或車輛3D雷達(dá)標(biāo)注主要應(yīng)用在自動駕駛虛擬現(xiàn)實(VR)訓(xùn)練場景的搭建。3D車輛標(biāo)注主要應(yīng)用于訓(xùn)到練自動駕駛對會車或超車車輛的體積判斷。視頻跟蹤標(biāo)注將視頻數(shù)據(jù)按照圖片幀抓取進行標(biāo)框標(biāo)注,標(biāo)注后的圖片幀按照順序重新組合成視頻數(shù)據(jù)訓(xùn)練自動駕駛。資料來源：前瞻產(chǎn)業(yè)研究院整理常見自動駕駛標(biāo)注方法不同標(biāo)注之間的對比人工標(biāo)注AI輔助標(biāo)注AI全自動標(biāo)注固定人員300人+2D日均>50k張3D日均>10k張2D日均>75k張3D日均>15k張2D日均>100k張3D日均>20k張2.2.3 數(shù)據(jù)閉環(huán)核心技術(shù)—仿真測試自動駕駛仿真測試以場景庫作為基礎(chǔ)，仿真平臺作為核心，評價體系作為關(guān)鍵，應(yīng)用構(gòu)成三者緊密相連且相互促進，場景庫的建設(shè)需要仿真平臺和評價體系作為指導(dǎo)，仿真平臺的發(fā)展進化需要場景庫和評價體系作為支撐，而評價體系的建立和完善也需要以現(xiàn)有的場景庫和仿真平合作為參考基礎(chǔ)。根據(jù)ICVTank的數(shù)據(jù)，到2025年全球自動駕駛仿真平臺的規(guī)模將達(dá)到200億美元。資料來源：PLUG&PLAY

CHINA

,

ICVTank

前瞻產(chǎn)業(yè)研究院整理自動駕駛仿真測試應(yīng)用構(gòu)成51142961592000501001502002020 2021 2022 2023E2024E

2025E2020-2025年全球自動駕駛仿真市場規(guī)模（億美元）250據(jù)ICVTank估計，

全球自動駕駛仿真市場規(guī)模將出現(xiàn)爆發(fā)式增長，由2020

年的5

億美元增長至

2025

年至少

200

億美元，5

年CAGR為109%。010302仿真測試評分體系仿真平臺場景庫數(shù)據(jù)來源：真實數(shù)據(jù)、模擬數(shù)據(jù)以及根據(jù)真實場景數(shù)據(jù)合成的仿真數(shù)據(jù)典型測試場景：自然駕駛場景、危險工況場景、標(biāo)準(zhǔn)法規(guī)場景、參數(shù)重組場景場景庫仿真平臺一般包括仿真框架、物理引擎和圖形引擎。仿真框架是平臺軟件平臺的核心，支持傳感器仿真、車輛動力學(xué)仿真、通信仿真、交通環(huán)境仿真等。仿真平臺評價體系評價維度分為真實性和有效性。真實性評價主要是針對場景庫真實合理性的評價，分為場景信息真實度、場景分布真實度兩個方面。而目前國內(nèi)尚未統(tǒng)一的有效性評價標(biāo)準(zhǔn)。2.3.1 自動駕駛數(shù)據(jù)規(guī)模指數(shù)級增長自動駕駛數(shù)據(jù)與車聯(lián)網(wǎng)數(shù)據(jù)存在眾多差異，因此需要針對自動駕駛數(shù)據(jù)的特點進行分級分類以全面考量其安全威脅及保障手段。綜合考慮自動駕駛的人工智能屬性以及自動駕駛數(shù)據(jù)多樣性、規(guī)模性、非結(jié)構(gòu)性、流動性的特點。除此之外，自動駕駛車輛還具有汽車本身的安全屬性和智能網(wǎng)聯(lián)下跨產(chǎn)業(yè)技術(shù)融合的特點。隨著自動駕駛級別的提高，所屬的數(shù)據(jù)規(guī)模也呈指數(shù)規(guī)模的增長。所需空間(4-10PB)L1L2L3L4 L5資料來源：億歐

前瞻產(chǎn)業(yè)研究院整理所需空間(50-100PB)所需空間(4-5TB)所需空間(3EB+)自動駕駛級別與數(shù)據(jù)規(guī)模關(guān)系數(shù)據(jù)多樣性不僅包括汽車基礎(chǔ)數(shù)據(jù),也包括基礎(chǔ)設(shè)施、交通數(shù)據(jù)、地理信息數(shù)據(jù)以及車主大量用戶身份類數(shù)據(jù)、用戶狀態(tài)數(shù)據(jù)、行為類數(shù)據(jù)等數(shù)據(jù)規(guī)模性融合了來自汽車、道路、天氣、用戶、智能計算系統(tǒng)等多方面的海量數(shù)據(jù)涉及數(shù)據(jù)類型多，需要統(tǒng)計分析的數(shù)據(jù)總量大。數(shù)據(jù)非結(jié)構(gòu)性不同來源的數(shù)據(jù)格式不同，數(shù)據(jù)的非結(jié)構(gòu)性和非標(biāo)準(zhǔn)性對數(shù)據(jù)聚合或拆分技術(shù)以及權(quán)限管理和安全存儲都帶來了巨大的挑戰(zhàn)。數(shù)據(jù)流動性用戶端、車端、云端等多場景的交互使得數(shù)據(jù)的流動性增大。此外，自動駕駛數(shù)據(jù)還具有跨行業(yè)共享交換的問題。數(shù)據(jù)涉密性自動駕駛過程中采集的大量地理信息數(shù)據(jù)可能涉及涉密測繪成果，需遵守《中華人民共和國保守國家秘密法》中的相關(guān)規(guī)定。自動駕駛數(shù)據(jù)類型及特點天氣數(shù)據(jù)道路數(shù)據(jù)交通數(shù)據(jù)電樁數(shù)據(jù)車場數(shù)據(jù)手機數(shù)據(jù)保養(yǎng)數(shù)據(jù)事故數(shù)據(jù)用戶數(shù)據(jù)違規(guī)數(shù)據(jù)車壓數(shù)據(jù)電機數(shù)據(jù)大燈數(shù)據(jù)娛樂數(shù)據(jù)電池數(shù)據(jù)2.3.2 數(shù)據(jù)閉環(huán)發(fā)展難點完整的數(shù)據(jù)驅(qū)動閉環(huán)是指從量產(chǎn)、采集車在路端實地采集的交通場景，通過技術(shù)手段還原成仿真場景，進入測試環(huán)節(jié)用于算法測試，再更新和升級量產(chǎn)車的過程。但在此過程中由于關(guān)鍵鏈路涉及多個環(huán)節(jié)與領(lǐng)域，當(dāng)前行業(yè)內(nèi)（包括數(shù)據(jù)采集商、軟硬件供應(yīng)商、車廠、算法公司等在內(nèi)）尚未出現(xiàn)能提供統(tǒng)一視野、融合所有車的環(huán)節(jié)、一體化打通整條鏈路的產(chǎn)品或者平臺。數(shù)據(jù)驅(qū)動閉環(huán)量產(chǎn)車數(shù)據(jù)采集算法學(xué)習(xí)場景挖掘與數(shù)據(jù)轉(zhuǎn)換不同的供應(yīng)商，擁有不同的數(shù)據(jù)采集方案和存儲格式以及仿真數(shù)據(jù)管理真實場景信息如何轉(zhuǎn)換為統(tǒng)一數(shù)據(jù)原始數(shù)據(jù)在加工時會產(chǎn)生各種誤差和噪聲；復(fù)雜場景會大大增加數(shù)據(jù)挖掘的難度信息提取手段缺失海量數(shù)據(jù)處理的“高本低效”大數(shù)據(jù)時代帶來的海量數(shù)據(jù)是傳統(tǒng)軟件開發(fā)和數(shù)據(jù)處理方法難以承受的；同時，傳統(tǒng)的人工數(shù)據(jù)標(biāo)注成本也十分高昂負(fù)責(zé)數(shù)據(jù)采集與算法研發(fā)的團隊較為割裂，缺乏高效的數(shù)據(jù)處理和挖掘能力上下游鏈路割裂，數(shù)據(jù)流轉(zhuǎn)困難資料來源：億歐

前瞻產(chǎn)業(yè)研究院整理2.3.3 車路云一體化實現(xiàn)多源數(shù)據(jù)采集助力技術(shù)演化資料來源：中國智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)創(chuàng)新聯(lián)盟

前瞻產(chǎn)業(yè)研究院整理通信網(wǎng)衛(wèi)星通信光承載網(wǎng)C-V2X其他專有網(wǎng)網(wǎng)聯(lián)車輛附能類應(yīng)用平臺交通管理與控制類應(yīng)用平臺交通數(shù)據(jù)附能類應(yīng)用平臺云控應(yīng)用云控基礎(chǔ)平臺中心云區(qū)域云邊緣云平臺能力標(biāo)準(zhǔn)化分級共享接口融合感知、協(xié)同決策、協(xié)同控制、…云網(wǎng)一體化底座全流程工具庫支撐平臺交管急救地圖定位氣象路況應(yīng)急其他云控平臺路側(cè)基礎(chǔ)設(shè)施感知設(shè)施通信設(shè)施數(shù)字化交通設(shè)施車輛及其他交通參與者車路云一體化是通過新一代信息與通信技術(shù)將人、車、路、云的物理空間、信息空間融合為一體，基于系統(tǒng)協(xié)同感知、決策與控制，實現(xiàn)智能網(wǎng)聯(lián)汽車交通系統(tǒng)安全、節(jié)能、舒適及高效運行的信息物理系統(tǒng)。車路云一體化系統(tǒng)充分融合了車端、路端、云端信息，實現(xiàn)車端、路端多源數(shù)據(jù)融合，數(shù)據(jù)規(guī)模更大，多樣性更充分，通過堆疊數(shù)據(jù)集，支持AI

大模型進行快速迭代。車路云一體化系統(tǒng)數(shù)據(jù)傳輸數(shù)據(jù)處理數(shù)據(jù)標(biāo)注模型訓(xùn)練模型優(yōu)化033.1

“車路云一體化”為自動駕駛最佳落地方案3.2

中國“車路云一體化”項目落地主要解決方案3.1.1 政策支持“車路云一體化”發(fā)展資料來源：政府官網(wǎng)

公開資料整理

前瞻產(chǎn)業(yè)研究院整理從2020年2月發(fā)改委、工信部等11部委聯(lián)合印發(fā)《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》文件，表示到2025年，新車基本實現(xiàn)智能化，高級別智能汽車實現(xiàn)規(guī)模化應(yīng)用，“人–車–路–云”實現(xiàn)高度協(xié)同；到2023年《國家車聯(lián)網(wǎng)產(chǎn)業(yè)標(biāo)準(zhǔn)體系建設(shè)指南（智能網(wǎng)聯(lián)汽車）（2023版）》，《公路工程設(shè)施支持自動駕駛技術(shù)指南》等政策的發(fā)布，近3年來中共中央、國務(wù)院、各部委累計出臺包含自動駕駛、車聯(lián)網(wǎng)（智能網(wǎng)聯(lián)汽車）、車路協(xié)同、交通新基建等相關(guān)政策達(dá)30余項，全面支持““車路云一體化””自動駕駛的快速發(fā)展與落地。中國“車路云一體化”相關(guān)政策梳理2020.022023.07以智能網(wǎng)聯(lián)汽車為核心載體和應(yīng)用，牽引“車-路-云”協(xié)同發(fā)展?！吨悄芷噭?chuàng)新發(fā)展戰(zhàn)略》到2025年，新車基本實現(xiàn)智能化，高級別智能汽車實現(xiàn)規(guī)?；瘧?yīng)用，“人–車–路–云”實現(xiàn)高度協(xié)同2023.07《公路工程設(shè)施支持自動駕駛技術(shù)指南》通過自動駕駛云控平臺、交通感知設(shè)施、交通控制與誘導(dǎo)設(shè)施、通信設(shè)施、定位設(shè)施、路側(cè)計算設(shè)施、供配電設(shè)施、網(wǎng)絡(luò)安全設(shè)施等聯(lián)合或單獨實現(xiàn)支持自動駕駛的功《國家車聯(lián)網(wǎng)產(chǎn)業(yè)標(biāo)準(zhǔn)體系建設(shè)能指。南（智能網(wǎng)聯(lián)汽車）（2023版）》2023.11《關(guān)于全面推進城市綜合交通體系建設(shè)的指導(dǎo)意見》推進智慧城市基礎(chǔ)設(shè)施與智能網(wǎng)聯(lián)汽車協(xié)同發(fā)展，改造升級路側(cè)設(shè)施，建設(shè)支持多元化應(yīng)用的智能道路，在重點區(qū)域探索建設(shè)“全息路網(wǎng)”。2023.11《關(guān)于開展智能網(wǎng)聯(lián)汽車準(zhǔn)入和上路通行試點部工作的通知》探索新型試點機制，引導(dǎo)高階自動駕駛功能規(guī)范應(yīng)用3.1.2 數(shù)據(jù)在“車路云一體化”系統(tǒng)不同組成部分之間進行交互隨著自動駕駛算法不斷迭代，自動駕駛的發(fā)展正逐漸由“規(guī)則驅(qū)動”向“數(shù)據(jù)驅(qū)動”轉(zhuǎn)化。自動駕駛的落地需要大量數(shù)據(jù)的支持，而車路云一體化方案，充分融合了車端、路端、云端信息，實現(xiàn)車端、路端多源數(shù)據(jù)融合，數(shù)據(jù)規(guī)模更大，多樣性更充分，通過堆疊數(shù)據(jù)集，支持AI大模型進行快速迭代。同時以大模型AI為基礎(chǔ)，車端、路端多角度，雷達(dá)、視覺等傳感器聯(lián)合工作，多模態(tài)共同輸出結(jié)果，通過基于“大數(shù)據(jù)+大模型”的AI，海量大數(shù)據(jù)自訓(xùn)練，結(jié)合人類的駕駛常識決策，從而加速自動駕駛技術(shù)演化?！败嚶吩埔惑w化”實現(xiàn)多源數(shù)據(jù)收集面向“車路云一體化”的數(shù)據(jù)交互車載終端設(shè)備路側(cè)單元路側(cè)計算單元路側(cè)感知設(shè)備交通信號設(shè)施中心云區(qū)域云邊緣云在車路云一體化系統(tǒng)中，車端、路段、云端數(shù)據(jù)相互融合，打破了原有道路交通系統(tǒng)之間的信息孤島，使面向車路云一體化的數(shù)據(jù)具有交互特性，即在不同主體之間進行數(shù)據(jù)采集傳輸、加工、處理等過程面向車路云一體化的數(shù)據(jù)具有交互特點資料來源：中國汽車工程學(xué)會

公開資料整理

前瞻產(chǎn)業(yè)研究院整理云端車端路端車端實時運行狀態(tài)及感知數(shù)據(jù)局域動態(tài)交通感知數(shù)據(jù)3.1.3 預(yù)計到2030年，“車路云一體化”相關(guān)市場規(guī)模超14萬億車路云一體化涉及汽車、交通、通信等產(chǎn)業(yè)領(lǐng)域，市場滲透率加速，市場規(guī)模巨大。具體來看，中國智慧交通市場規(guī)模當(dāng)前約4億元，至2030年快速發(fā)展并預(yù)計超過6.5萬億元。根據(jù)賽迪的數(shù)據(jù)，2022年中國智能網(wǎng)聯(lián)車市場規(guī)模接近6000億元，隨著智能網(wǎng)聯(lián)技術(shù)的進步，產(chǎn)品迭代升級與普及率的提升，2030年有望突破5萬億元。中國車聯(lián)網(wǎng)市場規(guī)模成快速發(fā)展趨勢，預(yù)計2030年將突破2萬億元。預(yù)計到2030年，“車路云一體化”相關(guān)市場規(guī)模超14萬億元，市場規(guī)模巨大。2021-2023年中國智慧交通市場規(guī)模（單位：億元，萬億元，%）6.7萬億元2030年E3640億元2021年CAGR=38%資料來源：賽迪

前瞻產(chǎn)業(yè)研究院整理2020-2030年中國智能網(wǎng)聯(lián)車市場規(guī)模（單位：億元）261640055912546722020 2021 2022 2023E

2024E

2025E

2026E

2027E

2028E2029E2030E2021-2030年中國車聯(lián)網(wǎng)市場規(guī)模（單位：億元）212627643593202120222023E 2024E 2025E 2026E 2027E 2028E 2029E2030E225453.2.1 “車路云一體化”服務(wù)商技術(shù)方案對比百度致力于自動駕駛軟件研發(fā)-車聯(lián)網(wǎng)-智交通解決方案，從車端、路端、云端、服務(wù)平臺到終端運營，提供一體化解決方案：蘑菇車聯(lián)從戰(zhàn)略層面出發(fā)，致力于構(gòu)建智慧交通體系，在提供自動駕駛解決方案的同時，構(gòu)建智慧交通整套體系，并通過運營數(shù)據(jù)的反持續(xù)更迭，優(yōu)化算法，最終提供一整套交通運營營理服務(wù)；華為則提供了“傳感器-芯片-操作系統(tǒng)-算法與開發(fā)應(yīng)用-云服務(wù)”的生態(tài)布局，傾向于從車端打造車、路、云一體化解決方案。服務(wù)商車端路端云端平臺車輛類型百度Apollo領(lǐng)航輔助駕駛Apollo

Parking實現(xiàn)全場景泊車自由小度車載OS小度車載語音SDKACE智能交通引擎Apollo

Air：純路側(cè)L4級車路協(xié)同技術(shù)方案智能信控解決方案網(wǎng)聯(lián)云平臺蘿卜快跑RobotaxiRobobusApollocop蘑菇車聯(lián)自研多類別L4級自動駕駛車輛及核心軟硬件蘑菇汽車大腦MOGO

AUTO

BRAIN車身底盤域自動駕駛域智能座艙域L4級自動駕駛軟件系統(tǒng)MOGO

AP蘑菇AI數(shù)字道路基站（MOGOAI

Station）蘑菇路側(cè)系統(tǒng)Mogo

RoadSystem（MRS）包含感知、融合、預(yù)測、高精地圖引擎和車路協(xié)同模塊基于車路云一體化交通大模型的AI云平臺MOGOCloud蘑菇數(shù)字底座（DMP）蘑菇云控平臺（Zion）蘑菇交通大腦（Matrix）mogopilot+蘑菇暢行RobotaxiRobobusRoboSweeper自動駕駛巡邏車自動駕駛售賣車自動駕駛牽引車等華為ADS

2.0高階智能駕駛系統(tǒng)MDC是華為智能駕駛計算平臺：MDC210/MDC300F/MDC610/MDC

810鴻蒙OS智能座艙C-V2X車路協(xié)同解決方案開放技術(shù)架構(gòu)“高速智能體”華為云//資料來源：各公司官網(wǎng)

前瞻產(chǎn)業(yè)研究院整理3.2.2 “車路云一體化”服務(wù)商解決方案對比以項目落地能力角度看，百度、蘑菇車聯(lián)與華為的特點各不相同。百度是“單車智能+網(wǎng)聯(lián)賦能”路線的擁躉，以廣州黃埔區(qū)開發(fā)區(qū)的智慧交通項目為代表；蘑菇車聯(lián)強調(diào)“車路云一體化”，以自動駕駛、車路協(xié)同、智慧交通AI云平臺的整套方案幫助城市打造智慧交通體系，加速與地方政府合作打造智慧城市與智慧交通；華為更側(cè)重于構(gòu)建智慧交通體系并落地多個城市。服務(wù)商落地標(biāo)桿項目合作內(nèi)容百度2020年8月，廣州黃埔區(qū)廣州開發(fā)區(qū)智慧交通項目（4.6億元）2021年9月，滄州經(jīng)開區(qū)自動駕駛與車路協(xié)同示范項目（1.67億元）2021年9月，山西省陽泉市車城網(wǎng)-車路智行新生態(tài)項目一期（1.56億元）2021年12月，北京市高級別自動駕駛示范區(qū)建設(shè)項目2.0階段路側(cè)智能基礎(chǔ)設(shè)施建設(shè)（3.16億元）……廣州黃埔：車路協(xié)同路網(wǎng)基礎(chǔ)設(shè)施、智能信號燈控制系統(tǒng)、智能停車泊車、百度Apollo智能汽車生態(tài)基地以及Apollo自動駕駛運營基地河北滄州：自動駕駛與車路協(xié)同基礎(chǔ)設(shè)施建設(shè)、智慧城市平臺建設(shè)山西陽泉：車路協(xié)同智能基礎(chǔ)設(shè)施、自動駕駛車輛運營、智慧交通服務(wù)北京市：高級別自動駕駛示范區(qū)建設(shè)、智能化基礎(chǔ)設(shè)施建設(shè)、車載智能終端推廣加裝、云控平臺建設(shè)和正式運營蘑菇車聯(lián)2019年10月，北京順義5G商用智慧交通車路協(xié)同項目2021年3月，湖南省衡陽市自動駕駛項目（5億元）2022年1月，云南大理車路協(xié)同自動駕駛智慧景區(qū)項目（10億元）2022年7月，四川成都建設(shè)網(wǎng)聯(lián)綜合應(yīng)用示范項目（30億元）2022年8月，無錫市智能網(wǎng)聯(lián)創(chuàng)新應(yīng)用標(biāo)桿項目（20億元）2022年8月，北京市通州區(qū)“數(shù)字通州”項目（16億元）2022年12月，湖北鄂州“車路云一體化”自動駕駛智慧交通項目（11.14億元）2023年，深圳龍華區(qū)“科技+時尚”智能網(wǎng)聯(lián)汽車特色示范項目2023年6月，沈陽大東區(qū)打造東北首個智能網(wǎng)聯(lián)汽車先導(dǎo)區(qū)項目……北京順義：對路段內(nèi)的18個路口實施了智能化升級改造湖南衡陽：主干道路的智能網(wǎng)聯(lián)化升級，智能網(wǎng)聯(lián)汽車試運行云南大理：智能網(wǎng)聯(lián)及車路協(xié)同新型基礎(chǔ)設(shè)施升級與建設(shè)，投放自動駕駛游客觀光車、接駁車、垃圾環(huán)衛(wèi)車、巡邏車等，打造“車路云一體化”系統(tǒng)四川成都：車路協(xié)同、智慧交通AI云平臺、自動駕駛系統(tǒng)等新型基礎(chǔ)設(shè)施江蘇無錫：道路智能網(wǎng)聯(lián)化升級、建設(shè)自動駕駛運營中心、規(guī)?；\營自動駕駛車輛等北京通州：道路的智能化改造升級、自動駕駛商業(yè)化運營、構(gòu)建城市級智慧交通大腦等湖北鄂州：道路智能化改造升級、自動駕駛商業(yè)化運營等深圳龍華：道路智能化升級改造遼寧沈陽：自動駕駛及車路協(xié)同的落地及應(yīng)用華為2019年12月，長沙望城區(qū)新型智慧城市建設(shè)（4.4億元）2020年12月，許昌新型智慧城市建設(shè)之城市數(shù)字平臺、智慧交通項目（3.21億元）2021年1月，華為聯(lián)合體中標(biāo)深圳交通運輸一體化智慧平臺一期項目（9.7億元）……長沙：交警大隊指揮管控中心、交通信號控制系統(tǒng)等許昌：城市數(shù)字平臺、智慧大腦、互聯(lián)網(wǎng)+政務(wù)、12345熱線、智慧交通、智慧停車、企業(yè)服務(wù)一體化等深圳：交通運輸一體化智慧平臺資料來源：各公司官網(wǎng)

公開資料整理

前瞻產(chǎn)業(yè)研究院整理3.2.3 “車路云一體化”城市典型案例資料來源：公開資料整理

前瞻產(chǎn)業(yè)研究院整理沈陽智能網(wǎng)聯(lián)汽車先導(dǎo)區(qū)項目陽泉市車城網(wǎng)-車路智行新生態(tài)項目湖北鄂州智慧交通項目“數(shù)字通州”項目3.2.3 “車路云一體化”高速公路典型案例資料來源：公開資料整理

前瞻產(chǎn)業(yè)研究院整理京港澳高速擴建項目河北雄安新區(qū)交通強國建設(shè)試點項目清傅高速智慧交通建設(shè)項目四川交通強國試點項目3.2.5 “車路云一體化”園區(qū)景區(qū)典型案例資料來源：公開資料整理

前瞻產(chǎn)業(yè)研究院整理云南洱海智慧旅游景區(qū)天津張家窩鎮(zhèn)產(chǎn)業(yè)園山東國際零碳島世界大學(xué)生運動會044.1

特斯拉：FSD（Full

Self-Driving）V12系統(tǒng)4.2

華為：基于云服務(wù)構(gòu)建自動駕駛數(shù)據(jù)閉環(huán)生態(tài)系統(tǒng)4.3

蘑菇車聯(lián)：“車路云一體化”系統(tǒng)方案4.1 特斯拉：FSD（Full Self-Driving）V12系統(tǒng)2023年8月，馬斯克開啟了一場特斯拉FSD

V12版本的路測直播，馬斯克在試駕直播中表示，F(xiàn)SD

Beta

V12是有史以來第一個端到端AI自動駕駛系統(tǒng)（Full

AI

End-to-End），從頭到尾都是通過AI實現(xiàn)。據(jù)Not

A

Tesla

App報道，F(xiàn)SD

V12已經(jīng)開始了內(nèi)部部署。這個新系統(tǒng)的最大變化是消除了超過30萬行此前控制車輛FSD功能的代碼，進一步依賴神經(jīng)網(wǎng)絡(luò)。這意味著系統(tǒng)減少了對硬編碼編程的依賴，轉(zhuǎn)而更加依賴人工智能技術(shù)進行駕駛決策。端到端方案中神經(jīng)網(wǎng)絡(luò)是關(guān)鍵原理與模塊化方案相比，端到端自動駕駛方案將感知、規(guī)劃、控制各環(huán)節(jié)一體化，去除了各模塊基于規(guī)則的代碼，將傳感器收集到的信息直接輸入神經(jīng)網(wǎng)絡(luò)，經(jīng)過處理后能夠直接輸出自動駕駛指令，使得整個系統(tǒng)端到端可導(dǎo)優(yōu)點能夠降低對激光雷達(dá)、高精地圖、人工的依賴，減少中間環(huán)節(jié)的成本；模型上限高，可以得到近似全局最優(yōu)解缺點模型能力起步較慢，解釋簡單場景不如模塊化架構(gòu)，模型下限低；中間“黑盒”解釋性差特斯拉FSD

Beta

V10至V12的架構(gòu)變化感知

Perception規(guī)劃

Planning控制

ControlV10神經(jīng)網(wǎng)絡(luò)+Bag-o-bits轉(zhuǎn)換器（Bag-o-bits包括停車標(biāo)志、車道線、限速牌等）人工規(guī)則為主，有神經(jīng)網(wǎng)絡(luò)參與人工規(guī)則V11神經(jīng)網(wǎng)絡(luò)（Bag-o-bits轉(zhuǎn)換器與感知神經(jīng)網(wǎng)絡(luò)合并為一個單一的神經(jīng)網(wǎng)絡(luò)，直接輸出向量空間）神經(jīng)網(wǎng)絡(luò)+人工規(guī)則神經(jīng)網(wǎng)絡(luò)+人工規(guī)則V12神經(jīng)網(wǎng)絡(luò)傳感器執(zhí)行器感知決策規(guī)劃控制端到端自動駕駛模塊化自動駕駛模塊化和端到端自動駕駛系統(tǒng)原理資料來源：公司官網(wǎng)

前瞻產(chǎn)業(yè)研究院整理4.2 華為：基于云服務(wù)構(gòu)建自動駕駛數(shù)據(jù)閉環(huán)生態(tài)系統(tǒng)華為云ModelArts平臺提供Data

Turbo、Train

Turbo、Infer

Turbo

3層加速，分別提供數(shù)據(jù)加載、模型訓(xùn)練、模型推理三方面服務(wù)，能夠助力數(shù)據(jù)讀取時間縮短50%、訓(xùn)練效率提升40%+。華為云還將數(shù)據(jù)生產(chǎn)線和AI生產(chǎn)線融合到一起，通過統(tǒng)一的數(shù)智融合開發(fā)平臺，實現(xiàn)數(shù)據(jù)的無縫流轉(zhuǎn)造，同時利用盤古大模型深度賦能數(shù)據(jù)閉環(huán)核心場景。資料來源：華為、億歐智庫《云服務(wù)新引擎，高效驅(qū)動自動駕駛數(shù)據(jù)閉環(huán)發(fā)展白皮書》

前瞻產(chǎn)業(yè)研究院整理華為云堅持開放生態(tài)，打造全棧自動駕駛開發(fā)平臺為車企提供一站式平臺：開發(fā)→測試→商用，實現(xiàn)按需使用、即插即用數(shù)據(jù)驅(qū)動閉環(huán)“自研”AI數(shù)據(jù)標(biāo)注與挖掘平臺精準(zhǔn)仿真+評價預(yù)測功能安全為車企提供模塊化解決方案：數(shù)據(jù)驅(qū)動的自動駕駛開發(fā)、測試、仿真的閉環(huán)方案感知算法

增量數(shù)據(jù)集

模型數(shù)據(jù)服務(wù)訓(xùn)練服務(wù)仿真服務(wù)實車測試

數(shù)據(jù)上云

數(shù)據(jù)處理

大屏展示場景挖掘

難例挖掘

數(shù)據(jù)標(biāo)注

數(shù)據(jù)回放虛擬場景庫華為云采用存儲-緩存-計算三層分離架構(gòu)，打造數(shù)智融合平臺，利用盤古大模型深度賦能數(shù)據(jù)閉環(huán)核心場景全局?jǐn)?shù)據(jù)地圖資產(chǎn)搜索定位全局血緣分析數(shù)據(jù)資產(chǎn)熱搜分析統(tǒng)一元數(shù)據(jù)服務(wù)統(tǒng)一元數(shù)據(jù)數(shù)據(jù)訪問控制數(shù)據(jù)生命周期管理數(shù)據(jù)閉環(huán)場景數(shù)據(jù)預(yù)處理數(shù)據(jù)回收場景標(biāo)簽化難例挖掘數(shù)據(jù)標(biāo)注數(shù)據(jù)生成KPI指標(biāo)分析統(tǒng)一計算服務(wù)實時計算引擎批量計算引擎交互處理引擎AI計算引擎數(shù)據(jù)緩存原始數(shù)據(jù)脫敏后數(shù)據(jù)場景數(shù)據(jù)統(tǒng)一存儲服務(wù)標(biāo)注數(shù)據(jù)集訓(xùn)練數(shù)據(jù)仿真數(shù)據(jù)集KPI數(shù)據(jù)場景理解大模型預(yù)標(biāo)注大模型多模態(tài)檢索大模型盤古大模型深度賦能場景生成大模型華為云數(shù)智融合平臺架構(gòu)存儲-緩存-計算三層分離統(tǒng)一元數(shù)據(jù)管理全局?jǐn)?shù)據(jù)地圖工作流程統(tǒng)一編排4.3.1 蘑菇車聯(lián)：全棧自研“車路云一體化”系統(tǒng)方案蘑菇車聯(lián)自研“車路云一體化”自動駕駛系統(tǒng)，應(yīng)用融合感知、融合決策控制、高精地圖、高精定位、AI、仿真系統(tǒng)、云+邊緣計算、實時大數(shù)據(jù)等前沿技術(shù)，深度融合自動駕駛+車路協(xié)同+AI云平臺三大板塊，滿足不同場景、不同車型的需求，核心技術(shù)指標(biāo)行業(yè)領(lǐng)先。蘑菇車聯(lián)車路云一體化系統(tǒng)資料來源：蘑菇車聯(lián)

前瞻產(chǎn)業(yè)研究院整理多項核心算法世界排名第一運動目標(biāo)分割算法、激光雷達(dá)語義分割算法、多模態(tài)融合三維多目標(biāo)跟蹤算法等，在KITTI、nuScenes等世界權(quán)威數(shù)據(jù)集排名第一。車路云全鏈路貫通，整體鏈路時延小于0.1秒自研云算法和系統(tǒng)（交通大腦），全面聯(lián)接人、車、路、云、網(wǎng)、圖等全要素，感知算法性能遠(yuǎn)超行業(yè)C4指標(biāo)，全鏈路時延小于0.1秒?！败嚶吩埔惑w化”系統(tǒng)核心零部件全棧自研包括蘑菇大腦、車身底盤域、自動駕駛域、智能座艙域和L4級自動駕駛軟件系統(tǒng)MOGO

AP。海量數(shù)據(jù)，類型豐富匯聚全域自動駕駛車輛信息和AI數(shù)字道路基站