9月中旬，全国政协副主席、中国科协主席万钢在一场行业论坛上表示，车路信息融合可以为自动驾驶提供超越感知视野的认知智能，避免单车智能存在的感知局限、避免车车行为冲突，实现群体运行协同。

　　万钢认为，在人工智能、5G、大数据和云计算背景下的车路协同，能够在提升自动驾驶安全性的同时，有效降低附加传感器的成本。

　　与此同时，各地在推动车路协同发展的过程中，通常会选择特定应用场景进行试点，在跑通模式后再向更广泛的用户群体推广，从而减少自动驾驶的安全风险和管理难度。

　　以衡阳为例，当地政府与蘑菇车联达成合作后，首批落地的自动驾驶车辆覆盖旅游观光巴士、清扫车、巡逻车、微循环公交、快速路公交等，主要为当地市政、交通、环卫部门服务。这些车辆的运行时间、行驶路线和工作环境相对固定，利于交通大数据积累和机器学习，是较为理想的自动驾驶切入点。

　　此外，作为合作方，蘑菇车联还需要负责“数字道路升级”，主要包括在路侧安装传感器和边缘计算设备，并进行云端算力和数据存储体系的搭建。在这套系统建成后，政府部门将能够实时监控交通状况，实现更精准的全局调度，优化城市出行。

　　除了各地政府不断增多的需求外，从长期盈利模型来看，自动驾驶公司也必须走“单车智能+车路协同”的发展路线。

　　在当前技术水平下，一辆车要想具备L4以上级别的自动驾驶能力，通常需要搭载6~12枚高清摄像头、3~12枚毫米波雷达、3~5枚激光雷达，以及与之适配的专用计算芯片等，改装费用高昂。

　　其中，激光雷达的单价约为5万元左右，占据成本大头。今年4月，北汽旗下的极狐与华为联手发布一款新车，搭载3枚激光雷达，据称可实现“高阶自动驾驶”，售价高达48万元。

　　为了压缩成本、拉低售价，许多车企在发展自动驾驶技术时，选择了折中路线，取消了激光雷达，转而采用所谓纯视觉方案，高度依赖摄像头和软件算法。特斯拉是这套玩法的典型代表。

　　但无论是毫米波雷达、激光雷达或高清摄像头，其搜集交通数据的能力会受到天气、光线、障碍物等因素的影响，而车载芯片在面临庞大数据量时，其算法并不足以保证时刻做出最准确的判断，安全隐患也就不可能消除。

　　公开信息显示，2016年以来，特斯拉Autopilot自动驾驶辅助系统已经导致数十起车祸，造成10人死亡。调查发现，事故起因多与车辆在Autopilot模式下，无法识别交通锥、发光箭头板等路面固定障碍物有关。

　　而在国内，类似功能导致的伤亡事故也并不鲜见。尤其是今年8月，一名车主在开启蔚来ES8的辅助驾驶功能后，发生撞车事故不幸身亡，进一步加重了外界对于自动驾驶“单车路线”的疑虑。

　　在单车智能的框架内，车辆成本与安全性此消彼长，难以取得平衡，自动驾驶的商业模型也就无从谈起。而车路协同模式的优势是，它在单车智能的基础上增加了多重安全冗余，把一部分感知能力和计算能力分散到路侧和云端，从而在确保安全、降低成本的基础上，打开了新的商业化路径。

　　在感知端，车路协同架构主要增加了路侧摄像头，可安装在路灯等公共设施上。由于架设位置高、采用俯视视角，路侧摄像头很少被障碍物遮挡，也不容易受到雨雪天气的干扰，能够更加准确和全面地采集路况信息。

　　同时，车路协同架构会在道路两侧布设边缘计算设备，对实时数据进行分析加工后，再通过高速车联网传递到自动驾驶车辆。这就减轻了车辆自身的计算压力，缩小了数据传输和行为决策的延迟，并在无需增加硬件指标的情况下，让自动驾驶总算力大大提高。

　　近期，蘑菇车联创始人兼CEO朱磊在接受访谈时表示，该公司的“单车智能+车路协同”的架构能够做到在100毫秒（0.1秒）内完成从路侧感知到车上决策的整套流程，而人类的反应时间约为500毫秒。这意味着，“单车智能+车路协同”下的自动驾驶安全性已经超过人类驾驶。

　　根据蘑菇车联的计算，通过道路智能化改造，路端感知及云端感知将有效补充单车感知不足，单车的自动驾驶改造成本有望降低90%以上，从而大大降低购买门槛。

　　同时，在政企合作框架下，智慧交通、车路协同的基础设施建设成本可由企业和政府共同承担，进一步缓解自动驾驶行业的盈利压力。未来，双方可按照“谁使用谁付费”的原则，向消费者及其他交通参与方收取服务费，培育持续稳定的收入来源。

　　对于自动驾驶企业而言，要想在政府主导的城市智慧交通项目中竞标成功，除了要看技术实力，还必须拿出符合当地需求的解决方案。

　　百度、蘑菇车联等厂商采用了相对系统化的方案，把单车智能和车路协同打包为自动驾驶整体解决方案，直接提供给地方政府。

　　这意味着，在自身单车智能技术过硬的前提下，企业还需要帮助城市做车路协同的数字道路升级，主要包括安装路侧传感器和计算设备；另一方面也需要提供自动驾驶车辆，特别是公交车、出租车、巡逻车、清扫车等市政公共服务车辆，并承担车队运营服务。这考验的是一家公司是否具有全栈技术和商业运营的综合能力。