人工智能從未停止進化，也從未停止給人類帶來驚喜。

從文生文、文生圖到文生視頻，從ChatGPT、Dall-E到Sora，生成式AI跨越壁壘、一路狂飆，向人們展示了人工智能時代超越邊界的想象力和爆發(fā)力。

當前人工智能的發(fā)展具有“大”和“多”的特征，大模型的參數(shù)規(guī)模越來越大，文、圖、視頻等方面的多模態(tài)能力也越來越強，無論是國內(nèi)還是國外，都經(jīng)歷了一場有關人工智能的巨變。

大模型的持續(xù)進化離不開海量數(shù)據(jù)的支持，以至于業(yè)內(nèi)將數(shù)據(jù)形容為推動人工智能發(fā)展的“燃料”和“礦產(chǎn)”。不過，人工智能巨頭OpenAI公司聯(lián)合創(chuàng)始人兼前首席科學家伊利亞·蘇茨克維爾近日公開警告，“AI的訓練數(shù)據(jù)如同化石燃料一樣面臨著耗盡的危機”�！蹲匀弧冯s志最近也在頭版敲響警鐘——人工智能革命正“吸干”互聯(lián)網(wǎng)數(shù)據(jù)的海洋。

另一方面，目前科技公司競相追逐的通用大模型，基本都是基于歷史靜態(tài)數(shù)據(jù)訓練，比如全球互聯(lián)網(wǎng)上的文字、對話、圖片和視頻，先不說其本身數(shù)據(jù)的真實性，僅僅依賴這些靜態(tài)數(shù)據(jù)訓練的通用大模型對真實世界的理解力本身就值得懷疑。這點已經(jīng)遭到眾多硅谷科學家的詬病，他們指出，基于現(xiàn)有互聯(lián)網(wǎng)數(shù)據(jù)訓練的大模型，可能訓練出具有片面世界觀的“怪物”。

因此，物理世界的實時數(shù)據(jù)就顯得更加重要。這也是馬斯克所支持的大模型計劃被看好的原因——基于其遍布全球的數(shù)百萬輛特斯拉汽車收集的真實動態(tài)數(shù)據(jù)，將有助于其訓練出更“高級”的通用人工智能大模型。

AI大模型所面對的困局，或許在中國迎來轉(zhuǎn)機。隨著車路云一體化、自動駕駛、具身智能等技術的興起，以蘑菇車聯(lián)為代表的一些科技公司正大力推動車路云網(wǎng)絡建設和應用——車路云網(wǎng)絡本身就是一個物理世界的實時動態(tài)數(shù)據(jù)庫，其規(guī)模遠超想象，并時刻都在產(chǎn)生全新的真實數(shù)據(jù)。

這或許會為AI大模型提供連接物理世界與數(shù)字世界的全新數(shù)據(jù)引擎，驅(qū)動人工智能持續(xù)進化、迭代升級，幫助AI大模型更好地理解真實世界。

下一代大模型的數(shù)據(jù)新引擎

近日，中國科學院院士梅宏表示：“現(xiàn)在的公交車、出租車、地鐵等各種出行方式的數(shù)據(jù)，均是由各自獨立的信息系統(tǒng)來匯聚的，形成了一系列的數(shù)據(jù)孤島。如果要把這些數(shù)據(jù)匯在一起共享融合，需要實現(xiàn)各系統(tǒng)間的互操作。如果每個機構都做一遍，成本很高，效率也很低。因此，需要構建一套新型基礎設施，從根本上支撐數(shù)據(jù)在互聯(lián)網(wǎng)上的互聯(lián)互通，這就是所謂的數(shù)據(jù)基礎設施，它本質(zhì)上是互聯(lián)網(wǎng)技術體系的一次拓展和延伸�！�

聚焦到交通場景，交通是一個非常典型的從感知、認知、到?jīng)Q策、控制的過程。傳統(tǒng)人工智能在里面目前只呈現(xiàn)碎片化應用，比如識別信號燈、識別違章等。

想要真正解決問題，需要用車路云這一根線，把車流、道路、交通信號等所有的散點串聯(lián)起來，形成更高維度的全局智能，通過對車、路、云、網(wǎng)等交通關鍵節(jié)點開展智能協(xié)同，形成對交通態(tài)勢的全面、及時、精準的感知、控制與決策。

人們所熟知的人工智能大模型是擁有超大規(guī)模參數(shù)（通常在十億個以上）、復雜計算結構的機器學習模型，通常能夠處理海量數(shù)據(jù)，完成各種復雜任務，如自然語言處理、圖像識別等。傳統(tǒng)的通用大模型擅長處理文本、語音、圖像和視頻等四類數(shù)據(jù)，但對車路云領域來說，準確理解空間坐標、實時動態(tài)數(shù)據(jù)的分析處理、未來物體軌跡預判才是核心。這也進一步強調(diào)了車路云與現(xiàn)有人工智能技術的本質(zhì)區(qū)別。

2024年，是我國全面布局車路云一體化的“元年”。

年初，工信部發(fā)布的《關于開展智能網(wǎng)聯(lián)汽車“車路云一體化”應用試點工作的通知》提出，要建設智能化路側(cè)基礎設施，實現(xiàn)試點區(qū)域5G通信網(wǎng)絡全覆蓋，部署LTE-V2X直連通信路側(cè)單元等在內(nèi)的C-V2X基礎設施。通過新一代移動通信技術將人、車、路、云一體化，建立系統(tǒng)性數(shù)據(jù)平臺，產(chǎn)業(yè)化規(guī)模落地應用，就是智能駕駛的“中國方案”。

7月初，工信部公布了20個城市（聯(lián)合體）為“車路云一體化”應用試點城市。

10月，工信部相關負責人在國新辦新聞發(fā)布會上表示，下一步將深入開展智能網(wǎng)聯(lián)汽車準入和上路通行試點、“車路云一體化”試點，穩(wěn)妥推進自動駕駛技術產(chǎn)業(yè)化。

目前，中國已經(jīng)形成相對成熟的車路云一體化建設方案，主要由設備端、通信服務、云平臺、車路云應用、車路云安全等部分組成。其中，在政府機構主導的項目推動下，路側(cè)基礎設施及平臺建設率先開展。

行業(yè)發(fā)展的生命力在于持續(xù)不斷進行實踐創(chuàng)新，通過行業(yè)實踐破解關鍵問題，從而推動行業(yè)螺旋上升。比如車路云行業(yè)大模型，其在解決車路云協(xié)同中的一些關鍵挑戰(zhàn)方面具備獨特優(yōu)勢，特別是在復雜環(huán)境中提供高級的感知和理解、動態(tài)管理交通流量、協(xié)調(diào)異構交通參與者、實時數(shù)據(jù)處理和決策等方面。

在復雜的城市環(huán)境中，例如在擁擠的街道、復雜的交叉口、惡劣的天氣條件下，傳統(tǒng)大模型由于缺乏對物理世界的感知能力，難以準確感知和理解交通環(huán)境。車路云大模型可以通過使用深度學習算法和大規(guī)模訓練數(shù)據(jù)，準確地識別和理解復雜環(huán)境中的各種對象和情境，如行人、自行車、其他車輛、道路標志和臨時路障等。

預測和管理動態(tài)變化的交通流量是車路云協(xié)同面臨的一大挑戰(zhàn)，尤其是在高峰時段或特殊事件（如道路施工或大型活動）期間。針對這一點，車路云大模型可以利用實時數(shù)據(jù)處理和分析能力，并結合歷史和實時的交通數(shù)據(jù)，預測交通流量變化和潛在擁堵點，從而幫助優(yōu)化交通信號控制和車輛路徑規(guī)劃。

在車路云環(huán)境中，需要協(xié)調(diào)不同類型的交通參與者（如不同品牌和型號的車輛、非機動車、行人）的行為，這在傳統(tǒng)交通系統(tǒng)中是一個挑戰(zhàn)。車路云大模型通過高級的模式識別和預測算法，理解和預測不同交通參與者的行為，有效地協(xié)調(diào)它們之間的交互，提高出行安全和交通效率。

實時收集、處理和共享大量交通數(shù)據(jù)，并據(jù)此做出快速決策，是交通系統(tǒng)面臨的重要挑戰(zhàn)。車路云大模型借助強大的計算能力和智能算法，能夠快速處理來自車輛、路側(cè)基礎設施和其他傳感器的大量數(shù)據(jù)，并實時做出準確的決策。隨著城市交通環(huán)境和規(guī)則的不斷變化，車路云大模型還具有自我學習和適應的能力，可以根據(jù)新的數(shù)據(jù)和經(jīng)驗不斷優(yōu)化自己的算法和策略，以應對不斷變化的交通環(huán)境。

得“通感算”者得天下？

作為未來智能城市的底層系統(tǒng)，車路云一體化通過集成AI數(shù)字道路基站、衛(wèi)星通信和定位、各類傳感器、無人機、機器人等關鍵基礎設施，構建起一個無縫交互、高效協(xié)同的網(wǎng)絡系統(tǒng)，為用戶提供高精度、實時數(shù)據(jù)服務。

從車路云一體化的發(fā)展路徑看，主要經(jīng)歷了四個階段。

第一階段是信息交互協(xié)同。主要實現(xiàn)車輛與道路的信息交互與共享；

第二階段是協(xié)同感知。在信息交互協(xié)同的基礎上，進一步利用車載和路側(cè)的感知設備，對道路交通環(huán)境進行實時高精度的感知定位，從而為自動駕駛提供更全面、更準確的環(huán)境信息；

第三階段是協(xié)同決策控制。在協(xié)同感知的基礎上，進一步實現(xiàn)道路對車輛、交通的決策控制；

第四階段是車路云一體化。通過融合智能網(wǎng)聯(lián)車輛、路側(cè)設施及云端平臺，提供更全面、準確的交通環(huán)境感知，并協(xié)同交通場景各參與要素進行高效的全局智能決策。

在車路云網(wǎng)絡的加持下，道路通行能力得以提升，智能駕駛將變得更加安全。當下的自動駕駛汽車，仍無法在追求極致安全與道路效率兩者之間形成優(yōu)雅的平衡。當每一輛車都成為智能體的時候，它們各自的決策發(fā)生沖突時會形成一種算法博弈。如果兩輛車都決定加速，就可能發(fā)生碰撞；如果同時減速，效率又會降低；另外還會遇到車輛在路口的相互博弈，導致車輛停在路中間，又會引發(fā)交通擁堵。

車路云網(wǎng)絡作為交通中統(tǒng)一的關系協(xié)調(diào)方，其價值正在于通過全局智能決策，成為協(xié)調(diào)各交通要素之間關系的樞紐，通過借助大模型、深度學習等人工智能技術幫助各方做出更好決策，從而構建起良性的交通關系，保障交通的通行效率和安全性。

蘑菇車聯(lián)創(chuàng)始人兼CEO朱磊認為，車路云一體化的本質(zhì)是構建一套“通感算”網(wǎng)絡，通過對實體世界進行實時數(shù)字化，為智能設備提供實時數(shù)據(jù)服務。這一網(wǎng)絡現(xiàn)階段主要為交通和車輛服務，但未來其應用范圍將擴展至無人機、機器人等一系列智能體，形成一個實時的、城市級的數(shù)字孿生系統(tǒng)。

想象一下，通信網(wǎng)絡仿佛是神經(jīng)，算力系統(tǒng)如同大腦，感知相當于感官，三者深度打通，通感算網(wǎng)絡仿佛變成了一個自智化、價值化的系統(tǒng)。

功能層面，通感算網(wǎng)絡是同時具備“物理-數(shù)字”空間感知、泛在智能通信與計算能力的網(wǎng)絡。

在通感算網(wǎng)絡中，各類傳感器、智能體通過軟硬件資源的協(xié)同與共享，不僅能夠感知物理世界的各種信息，包括位置、速度、姿態(tài)、環(huán)境等，并將這些實時信息轉(zhuǎn)化為數(shù)字信號進行處理和傳輸，可以應用于自動駕駛、智能制造、智慧城市等領域，還能實現(xiàn)多維感知、協(xié)作通信、智能計算功能的深度融合。這種融合可以帶來更高效的信息處理、更低的時延和更高的可靠性。

通過廣泛的連接能力，通感算網(wǎng)絡可以實現(xiàn)人與人、人與物、物與物之間的智能通信。作為龐大的實時數(shù)據(jù)網(wǎng)絡，通感算網(wǎng)絡可以大規(guī)模獲取實體世界的全局數(shù)字化信息，為普通汽車、智能汽車、機器人、無人機、低空飛行器等智能設備提供系統(tǒng)級的實時數(shù)據(jù)服務，這些智能設備可以基于全局數(shù)據(jù)信息進行實時決策和精準規(guī)劃，實現(xiàn)更高效的協(xié)作。

在疊加大模型之后，通感算網(wǎng)絡具備了對真實物理世界的理解能力，可以對海量數(shù)據(jù)進行實時處理和分析，實現(xiàn)智能決策和優(yōu)化。

為了構建通感算網(wǎng)絡，需要解決一系列技術難題，包括通感算一體化空口技術、網(wǎng)絡化感知技術、智能算力網(wǎng)絡技術等。這些技術的研發(fā)和應用將推動通感算網(wǎng)絡的發(fā)展，為未來的交通智能化建設提供強有力的支撐。

比如去年蘑菇車聯(lián)就與北京移動開展的合作就是通感算網(wǎng)絡的一個典型案例。

雙方通過構建具備通感算一體化能力的車路云網(wǎng)絡，已經(jīng)在北京亦莊高級別自動駕駛示范區(qū)共同推動5G車路云聯(lián)合測試項目。該項目是基于蘑菇車聯(lián)AI數(shù)字道路基站、移動云、移動5G專網(wǎng)，進行車路云端到端數(shù)據(jù)應用時延和路側(cè)感知精度測試，并實現(xiàn)交通數(shù)據(jù)感知流賦能網(wǎng)聯(lián)車輛的高階應用場景。

測試結果顯示，車路云端到端應用時延小于100ms，完全滿足車路協(xié)同自動駕駛時延要求；路云端基礎設施的數(shù)據(jù)質(zhì)量達到業(yè)界最高的“雙SL3”技術要求，充分滿足車企對于路側(cè)數(shù)據(jù)質(zhì)量的需求，為數(shù)據(jù)上車應用打下堅實基礎。

空天地一體化理想照進現(xiàn)實

除了交通領域，通感算網(wǎng)絡還可以整合地面網(wǎng)絡和非地面網(wǎng)絡，在全球范圍內(nèi)提供泛在接入，并融合低軌或超低軌衛(wèi)星、無人機和高空平臺站等作為移動終端或節(jié)點組成的非地面網(wǎng)絡，形成空天地一體的泛在接入網(wǎng)絡。

通感算網(wǎng)絡獲取的實時物理世界數(shù)據(jù)還可以用來反哺自動駕駛模型、機器人模型的訓練。比如可以根據(jù)不同城市特點，訓練最適合當?shù)伛{駛行為的自動駕駛模型；根據(jù)不同工作和工種特點，訓練最適合不同工作場景的機器人。

當智能設備規(guī)模越來越大，最具合理性的方式一定是盡可能降低對單體設備在計算能力和實時感知能力方面的依賴，通過整個網(wǎng)絡來承載巨量的數(shù)據(jù)處理和計算分析。

比如針對自動駕駛感知受限問題，通感算網(wǎng)絡利用數(shù)字道路基站，以及攝像頭和毫米波雷達等感知設備，對路面情況進行感知并進行視頻流的壓縮。并通過車載通信鏈路將壓縮后的圖片或視頻上傳至配置了圖像分類識別算法的基站進行處理。

數(shù)字道路基站配合路側(cè)邊緣計算系統(tǒng)，在原視頻的基礎上提取出包含行人、障礙物或路面情況改變的關鍵幀并對這些幀進行分類�；趫D像分類識別算法進行圖像識別處理，再將處理后的結果下發(fā)給車輛終端，從而實現(xiàn)通感算賦能自動駕駛車輛的超視距感知能力。

基于通感算一體化提供的成像、地圖構建和環(huán)境重構能力，自動駕駛車輛可以在未知的環(huán)境中化被動為主動，執(zhí)行自動導航和路徑規(guī)劃等更具決策能力的任務。

通感算網(wǎng)絡讓車輛在進行實時通信交互的同時，也為其開了感知的“天眼”，能夠“看見”更多，“了解”更多，“創(chuàng)造”更多。

在智能化的大趨勢下，聰明的車和智慧的路正加速融合。隨著政策持續(xù)加碼、技術路徑跑通、商業(yè)場景落地，車路云一體化所面臨的挑戰(zhàn)正被進一步廓清，前景也更加清晰。

市場永遠不缺少投機者，而堅定者更加彌足珍貴。任何一個產(chǎn)業(yè)發(fā)展的關鍵期，都將考驗參與者的戰(zhàn)略定力，也只有吃透用戶、吃透市場，才能最終在市場真正立足。