" 车路协同和单车智能这两条路径的融合一定是未来发展趋势，我们一直在做的事情，就是把‘聪明的车’和‘智慧的路’深度融合在一起。"

" 车辆与多个路侧计算设备之间实际是可以通讯的，根据数据做持续跟踪，就解决了每次初始化时滤波器带来的波动问题，通过这种方式可以提高指挥交通系统的稳定性。"

【资料图】

" 车路协同有着非常明显的特点，边缘计算设备随着路的延伸能够到达每个园区、每个城市的角落。因为平台是通用的、开放的，所以智慧交通、智慧园区可以打通，这也契合国家提倡的‘双智城市’概念，也就是智慧城市和智能网联协同发展。"

" 感知融合不但使得不同传感器实现了优势互补，而且还提供了系统冗余，在交通安全的应用中，系统冗余也是非常重要的需求。"

日前，在联想携手英特尔举办的智慧交通主题论坛，与会嘉宾们纷纷抛出了关于智慧交通和车路协同鲜明的观点。

5 月 18 日，联想和英特尔一道，首次对外展示了位于重庆的两个车联网项目：重庆两路寸滩保税港区商业化 L4+I4 级车路协同自动驾驶智慧物流配送系统；以及西部首个山地城市车联网示范项目——两江协同创新区。

在当天下午举办的 "5G+AI 算力赋能智慧交通 " 主题论坛上，天翼交通科技有限公司副总经理吴湘东；重庆邮电大学教授岑明；联想云网融合事业部总监李虓与英特尔公司高级平台架构师、V2X 专家雷鸣共同出席论坛并做了主题分享，来自产学研各界的代表们汇聚一堂，共同探讨 AI 时代的车联网发展。

5G+AI 算力赋能智慧交通主题论坛

在主题论坛之后的沟通和问答环节中，主办方和参与方的多位嘉宾向 36 氪等多家机构分享了智慧交通建设的实践、心得以及方法论。

用 5G 和 AI 算力激活算网资源

5G 与智能算力的融合发展正在推动智慧交通不断创新升级，" 车联网是一个非常大的生态，需要产学研用等相关方合作推动产业发展。联想基于 5G、AI 与边缘计算的核心能力，打造通用、开放、智能的车联网解决方案，结合跨摄像头车辆追踪、基于纯视觉的融合感知等领先技术，持续助力‘双智’协同发展。" 联想云网融合事业部总监李虓表示。

联想基于 5G 与 AI 融合，实现了网络与算力资源的高效配置，以更灵活的网络、高效利用的算力与更精准的算法应对不同场景下的客户需求，为客户降本增效。

在 5G 网络资源配置方面，联想基于容器化技术实现了 5G 云化基站资源池的灵活调度与自动化管理功能，支持智能开放架构演进，实现了 5G 网络资源按需灵活动态调整；

在边缘算力方面，联想可以提供先进的资源调度方案，能够调度不同路口、不同机房间的算力资源，使计算资源得到充分利用，降低车联网建设成本；

在 AI 算法方面，联想基于英特尔架构丰富的向量指令集，对 AI 与数据融合算法进行了深度优化，大幅降低了边缘计算处理时延；

多样化的边缘计算服务采用容器化部署，不仅能实现资源隔离，减少虚拟层对性能的损耗，也可以提高部署效率，进一步为客户降低成本。

在 5G+ 智能算力应用中，一系列先进的英特尔软硬件产品与技术为联想提供了从算力、AI 到平台效能的全方位加速：

首先，多款高性能英特尔 架构处理器为来自边缘云与中心云的工作负载提供优异的性能输出，使联想能够帮助客户轻松应对智能交通分析中密集的计算需求；

其次英特尔的 OpenVINO 工具套件可实现 AI 模型在异构算力平台上开展高性能推理；

第三，英特尔 深度学习加速技术能够对优化后的 AI 模型开展量化，在精度损失很小的前提下实现更高的推理效率，大幅降低建设成本；

第四，与 5G 网络有着更深融合的英特尔 Smart Edge PWEK ( PWEK ) 技术不仅实现资源隔离，减少虚拟层对性能的损耗，也有效减少了部署时间，加快服务创新速度。

英特尔公司高级平台架构师、V2X 专家雷鸣表示："V2X 车路协同将促进人工智能、感知融合、新一代通信与网络等技术的快速发展。英特尔以业界领先的高性能芯片产品、针对 AI 和计算机视觉的软件，以及产品参考设计，为合作伙伴迅速将产品投入市场夯实基础，联合产业界伙伴，全面赋能交通系统的智能化升级。"

用 5G+AI 算力实现跨路口目标融合，推进西部首个山地城市车联网示范项目

重庆以道路情况复杂、气候多变而著称，当地政府近年来一直积极推动构建完善的车联网系统，建设智慧交通体系。重庆两江协同创新区按照分区分级建设的理念，联合联想、希迪、中国电信等多家企业，对总里程约 55 公里的道路进行了智能化升级，实现了主动式公交优先、交叉碰撞预警等 32 类车联网场景，及运营自动驾驶公交、智能网联微循环小巴等共计 12 种类型车辆。

重庆两江协同创新区智慧交通体系

据悉，联想在路侧基础设施中部署了 7 套区域边缘计算单元，基于 5G+ 智能算力技术，将路侧感知信息回传至区域边缘计算，实现跨路口目标融合、算力调度，支持上述车联网应用场景。

在重庆两江协同创新区，无人驾驶接驳巴士已经在智能网联示范区的公共道路上有序通行，运送乘客。无需司机介入，巴士能够自主选择车道、避让障碍物和行人，还能根据预设站点自动停靠。联想智能网联 +AI 算力下车联网解决方案，正在为这样面向未来的智慧交通场景提供技术支撑。

重庆两江协同创新区无人驾驶接驳巴士

重庆两江协同创新区入住了国内大量高等学府与车联网相关的的技术创新研究中心，重庆邮电大学教授岑明表示：" 车路协同为单车智能扩展了视野，对单车安全性提供了强力支撑。重庆邮电大学深度研究路侧传感器目标检测与跟踪、RSU 协同的多目标跟踪等技术方案，致力于从技术层面高效、充分地将智能网联效果发挥到最大，让车更聪明，让交通更智慧。"

凭借超视距路侧环境实时感知，落地商业化 L4+I4 级智慧物流共享平台

在重庆两路寸滩保税港区，由安全员替代驾驶员的无人驾驶物流车与普通货车混合行驶在路面上，几乎感觉不出不同，联想与电信联合为保税区打造了 5G+AI 算力车路协同路侧基础设施。

重庆两路寸滩保税港区无人驾驶物流车

当前物流园区迫切需要提升物流运输效率，降低整体物流服务成本。在重庆两路寸滩保税港支持下，飞力达股份携手联想、中国电信、重庆邮电大学、庆铃汽车等多家企业，通过 5G+ 智能算力技术对自动驾驶物流运输进行赋能，实现物流车从仓库至制造工厂端到端 "L4+I4" 级别自动驾驶运输应用场景，提升供应链物流效率 50%、降低供应链及制造企业成本 20%，成为西南地区智能终端产业首个 5G 新能源智能网联运输车应用场景。

庆铃汽车与重庆邮电大学联合研发了自动驾驶物流车；联想与中国电信共同基于 5G+ 智能算力搭建了车路协同路侧基础设施，实现了园区自动驾驶车辆超视距感知，通过对园区道路持续监测，综合分析路侧各种环境情况，有效提升自动驾驶车辆场景认知能力，为园区自动驾驶安全保驾护航。

重庆两路寸滩保税港区车路协同路侧基础设施

对于智慧交通的所需更智能的基础设施，天翼交通科技有限公司副总经理吴湘东表示：" 车联网的前景是光明的，在通信、软件、芯片、主机等生态伙伴的紧密合作下，将迎来巨大的发展空间。中国电信将持续推动车联网的产业链成熟和应用推广，致力于成为国家级智能交通运营商。我们将继续以数据驱动为核心，推动交通数字化，与合作伙伴一起构建车 - 路 - 云 - 网 - 图基础设施，努力打造更优秀的智慧交通云控平台，为自动驾驶赋能。"

重庆两路寸滩保税港区项目所打造了生产企业零库存、零周转、自动配送调度一体化物流运输新体系，不仅减少了人力成本、提高了物流效率、降低了碳排放，还破除了智能仓储与智能工厂两个自动化信息孤岛的壁垒。

据悉，凭借优秀的技术实践与出色的落地效果，该项目获得了工业和信息化部新闻宣传中心（人民邮电报社）推荐的 "2022 年 ICT 优秀案例 · 数字中国创新实践先锋 " 荣誉称号。

以下是访谈实录（经 36 氪摘编）

问题：城市道路无疑比高速公路复杂得多，在城域中英特尔与联想合作的车联网项目所遇到最复杂的难题是什么？与联想如何破局？

雷鸣：城市道路对交通路侧感知和计算提出的要求就会更高，无论是检测目标的种类还是目标属性，都是如此。对信息的采集和处理的实时性、准确性及高可靠性要求非常高。在这方面英特尔以感知融合技术为核心，与联想合作为提升这方面的性能在做各种各样的尝试。

李虓：第一，在城市道路里，尤其是在像重庆这种山区城市道路中，情况会非常多变。行人和非机动车辆的运动是难以预测的，所以在目标识别上，我们用到更多传感器的能力，这些都与在高速公路不一样。

第二，在重庆城市道路的方案中，都要处理 3D 视觉，它的计算量要比 2D 大很多倍。这就涉及算力调度问题，交通有着明确的潮汐效应，我们在边缘计算算力调度上在重庆本地做了很多尝试。

第三，此前我们所做的算力和 5G 网络已经遍布城市的各个角落，现在是让连接和计算无处不在。在这个基础上，我们对智慧园区的应用提供了很好的支持，车路协同的边缘计算进入到城市角落之后，我们真正可以用它服务很多城市级的智慧应用。

问题：创新车联网项目产业链整合会遇到哪些问题和挑战？

李虓：产业链整合现在还属于一个比较初期的阶段，车联网标准化工作没有完成，很多地标城市还在做尝试促进相关政策落地。产业链整合最终会有有赖于关键技术的突破，能够把核心器件成本降下来，这时产业链整合才会真正开始。目前，还谈不上产业链整合，大家在抱团将产业本身做大做强。

雷鸣：所有智能交通的负载最终都落实到芯片上进行分析处理，所以芯片厂商要深刻理解交通运营商、相关从业者对于交通安全性、效率等的技术要求。从芯片设计角度来说，我们需要知道到底哪些传感器会被智慧交通、车路协同大规模采用。同时，芯片厂商也要考虑在性能满足要求的情况下，如何降低计算芯片的成本。

吴湘东：我们从理论研究的角度去看产业链，五大要素是一定都要有的，即车、路、云、网、图。我认为现在谈整合还为时过早，所有的产业要能把这五个环节打通才可以，否则大范围普及还是很难的，目前，我们只能在某一些应用上做初步突破。

问题：车载 MCU 用什么样的处理器？主要作用是什么？未来能不能用手机来取代 MCU？

岑明：从目前来看，如果要完全靠车本身来实现智能化，对车载设备的算力要求是非常高的。所以如果路侧设备能够通过边缘计算减少车载设备的算力需要，对车辆本身的负担会极大降低。行业主流的方式是使用带有 GPU 支持深度神经网络的处理器。在这种情况下，英特尔方案的好处是计算能力要高得多。通过高算力芯片，才能为车辆智能化提供基础，此外就是如何采用优化的算法、软件结构、操作系统等。

李虓：现在比较少谈 MCU，更多谈域控制器，车辆的座舱域和 ADAS 域涉及到 AI 能力要依赖 GPU，手机芯片的能力和车端场景不匹配的。如果座舱域真的和 ADAS 域完全融合，最终算力更要综合考虑的。联想现在也在做座舱域的域控制器，在我们来看，智能座舱域和 ADAS 域对算力要求还是非常高的。

雷鸣：英特尔的 ATI 事业部在做车载芯片，主要基于 X86 芯片做智能座舱、自动驾驶、辅助驾驶等不同域，做这些方面的信息处理。

问题：未来车联网如何通过 5G 和 MEC 等底层技术提升城市道路管理效率和个人驾驶体验？目前面临哪些挑战，未来如何通过底层技术来进行解决？

李虓：5G 和 MEC 从表面上看是通信技术和计算技术，实际上在 5G 的云网融合架构中是有机整合在一起的。为了进一步提升效果，第一要尽可能用好这些平台，包括通信平台和计算平台；第二平台应该是更加开放的。

雷鸣：相比单车智能，车路协同路侧设备一旦参与到辅助驾驶或自动驾驶，好处显而易见，它可以提供更多视角，更多帮助，无论是有人驾驶车辆还是无人驾驶车辆，都可以获得更广泛的信息，供驾驶员尽早决策。关键的技术问题是目前业界需要加强路侧设备的安全和预期，以及建立相应的安全标准。

问题：目前在标准化方面做了哪些相关工作？对产业方面有哪些贡献？

雷鸣：英特尔在国内广泛参与了车联网和智慧交通标准的制定，包括参加了中国通讯标准委员会 CCSA 定义各种跟路侧感知和计算相关的行业标准。另外也参与到了国内产业联盟，比如说工信部信通院的车联网工作组，英特尔是其中的参与单位之一，还参与了很多课题的研究报告和白皮书的撰写。

中国在车路协同相关标准制定方面走在世界前列，已经有第一阶段标准、第二阶段标准，以及基于车路协同高等级自动驾驶三大类车路协同场景，定义了超过 50 种不同的用例。

吴湘东：车路云网图中还有一块拼图涉及到国土资源部，就是地图的资质，谁能测绘，测绘到什么程度，测绘数据最终能够给谁用，其中的规范是非常复杂的。数据安全问题是一个逐步完善的过程，现在能够把标准的题目列出来，明确到底要做哪些标准，由哪些厂商、运营商、软件硬件商、政府部门去做，就已经迈出了重要一步。

岑明：标准化的过程除了通信交换格式标准化之外，实际上还有一个非常大的标准，就是软件服务方面的标准化。通过对底层不同厂家或地图的封装，达到软件设备在大系统里即插即用。在软件层面的标准化，用户层应该是体验最深刻的，因为通信和数据格式的标准化还隐藏在后面。

问题：V2X Server 这个产品在智能网联领域是什么样的角色？

李虓：V2X Server 是由基础设施硬件和应用软件组成的，其本身是前端的边缘计算做了融合感知之后，进行相关的调用信息，然后再传递给车。目前阶段来说，我们用轻量化、云平台，所有算力的调度都可以在其实现，属于一个基本配置。我们今天看到很多可以显示出来的车辆数据，其实心都是由 V2X Server 最终输出给可视化平台，让它们显示哪些地方有车，哪些地方有基础设施建设等等。

问题：大模型和车路协同有没有一个很好的结合点？会落在具体哪些点？

岑明：大模型是一套理念或是一个框架，而不是具体的方法。从目前来看，大模型思路对自动驾驶领域提供了解决问题的思路。从目前来看，一种是半模型半数据的方式，一种是全模型完成数据驱动的方式。

前者把大模型的概念应用在 MEC 上，通过 MEC，最后的目标还是带有半模型或者是半数据，用数据驱动的方式形成目标数据，然后再把数据对外广播给车辆；后者接近云控的概念，把所有端到端的数据都放在 MEC 或者是云端，传感器输入进去之后，在云端把所有数据处理完直接生成转向、油门刹车这些信号，直接把信号返回到车上，车就变成木偶一样的终端，这也是利用大模型的解决方案。

吴湘东：大模型首先是已经开使用了，但是有几样东西是瓶颈。第一，最大的突破是语义部分；第二，数据本身要相对规范化。

问题：从车路协同到智慧交通，在技术和运营方面需要哪些突破？

吴湘东：首先来说重庆，对于做车路协同和智能网联其实是非常不友好的地区。首先道路本身有很多高、低、拐弯，另外山会对信号传送带来影响；第二个是气候，多雨、雪、雾，还有夏季高温，目前基本能想到的挑战这里都有。

但是对于来搭试验环境或者取得突破是非常好的，如果在西南地区都可以取得突破的话，其实会非常有利于去其他地区推广，因为已经把很多困难克服掉。

从技术研发到真正找到应用场景是很难的，但是目前看到了曙光，屏蔽掉一些特殊场景，确确实实可以找到部分场景先把技术用起来。

最重要的是找到场景，把数据定形之后收集更多数据，形成一个循环，也就是一个飞轮。之后，将训练好的结果、改善好的软硬件再应用进来，形成下一个飞轮，这种反馈会使得智慧交通快速成熟。

标签：