自動駕駛 無人車價格

GO 參考價：未上市

查看參配 獲取底價

購置稅優惠 經銷商報價 車主點評

在蘇州的街道上，自駕車來來往往很正常，但在如今的車流中，一輛車卻很不尋常。

它的傳感器，包括激光雷達，都被覆蓋了，但它們仍然可以在公共道路上暢通無阻地行駛。

即使遇到一些復雜的交通場景，比如紅綠燈路口、無保護右轉等，也能從容應對，就像一些偶發情況，比如堵車、十字路口人車混雜。

更何況他還是國內自動駕駛領域的老面孔，用如此特殊的方式展示技術和解決方案的實力：

王進。

低調修行四年后，王勁帶著他的中智行和匯通天翼云重返舞臺。

并正式發布車路協同新范式“好車熟路系統”。

發布輕型車輛熟路系統

熟悉道路是這條新路線的表現。兩個核心組件。

熟悉道路

這里不得不簡單提一下提案人——中興和天一交通的關系。

如果說中智專注于汽車端，那么我們將探索汽車如何利用增強的路側能力形成L4級自動駕駛。

中智行的加入推動了天一交通的成立，而天一交通更傾向于路側技術的研發和相關建設，更重要的是整個路側資產等平臺體系的運營。

也就是說，一個專注于車側，一個專注于路側，兩者共同完成這個車路協同方案。

輕型汽車，輕型自動駕駛汽車。不需要激光雷達，只需要L2+級別的傳感器，比如攝像頭、毫米波雷達等。

從傳感器到力的計算是根據L2 或L2+ 級別配置的。在極端情況下，如果車端的所有傳感設備都用3D打印的蓋板和膠帶覆蓋，那么只有通過路側傳感才能實現L4級自動駕駛能力。

自動駕駛覆蓋傳感器

此前，車路協同的路端通常是交通感知系統，其置信度、穩定性和智能性難以滿足支持自動駕駛的要求。

“熟悉路”系統，基于全息傳感數據，實時計算，再將結果反饋給車輛，幫助車輛知曉一切。這里的全息圖在空間和時間上都具有連續性。

（天翼交通數字孿生平臺數字化改造實現的“全息智能道路”，可實時映射現實世界和數字世界）

也就是說，這相當于從過去的3D感知升級到現在的4D感知。

高空路邊部署可以實現上帝視角（物理BEV），感知道路上所有參與者的動作，包括行人、汽車、電動車，也可以感知盲點和超視距區域，從而實現空間連續性。

由于路邊的連續運行，每個參與者對交通情況的觀察也是連續的。 —— 哪些被迫停止，哪些在移動，可以感知。

一個例子是發生故障的汽車占用右轉車道的情況。

（P.S. 車載系統，利用道路盡頭連續空地和固定背景的特點，灰色模塊是暫時停留的車輛，黑色模塊是長時間停留的車輛，藍色模塊module 是移動的車輛；如果汽車拋錨了，會出現一個紅框。）

更重要的是，時間維度信息的收集不僅有助于理解目標意圖和預測軌跡，還可以讓人工智能具備“認知”能力。

路對路協調系統可以從人類那里學習如何應對奇怪的障礙物，一定程度上可以解決自動駕駛的長尾問題。

——除了增強感知能力效果最為明顯外，在低通信延遲和系統穩定性方面也有一些突破。

首先，通信是車路協同的另一個核心問題。如果車路之間沒有很強的通信能力，即使路邊感知到緊急情況，未能及時將數據傳輸給車方，也于事無補。

一般來說，為保證其可靠性，道路端的延遲應與車輛端的延遲相等，并應嚴格控制在較低且穩定的范圍內。

在感知召回率99.99%置信度的基礎上，天翼交通通過引入通信切片技術、部署微基站、設計全新的通信協議架構，實現了低時延、高可靠的通信能力。

平均通信空中接口延遲為20 毫秒，P99（在99% 的情況下）延遲為30 毫秒。端到端（即從感知、計算、到預測和調節）P99延遲為240毫秒。

并且因為路上的基礎設施，可以在硬件設備和軟件系統上實現7*24小時的長期穩定運行。

在此期間，可以不斷積累數據，迭代算法能力。

當然，還有一個更實際的好處，那就是武力成本的計算。

通過在路邊使用邊緣計算和云計算平臺，可以根據實際需要充分調用海量計算能力。

發布會上舉了個例子：

每輛車只需要50TOPS的算力，路邊可以預留500TOPS加上云計算。從數據中心獲得幾乎無限的計算能力只需幾毫秒。

尤其是面對復雜的路況，車端的計算能力往往成倍增加，但有了道路邊緣和云計算，負擔就沒那么重了。

相關賬戶也很容易計算：

蘇州市（含4個委托市）公路里程10200公里。量產情況下，路邊建設成本約為35萬/公里，總成本約為35億元。

也就是說，投資35億，蘇州就能真正成為智能化升級的自動駕駛城市——國道。

可以看出，這套知名系統在：高置信度感知、低時延高可靠通信、系統穩定性三大核心技術上實現了突破。至此，自動駕駛在安全性、效率性、經濟性等方面得到了全面升級。

這個怎么樣？是不是跟之前公開討論的自駕路線和思路不一樣？

選手來自中智和天一交通

它不是一家正規的自動駕駛公司，也沒有走單車智能科技的通行路線，更不是業界主流的L4級商業模式。

過去任何一家自動駕駛公司，無論是百度、Waymo這樣的科技巨頭，還是創業公司，幾乎都是聚焦在汽車端:

如何實現系統的冗余，如何覆蓋corner case，如何平衡性能和成本，如何滿足快速增長的計算能力需求;

這就像在二維世界里從A點到B點，只需要老老實實地完成紙上的曲線。

而中之星和天一交通希望從更高的“維度”來解決這個問題:

如果智能車輛基礎設施合作系統足夠完善，那么所有車輛都可以統一指揮和調度，智能L4自動駕駛的自行車游戲可以升級為全局規劃。

就像折疊一個二維平面，直接在三維之間連接兩個點AB空。

其實這個體系和路線背后的核心思想，源于王錦提出的數字化運營理念:

通過傳感設備收集高質量數據，用數據驅動三個目標:

技術突破規模化落地商業模式的實現。

并表示這將是中之星和天一交通未來的核心競爭力。

這也關系到車路協同的最大優勢——數據維度增強。

通過路側7*24小時不間斷運營，可以積累大規模、高質量的數據。

以蘇州為例，僅機動車日行駛總里程就超過1.2億公里。如果這套系統全覆蓋蘇州市區道路，那么短短一天就可以積累1.2億公里的行駛數據，包括各種突發事件和交通事故。

基于此，場景庫和數字孿生平臺可以再現整個城市交通圖景，更有利于高質量的機器人學習、人工智能維度提升和意圖理解能力構建。在過去，智能自行車的行駛里程在短時間內是遙不可及的。

有了數據，技術上有了突破——很好地熟悉道路的系統，即將迎來大規模落地。目前，中之星和天一交通正在推進蘇州300公里智慧道路建設。

這種模式其實是整個自動駕駛行業商業化一直在探索的加速方式。

為什么選擇這么協調的路線？中之星和天一交通給出了這樣的解釋:

或者說核心自行車智能和道路協調的區別。智能自行車起步快，發展慢，存在技術瓶頸。然而，車路協調的緩慢啟動不僅將可預見的挑戰擺在了面前，也降低了自行車智能的技術天花板。

路路協調往往伴隨著基礎設施建設相關的工作，這樣的特點往往給人投資高、周期長、難度大的印象。而天翼交通的區別是從實際落地的角度，連接的是車路協同的商業閉環。

從成本上來說，過去單車的智能路線所堆積的傳感器和計算平臺，本身就是不小的支出。

但在實際使用中，這些計算力和傳感器實際上99%的時間都不需要。這也導致目前L4自動駕駛車輛的成本居高不下。

智能車輛基礎設施協同系統不僅具有云計算能力的靈活部署，而且能夠7*24小時連續采集數據。從長遠來看，基本建設費用很容易攤銷。

而且，最重要的是，一個城市或地區的車輛、道路的協同R&D和建設投入是有上限的、可以估算的項目，而自行車智能化則是誰也說不清的R&D周期和資金需求。

如前所述，蘇州I4全息路升級改造費用為每公里35萬元，全區域約35億元。考慮到單車硬件的減少和成本的降低，蘇州整個L4的升級成本大概在250億元左右(包括汽車和道路的全面升級)——在此之前，要實現城市級自動駕駛需要多少投資？有很多求解者，但很少有人給出確切的數字。而35億元對于自動駕駛行業來說并不是大錢。自動駕駛公司，花了35億，還是沒有落地L4，其實是常態。

這也是中之星成立之初堅持走車路協同路線的核心原因。

在道路協同的“蘇州模式”下:中之星提供成熟的自動駕駛技術積累，通過對行業的了解，實現汽車配置的輕量化，讓智能汽車不再是復雜昂貴的行為。

會上還透露了一個目標:將5萬多臺自行車智能設備降低一個數量級，即量產成本低于5000元。

這樣主機廠就可以快速投放市場進行預裝和量產。

天翼交通為這種全新的L4商業模式提供基礎設施和5G通信基礎支撐，讓道路“似曾相識”。

在與汽車建立通信系統的同時，各種傳感和計算設備也從汽車中取出，使配置輕量化，成本大大降低。

這樣，最大限度發揮雙方優勢并迅速投入量產的“蘇州模式”，在他們看來，就是一種“戰略性產業部署”:

(A+B) 2 =“路車強賦能”無人駕駛。

A 2代表智能汽車；B 2代表智慧之路，2ab是其中最重要的部分，也就是車和路結合的部分。據介紹，他們試圖解決的是智能汽車和智能道路真正結合的問題——汽車如何充分利用路側能力，道路如何真正賦能汽車？

中之星憑借四年的技術積累，率先構建了車路協同的技術基礎。現在，兩家公司正在合作，以不同的側重點迭代升級這個系統。

道路協調的具體路線如何走，自動駕駛公司和智能交通運營商相結合的方法，很可能是所有后來者無法繞開的路徑參考。

自動駕駛的三種路線

自動駕駛，無論過去還是現在，更多的融資和更多的討論焦點，都流向了基于傳感器和算法的智能自行車路線。

判斷自動駕駛模式和能力好壞的標準通常有三個:

安全。

效率。

經濟。

這三個標準直接關系到自動駕駛落地的規模和速度。

從這個標準出發，我們可以對目前自動駕駛落地的三種主要模式做一個判斷。

首先是眾所周知的特斯拉車型。這是一條完全依靠自行車智能的路線。馬斯克的基本邏輯是，AI司機要達到的目標是像人類司機一樣，只靠自己的能力應付所有的駕駛任務。

他的方法是讓全球數百萬用戶自愿成為測試員，通過返回的海量數據迭代系統。

效率和經濟，可以用用戶數量和規模來支付。然而，自行車智能長期存在的長尾問題很難解決:哪怕有1%的場景是看不見的、看不懂的、不準確的，都會造成事故。第二個是以Google Waymo為代表的路線，主要是Robotaxi。希望通過模擬或者路測把AI司機磨練到“萬無一失”，然后逐步商業化。但是，AI在認知能力、概括能力等方面的突破。短期內難以實現，而Google的持久性也使得其長期以封閉固定的方式進行測試，數據收集和算法迭代的效率有限。

10年推廣，燒了幾百億，RoboTaxi在路況復雜的城市落地依然困難。

與前兩條路線相比，車路協同的比較優勢在于解決效率和落地經濟性，并兼顧安全性。

從道路協調的神視角出發，快速收集、篩選復雜、極端的交通場景，快速形成數據集進行系統學習。

這種帶自行車的智能自駕系統，需要在數百萬公里的里程內，以概率“遇見”長尾場景，效率要高得多。

路側的整體控制也能最大程度避免車側能力不足導致的事故。

而且，車路協同模式中還有一個更關鍵的“不可復制性”。

路對路協調基于V2X技術，因此它的實施應至少滿足三個要求:

提高5G網絡、基礎設施能力和當地的合作意愿。這三點結合起來的恐怕只有中國了。

中國的5G網絡和基礎設施容量不需要任何多余的證明，這也是中之星+天翼的流量模式能夠打通的前提。

需要特別強調的是，國內地方對車路協調路線的接受度很高。

對于當地來說，落地車路協同不僅是一張高科技的城市名片，還能帶動當地基礎設施、汽車、自動駕駛等相關產業鏈的發展。而自動駕駛帶來的經濟運行效率提升，潛力難以估量。

所以，中之星和天一交通在蘇州高鐵新城建設樣板間只是第一步。

這也意味著大規模復制的實踐已經開始，可以用時間和效果來檢驗，也可以開始迎接外界的評價。

中之星和天一交通提出的熟悉的系統，對于自動駕駛行業來說，真正意味著什么？

一方面是技術模式。以前的路車協調路線上，都是熟悉的路，對車的需求還是很高的。現在，一種新的模式被開發出來:熟悉道路。

另一方面，商業本質上是。“輕車”的價值不僅僅在于傳感器、計算能力等方面的成本節約。更深刻的意義在于，第一次為高級自動駕駛的落地算了一筆明白賬。傳統的自行車智能化，資金、時間、人力、項目工期的投入，現在沒有一家公司有準確的預估。

最核心的矛盾是，目前沒有一家企業能夠對自主研發的自動駕駛系統給出一個明確的、量化的可靠性指標。這樣一來，自然就無法對監管準入和責任劃分有一個明確的定性結論。

所以只能是“一步一個腳印”。沒有人能從最后開始，向后推進。

但從車路協同的基礎設施來看，技術指標已經明確，所依賴的基礎能力不再是AI系統生效的概率，而是準確清晰的實施策略。以此為基礎，可以計算出L4落地基本確定的成本，真正讓自動駕駛落地回歸商業本質，有更具體明確的時間表。

七年前，王錦斷言“軟件定義汽車”首先在傳統汽車領域引起軒然大波，隨后逐漸被接受。現在已經成為了幾乎所有玩家的共識。

10年后，他是中國第一個自動駕駛事業部的總經理，也是帶領團隊探索自動駕駛從技術創新到商業化的第一人。

現在，他表示，在從事自動駕駛的第十個年頭，是時候再次披露他對自動駕駛的最新商業實踐和思考了。

以及更快、更大規模、更低成本普及自動駕駛的新路線。

在這個維度下，中之星+天一交通的影響可能才剛剛開始。