人工智能的迅猛发展与算力网络的加速建设，为自动驾驶技术注入强劲动能。2025年，在北京亦庄经济技术开发区，一辆自动驾驶出租车平稳穿梭在早高峰的车流中，其通过多个车载摄像头与雷达组合感知车外环境，同时依托“车路云一体化”平台获取超视距道路信息与交通调度支持，实现了路侧传感器、车载终端与算力网络的高效协同。该场景不仅标志着中国自动驾驶技术正式跨越技术验证阶段，更预示着其规模化落地将从“单点突破”迈向“全域渗透”的新阶段。
自动驾驶的技术演进
自动驾驶技术的成熟，体现在“感知—决策—执行”三个核心环节的技术突破上。一是感知升级。在感知环节，多传感器融合路径已成为业界主流，该路径通过多传感器协同实现精准周界监测。以小马智行为例，其第七代自动驾驶系统搭载9个激光雷达、14个摄像头和4个毫米波雷达，组合成全车360度无盲区感知范围，最远检测距离可达650米。与此同时，激光雷达及相关硬件的成本大幅下降：相较上一代，激光雷达成本降低68%，车载计算单元等硬件成本下降近70%。此外，激光雷达装机量迅速增长——2025年上半年中国乘用车市场激光雷达前装交付量已突破104.39万颗，同比增长约83%。
二是决策升级。决策系统相当于自动驾驶的“大脑”。早期自动驾驶采用基于规则的决策系统，工程师需要预先编写数万条规则以处理各类交通场景；然而现实世界交通场景的复杂性远超预期，这种方法很快面临瓶颈。中国自动驾驶企业率先转向数据驱动的决策系统，让AI算法可自主学习并适应各类复杂场景。智能决策系统由“数据积累+算法训练”共同驱动，依托中国自动驾驶企业及示范区多年积累的丰富道路测试和实际运行数据，开展深度学习、行为预测及路径规划等工作，从而提升算法在城市复杂交通场景下的鲁棒性。
三是执行进化。执行系统是自动驾驶的“手脚”，包括转向、制动等核心部件。传统机械控制系统响应慢、效率低，难以满足自动驾驶的技术需求。线控系统通过电信号直驱“执行机构”，不仅响应速度快、控制精度高，还能借助冗余设计和协同控制能力，为高阶自动驾驶提供可靠保障。从线控底盘、车规级芯片、冗余系统设计到车云协同，各类硬件与系统正从依赖进口或小规模定制，向国产化、大规模量产方向转变。与此同时，整车制造商与自动驾驶方案提供者之间的合作也日益密切。
自动驾驶规模落地方式
自动驾驶的商业化遵循“先特定场景，后开放道路；先商用车，后乘用车”的发展路径。在这一过程中，商用车因其路线固定、场景复杂度低等优势，成为了自动驾驶商业化的“排头兵”。港口无人集卡是最早实现规模化应用的场景之一，上海洋山港、宁波舟山港等港口均部署有上百辆的无人集卡车辆。
百度Apollo于武汉、重庆开放自动驾驶收费运营服务，使这两座城市成为我国首批实现自动驾驶商业化运营的城市。这些试点项目不仅验证了自动驾驶技术在开放道路环境下的可行性，还探索了可持续的商业模式。除商用车和乘用车外，特种车辆也是自动驾驶技术落地的重要场景——矿山、机场等领域的特种车辆因作业环境封闭、标准化程度高，已成为自动驾驶技术应用的“隐形赛道”。
“车路云一体化”重塑智能交通新生态
在全球自动驾驶技术竞争中，相较于欧美国家以“单车智能”为主的技术路线，中国探索出了一条差异化发展道路——“车路云协同”。这一以“车路云一体化”平台为核心基础设施的技术路径，通过整合车辆、道路、云端三方数据与资源，实现超视距感知、全局决策和协同控制，为中国智能交通系统的规模化落地提供了全新解决方案。
“车路云一体化”平台的技术架构
车端作为平台的基础节点，搭载了自动驾驶系统（含感知、决策、执行模块）与V2X通信设备。这些设备可实时采集车辆状态信息与环境信息，并接受路端、云端指令，保障车辆安全行驶。
路端部署路侧单元、摄像头、毫米波雷达、激光雷达等装置，依托边缘计算技术，实现区域内的本地化感知与数据即时上传功能。路端多传感设备能补充单一车端感知盲区，进一步扩大车辆感知范围。
云端作为整个平台的“大脑”，整合车端、路端数据及高精度地图信息，运用AI算法实现超视距预警、全局交通调度、应急协同控制等功能，为系统整体运行提供决策支撑。
核心优势：在复杂场景中的卓越表现
在复杂场景下，“车路云一体化”平台相较于欧美传统的单车智能技术，展现出显著优势，尤其是在感知能力、交通效率与安全保障方面。
一是超视距感知，突破单车视野限制。“车路云一体化”平台借助路侧设备，进一步扩展车载传感器的覆盖范围。在这一协同感知方案下，车辆感知范围从传统车载传感器的100米左右，扩展至“路侧设备覆盖200米+云端全局视野”，大幅度提升复杂场景下的安全性。而欧美国家的端到端自动驾驶技术，依赖单一车辆的传感器与深度学习模型，仅在道路规则明确、环境简单的条件下表现较好；在复杂交通环境中，其感知能力会受到明显制约。
二是全局交通调度，优化通行效率。云端平台通过实时分析路侧交通流量数据与车辆目的地信息，动态调整信号灯配时，为车辆规划最优行驶路径，从而提升区域整体通行效率。端到端技术主要依赖个体车辆自主决策，缺乏对全局交通状况的统筹能力。相比之下，“车路云一体化”平台可依托云端全局视角，实现区域内所有车辆的协同调度，有效避免局部拥堵扩散。
三是秒级响应，全面提升安全性。在极端场景下，云端平台可直接向周边车辆下发控制指令，或将救援车辆优先通行需求纳入调度，大幅缩短事故响应时间，降低事故发生率。这种高效的应急协同能力，为复杂交通环境下的安全驾驶提供了重要保障。
从示范区到城市级的复制推广
“车路云一体化”平台已从点到面推进布局，逐步形成可复制推广的“中国模式”。2024年，上海浦东新区启动“车路云一体化”全域试点，覆盖高速、城市道路、园区等全场景，支持L4级自动驾驶车辆规模化运营。依托“东数西算”工程，“车路云一体化”平台正与算力网络深度融合，这种跨区域算力协同不仅推动自动驾驶向“全国一张网”演进，也为未来智能交通的全域覆盖奠定坚实基础。
综上所述，“车路云一体化”平台通过多端协同，能在复杂场景中实现超视距感知与全局调度，尤其适配中国的城市交通环境。
未来展望
技术创新：从“跟跑”到“领跑”
近年来，中国在自动驾驶技术研发领域实现巨大突破。以百度Apollo、华为MDC为代表的本土品牌，在自动驾驶算法、传感器融合、高精地图等领域已具备国际竞争力。同时，5G网络的普及为车路协同提供了强大通信基础，支撑车辆实时感知周围环境并快速做出决策。未来，中国有望通过“软件+硬件”双轮驱动模式，实现无人驾驶技术从“跟跑”到“领跑”的转变。
当前，如何在城市复杂交通环境中提升系统鲁棒性、降低激光雷达等关键部件成本，仍是亟待解决的问题。
政策支持：顶层设计助力行业发展
我国多部门联合发布的《智能汽车创新发展战略》明确提出，到2025年基本形成智能汽车标准体系和产业生态。这一战略不仅强调技术和产业的协同推进，还为自动驾驶在法规制定、测试认证、数据安全管理等方面提供了制度保障。此外，各地纷纷设立自动驾驶测试示范区，为企业提供丰富的试验场景，推动技术验证与商业模式探索同步开展。
结语
2025年，中国自动驾驶产业已迎来从“技术验证”向“规模落地”跨越的关键拐点。凭借持续的技术创新、强有力的政策支持及全社会的共同努力，中国有望在全球自动驾驶领域占据领先地位。其中，中国自动驾驶的“车路云一体化”平台作为全新技术范式，通过路侧感知、云端计算与车载系统的深度协同，精准适配我国人口密度高、交通场景复杂的国情，为智能交通发展提供了更贴合本土需求的解决方案。
未来几年，随着传感器与芯片成本进一步下降、安全冗余机制更趋成熟、网络覆盖范围和质量持续提升，自动驾驶服务将更广泛地融入日常交通系统，使普通用户真正享受到低成本、高可靠的自动驾驶出行服务。展望未来，中国有望成为全球自动驾驶产业的领先者，不仅在技术路径上形成优势，还将在商业模式与社会接受度层面，构建具有中国特色的成功范式。
*本篇刊载于《通信世界》2025年9月25日*
第18期 总976期
