“單車智能是智能交通的基礎，但存在局限性。”3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，并融合了車聯網技術。在復雜路口、惡劣天氣、交通標志不清等情況下，單車智能難以發揮作用。此外，單車的雷達距離有限，存在視覺盲區，且配備激光雷達成本較高，僅依靠單車智能難以具備大局觀，而車路云協同能夠實現全天候運行，可簡化對車載傳感器和雷達的要求，實現全局性感知，并將周邊車輛和道路狀況反饋至汽車，同時有利于城市交管部門對全局的掌控?！?
在鄔賀銓看來，車路云協同的關鍵在于數據。不過當前世界現有的算力水平難以滿足智能交通的需求。在此次論壇上，鄔賀銓提出了多項建議，涉及數據處理、智能體應用、網絡建設等多方面內容。為車路云一體化發展提供了全面且具有前瞻性的見解。其中，面對海量數據處理和算力要求，他強調，未來在自動駕駛領域也應更加關注算力的壓縮。
PART01
面臨數據需求和算力挑戰
根據美國藍德智庫的數據，訓練L5級別的模型需要170億公里的數據，其中真實的路側數據至少為1億公里。若以100輛車7×24小時不間斷行駛來計算，達到1億公里的路側數據量需要3.7年，且每輛車每秒由雷達、傳感器產生的數據量約為1GB，經過數據壓縮后，一輛車行駛產生的數據傳輸量約為12GB。
根據鄔賀銓介紹，對于智能交通而言，每輛車至少需保留1GB的數據，以圖像數據為例，約為1億的token時延。在L4級別下，數據量可減少至20%—30%，L3級別可減少至10%—20%，即便在L3級別，數據量仍高達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據。
目前，大部分交通數據中，僅有1%來自真實道路，90%來自封閉道路，90%為仿真數據。為解決數據不足的問題，可以借助人工智能技術，通過改變光照、視覺、材質，添加人為噪聲、障礙等方式變換場景，生成更多數據。
“交通數據標注需要一定的專業知識，標注成本較高，故而需要開發基于人工智能技術的標注方法來替代人工標注?！编w賀銓表示，“但完全依賴人工智能生成數據存在弊端，因為人工智能的數據不斷迭代，最終可能導致數據失效，因此原始數據至少應保留10%—20%?！?/span>
他還指出，智能駕駛對算力的需求與模型參數、訓練數據成正比，與訓練時長、GPU利用率成反比。雖然理論上訓練時長足夠長時對算力的需求會降低，但實際上訓練時長過長會導致GPU出錯，反而影響效率，因此無法單純依靠拉長訓練時長來降低算力要求。
同時，鄔賀銓認為，每個城市建設的車聯網城市云平臺所需的算力因智能駕駛程度而異。同時，具體算力需求取決于城市云所支持的車輛數量，另外車端同樣需要相應的算力，L2、L3、L4、L5級別車載算力的最低要求分別為4—10Tops更高的數值，L5級別需達到1000Tops（每秒一千萬億次的計算），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，還需能夠預見下一步動作的效果。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）以及車到網絡的通信。同時，車載算力還需支持定位功能。
PART02
算力壓縮是重點關注方向
那么面對海量數據和算力挑戰，如何降低算力需求？如何壓縮算力？對此鄔賀銓以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——生成式人工智能技術，其關鍵在于注意力機制。如輸入“我要找一本科普書”，需理解每個詞在句中的含義及相互關聯。
“DeepSeek簡化計算過程，著重考慮主語與其他詞、相連詞以及主謂之間的關系，減少計算量。此外，采用多頭注意力多維度核算，多維度并行時先壓縮再存儲，提升計算效率。同時利用知識蒸餾技術，如同老師提取書籍精華，學生無須復雜訓練。DeepSeek運用這些技術，顯著簡化計算能力。”他說。
鄔賀銓認為，未來在自動駕駛領域，算力壓縮仍是重點關注方向。僅有模型不足以實現落地應用，大模型如同百科全書，其輸出質量取決于所提問題，若問題不當，即便優質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據進行微調。另外，智能體在智能駕駛中發揮著重要作用，可將各類智能駕駛場景分解為多個智能體。每個智能體（AI Agent）具備記憶能力，能區分短時記憶（僅當時有用）和長期記憶（積累經驗），基于記憶可分解任務，具備規劃和使用工具的能力，有效推動大模型在特定場景中的應用。
在網絡組織方面，鄔賀銓認為，已部署的5G高可靠、低時延網絡需電信運營商進行改造升級以適配車聯網。以往運營商間互聯存在時延問題，無法滿足車聯網要求，所以需建設運營商之間本地網的直連點。而且，傳統5G網絡無法為車聯網提供充足的確定性和低時延保障，需在城市重要路口將5G網絡升級至5G-A，確保確定性時延。
他指出，除5G網絡升級外，還需建設路側網絡（V2X網絡），該網絡涵蓋邊緣計算、車聯網城市云以及RSU等，無法由運營商獨自完成，需各方協同建設，且建設過程中可利用運營商已有的局域網、城域網和廣域網能力。
“關于V2X網絡建設，目前國家有20個城市試點，但各城市單獨建設存在標準不統一、碎片化、缺乏規模化以及成本高等問題?！编w賀銓表示。
因此，他建議，應組建全國性的統一V2X運營商，由電信運營商、汽車企業、金融機構、交通企業、市政公司等共同構成。該運營商負責全國車聯網投資建設，可在全國統一規劃下，設立分中心負責部分城市建設，實現統一標準、規模部署和集中運營。經測算，分兩期建設V2X網絡，總投資約4000億元（不包含運營商對現有5G網絡的改造投資）。
他認為，完成投資后，可實現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級智能駕駛能力，使城市通行效率提升30%，降低交通事故發生率80%。