一方面，目前的新能源电动化率已经大幅度的提高，而电动化后就要看智能化，目前L2+级别无人驾驶汽车正在快速渗透；另一方面，AI时代需要超级应用、超级场景来引领，智能驾驶就是

  中国的智能驾驶正在快速地发展。智能驾驶将带动万亿级赛道，上下游产业链长、应用场景多，整个产业都会在未来几年快速地增长。2023年,我国L2级新乘用车渗透率达到47.3%；2024年1-5月突破50%。武汉成为全世界最大的无人驾驶运营服务区。北京、武汉投入100+亿做智能网联建设；20+城市快速投入试点；上海新发布4张牌照……都在代表着智能驾驶进入全面铺开时代。

  中国走的是车路云协同和单车智能共同发力的一体化路线，需要大量的智能化“新基建”。与美国以单车智能为主的路线不同，这在某种程度上预示着中国在智能道路改造方面的新基建投入将更大，对经济提质升级更明显。

  智能化不仅是技术上的突破，也将带来商业模式的变革、出行行业竞争格局的重塑：

  第一，高度的智能化是共享化，带来商业运营、汽车保险等结构性变化。全自动驾驶实现后也许会出现共享无人出租平台，汽车消费从个人保有转为部分共享运营。汽车金融也会受影响，在平台责任制的认定下，无人驾驶保险等新险种的需求会爆发。

  第二，智能驾驶将大幅节能减碳、减少交通拥堵和事故，短期虽然会暂时出现结构性出租车、网约车就业问题，产生交通拥堵等争议；但是长远来看交通事故减少，出行效率提高，无人驾驶时代到来，已是大势所趋。

  第三，智能化变革会加速对转型慢的传统车企淘汰，技术硬、积累深的新能源汽车公司成为受益者。主流汽车花钱的那群人年轻化，影响了车企在智能化领域持续投入。目前，新售车型对L2+的车联网能力需求将持续提升，保守估计到2030年前L2级以上渗透率将超过80%，其中L3+或超过20%。

  第四，推进智能驾驶的同时，也要重视核心软硬件的自主化替代进程，不能在智能化底层硬科技、尤其是高阶算力芯片被卡脖子。

  截止2024年5月，全国已有47个国家级智能网联测试示范区，16个双智试点城市，7个智能网联先导区，包括武汉、重庆、深圳、北京等无人驾驶提前布局的重点城市。全国共开放无人驾驶示范道路3.2万多公里，测试里程超过1.2亿公里，各地智能化路测单元部署超过8700套。

  智能驾驶是新能源汽车发展进程的下半场，智能汽车为用户更好的提供舒适、安全、科技感的驾乘体验。发展智能驾驶具有必要性，对消费的人和社会而言，智驾在出行安全、节能、性价比、驾乘体验、出行效率等方面贡献显著。

  一是更安全：世界卫生组织披露的多个方面数据显示，每年道路交互与通行事故造成全球约130万人死亡、5000万人受伤。密歇根大学报告数据显示，20%-46%的碰撞事故可以被ADAS高级驾驶辅助功能所避免；美国IIHS公路安全保险协会指出，无人驾驶能够大大减少34%的安全事故。

  二是更节能：智能驾驶的控制管理系统优化汽车加速、制动、减速方式，有效地提高燃油和电力利用率。卡内基梅隆大学报告说明，带有智能驾驶功能的汽车，燃油经济性提升10%，自动化等级越高、节能效率越高。

  三是更有性价比：智能驾驶对人力成本比较高的场景意义重大，比如将无人驾驶用于卡车长途运输。

  四是驾乘体验更好，是老龄社会友好型产品：智能驾驶能更及时全面捕捉路面信息，做出一定的反应。日本内阁《交通安全白皮书》指出，因踩错刹车油门的死亡事故，75岁以上司机是其他群体的4.9倍。智驾提升驾乘舒适度，高龄驾驶员操作友好。

  五是提升出行效率：每年交通拥堵带来的经济损失相当于国内生产总值的5-8％，无人驾驶后使整体交通效率提升10%。智能驾驶能减少交通事故，改善道路拥堵，降低人员和经济损失。

  发展智能驾驶具有迫切性，对汽车产业影响深远。汽车是居民消费中附加价值较高的产品，是一国制造业的核心领域之一。智能网联车本质上是以互联网、云计算、大数据等为代表的新质生产力在耐用消费品、交通领域的应用。智能驾驶的发展带动汽车产业技术升级，带动供应链和产业生态的革新，带动上下游核心科技突破，是各国必争的战略高地。

  发展智能驾驶具有合理性。我国是全球最大的汽车消费市场，不仅基础设施配套齐全，技术和标准趋于完善，而且消费者的对新事物接受度高、市场活跃。2024年6月，我国机动车保有量达4.4亿辆，汽车3.45亿辆。道路基础设施正加快智能化升级，支撑智能驾驶发展。截止2024年5月，全国已有47个国家级智能网联测试示范区，16个双智试点城市，7个智能网联先导区。截至2024年5月底，全国共开放无人驾驶示范道路3.2万多公里，测试里程超过1.2亿公里，各地智能化路测单元部署超过8700套。

  技术端，高精地图、激光雷达、车载AI芯片取得重大进展，未来将有众多跨时代意义的新技术获得应用。以车载AI芯片为例，高阶无人驾驶芯片已具备量产装机能力。华为昇腾310和610搭载MDC810、MDC610计算平台，引领国内高端无人驾驶市场；地平线月北京车展公布，算力从10+TOPS到560TOPS。

  行业标准日趋完善，政策端对智能汽车的发展尤为重视。2024年，五部门联合发布重磅政策，智能网联汽车进入快速成长期。7月3日，工信部、公安部、自然资源部、住建部、交运部联合公布了智能网联汽车“车路云一体化”应用试点城市名单。包括北京、上海、重庆、鄂尔多斯、苏州、无锡、成都、广州、深圳等20城。

  智能驾驶可划分不一样的等级，当前我国正处于从辅助驾驶到有条件无人驾驶过渡，同时也处于高度无人驾驶开启阶段。

  国际上看，SAE美国汽车工程师学会的分级标准，是目前较为通用的无人驾驶分级标准，获全球众多国家地区参考。国内方面，2020年3月，我国《汽车驾驶自动化分级》规定智能驾驶分为6个等级：L0-L2为驾驶辅助，L3-L5为无人驾驶。通俗来讲：L1一般是可以解放手或者脚；L2可以同时解放手和脚；L3能更加进一步解放眼；L4及以上还可以解放大脑。

  自动驾驶技术涉及交通、通信、电子等多领域融合和多产业协同，是一个从L0、L1、L2往L3、L4、L5渐进的过程。随等级上升，软硬件配置要求也在提高。以激光雷达为例，L0-L2驾驶辅助无需激光雷达，但在L3及以上高阶无人驾驶中，激光雷达是必不可少的硬件设备。芯片方面，若要实现L2到L3级别的跨越，算力需要从24Tops跨越到300Tops，提升至少12.5倍。

  推动智能驾驶发展的核心驱动力是汽车用户群体的出行偏好改变。一种原因是基于对智能驾驶的技术认可，当前中国已拥有一个成熟、完整、自主的智能汽车产业链。另一方面，安全问题是根本，关于人和系统，哪方的驾驶决策更优引发广泛讨论。

  此外，从企业层面来看，单车智能和车路协同路线之间竞争客观存在，当前来看，智能网联发展需要车路协同和单车智能的技术合力。实际上，智能驾驶并非单指某一技术路线。只是出于技术的成熟度、落地难度、商业化成本等客观条件限制，当下仍是以车路协同发展为主，单车智能为有力支撑的，技术互补和相辅相成的现状。

  智能驾驶的实现，本质上是感知(环境感知与定位)、决策(智能规划与决策)、执行(控制执行)三大核心系统的协同。无人驾驶系统最终是为了取代人工，如果将其类比人的话，如下图所示：感知层相当于人的五官，感知周围的环境，搜集数据传输到决策层；决策层相当于人的大脑，处理感知层传输的数据，输出相应的操作指令给执行层；执行层相当于人的四肢，执行大脑给出的指令。其中感知层最重要的包含三部分，环境感知、位置感知和速度、压力等其它感知；决策层最重要的包含三部分，操作系统(算法)、集成电路(芯片)、计算平台；执行层最重要的包含三部分，动力供给、方向控制、车灯控制。

  从技术和产业链发展阶段来看，感知环节基本实现国产替代，产业链较为成熟。车载摄像头、毫米波、超声波雷达、激光雷达都已实现自主替代，技术路线多元化。决策层挑战最大，上层软件需要长期数据积累，中间软件的壁垒高，自主替换难度大，底层软件的操作系统基本完成自研。此外，最核心的AI芯片也长期被海外厂商垄断，我国芯片厂商的产品正在快速进步、但仍需时间提升实力并验证产品。

  智能驾驶决策层的三大核心分别是硬件算力芯片、中间件软件架构、底层操作系统。

  1）硬件方面智能驾驶AI芯片是汽车行业最关注的核心。目前智能AI芯片发展存在多方面挑战。一是行业进入壁垒高：由于汽车芯片的研发和验证周期长、资金投入大，切换供应商存在失败风险，因此多数整车厂选择与先发的海外芯片厂深度绑定。二是研发技术难度大：智能驾驶的AI 芯片不同于传统汽车域控制器的 32位 MCU 芯片，前者在算力、性能、功耗、操作系统方面的要求明显高于后者。导致其研发成本和制造工艺攻坚困难。三海外政策变量多：全球半导体产业链已经很成熟，我国半导体制造业起步较晚，且发展受海外政策环境变化扰动，部分关键技术独立突破难度较大。目前智能驾驶训练用的AI芯片主要来自于英伟达，在海外限制收紧的背景下，中国车企如何去搭建算力基础设施是一大隐忧。

  2）中间件软件架构是技术壁垒最高的环节，是解决不同供应商软硬件兼容性问题的核心。其功能是通过集成的AutoSAR（汽车开发系统架构），连接上层应用软件和底层操作系统直接交互。中间件的开发需要投入极高的时间、人力和财务成本，此外，还需要与多家供应商长时间合作来进行产品兼容性调试与匹配。实际软件开发还需要绑定硬件厂商，准入门槛十分苛刻。从2003年建立扩张至今，该联盟已包含近200家企业，只有9家核心企业和63家一级会员能实际参与到开发模式的筹划、管理和调控。我们国家科技巨头中有百度、华为等8家是一级会员。

  3）底层的操作系统是管理和控制车载硬件与软件资源的程序。能更加进一步细分为基础型和定制型。由于操作系统的特殊性：一是涉及智能驾驶基础内核操作，二是支持应用生态且积累庞大的用户数据，三是系统的适配验证成本极高，车企在选择操作系统后就无法轻易更换。在基础系统中如何去选择底层路线成了车企的一大难题。

  基础型操作系统，如QNX、Linux、WinCE、Android，鸿蒙，目前75%的无人驾驶底层操作系统使用的是 QNX 系统。基础型操作系统自主开发难度高，国内厂商选择通常是后者。定制型操作系统是在前者的基础上深度开发、修改内核的定制化产物。

  如果选用QNX和Android等海外系统去进行定制化开发，可能会面临一系列隐患。

  一是数据安全问题：海外系统可能会存在数据后门，这导致车辆在行驶过程中产生的敏感数据，如位置信息、驾驶习惯等，有可能会被黑客攻击或被企业收集用于非法目的。

  二是可能导致上层应用开发受限。由于系统的源代码受到专利保护，或受到有关政策限制，国内企业在开发上层应用时可能遇到诸多困难。不仅增加了迭代成本和研发周期，还可能会引起发展落后于海外。

  三是还可能面临政策变化的风险。随着国际局势变化，某些国家可能会对敏感技术进行限制或制裁。如果大量依赖这些海外系统，将对我国智能驾驶应用和发展造成严重影响，使得中国企业处于被动地位。

  根据CIDAS(中国交通事故深入调查)数据库显示，人是交通安全中最不确定的因素。通过一定的调查2011年至2021年的5664起乘用车事故发现，驾驶员人的因素占比约为81.5%。其中，79.9%是因为驾驶员无法对危险进行提前识别和感知的主观错误事故。43.4%是因为驾驶员未按规定让行发生的事故。

  2021年12月，由中国汽车技术研究中心有限公司联合同济大学、百度Apollo编制的《无人驾驶汽车交通安全白皮书》指出，智能驾驶并非‘零’事故”，但的确比人类驾驶更安全。

  二是凭借智能决策系统和精确执行系统，杜绝疲劳驾驶、酒后驾驶等危险行为；在无其他更高优先级事项的前提下，防范违反交规行为。

  三是智能驾驶像驾驶员一样具备案例分析和不断学习的能力，在复杂的出行场景中也可以逐步解决不少痒点、痛点和高频问题，让出行的所有节点都“有迹可循”。

  从历史经验和技术难点来看，智能驾驶出现安全问题通常有两种情形。一是感知系统的技术盲点，二是人车决策的认知偏差。

  感知系统技术盲点是指有些部分车企选择“纯视觉路线”作为智能驾驶的感知系统解决方案，该系统采用摄像头为主，毫米波、超声波雷达为辅作为传感器。在没有激光雷达测距的情况下，在极端气候场景、AI学习样本少的特殊场景中，算法可能判断失误。因此，近年在激光雷达技术的不断成熟下，“多传感器融合感知方案”成为无人驾驶落地的普遍共识。

  人车决策的认知偏差，是部分用户误把市场上的驾驶辅助系统和无人驾驶划等号，导致在驾驶过程中错误地把任务完全交予车辆。在多起相关事故中，用户都在驾驶辅助功能下放弃了对车辆的控制，且在收到系统提醒后有充足反应时间的情况下，却没有恢复对车辆的控制。实际上，当前主流的L2只是在L1的ACC自适应巡航和LKA车道保持功能上增加了自动变道功能，并不等于能完全替代人类司机。

  从安全责任角度看，无人驾驶由算法主导，而算法并不具备人类的道德地位，由此，机器根据预设算法决定碰撞中的道德困境怎么样才能解决，引发了人机协作的伦理挑战。在出现危险情况时，道义中心论算法、功利主义算法或者其他道德算法方案所执行导致结果迥异，在法学界存在一定争议。因此目前不同国别对无人驾驶责任认定存在一定的差异。部分条例认定交通事故责任主体仍然是驾驶人，而部分国家无人驾驶认定责任主体为车辆生产主机厂。不同责任认定区间，或影响用户使用高级别无人驾驶意愿。若无人驾驶系统不为责任主体，用户升级到L3级以上意愿或有影响。

  综合来看，尽管系统决策比人类驾驶更加可靠，但目前高度智能的无人驾驶技术还在实际应用的试水期，对于责任界定，社会接受度方面还存在一定争议，特定环境下接管控制任务是驾驶员的义务和责任。随着用户信任普遍形成，智能驾驶普及率上升，有关规定法律法规标准完善，智能驾驶会更加安全。

  美国尽力保持在无人驾驶领域的全球领先的地位。2013年，制定了《关于无人驾驶汽车的初步政策》，2014年再推出《智能交通系统战略计划（ITS）2015-2019》。2017年发布更具体的《无人驾驶系统2.0：安全愿景》，加大对智能驾驶技术的重视。2020年，正式出台《确保美国在自动驾驶技术领域的领头羊：无人驾驶汽车4.0》，明确无人驾驶发展的主体地位。2022年3月,美国国家公路交通安全管理局发布最终规定：优化测试审批流程，无人驾驶汽车的制造商无需为满足碰撞标准，配备手动驾驶控制管理系统，代表其全无人驾驶无需人工控制的时代来临。从最初的制定自动驾驶测试的有关标准、确定以自动化和网联化为核心发展目标，进化到全面打开全无人驾驶的大门。其目标是2025-2030年，大多数美国汽车无人驾驶，到2045年全美汽车实现无人驾驶。

  欧洲是最早重视无人驾驶发展的地区之一。早在2003年就联合产业界出台了eSafety，即欧洲道路安全行动计划，提供了智驾发展的总框架和战略：一是实现到2010年，道路安全事故死亡人数减半的目标，二是利用先进的信息与通信技术，探索车路协同方案的可行性。2011年，《欧洲一体化交通白皮书》，成为统一欧盟的交通基础设施规范与规划。2013年，“地平线年《欧洲自动驾驶智能系统技术路线》，正式提出了欧洲自动驾驶发展的策略。2020年，欧洲经济委员会发布新标准，通过关于无人驾驶豁免的ECE新法规，极大放松了无人驾驶的测试监管。2021年9月，欧洲道路运输研究咨询委员会发布最新无人驾驶技术路线图，政策从最初的以保障车辆安全为目的，发展到建立智能化、自动化车联网。欧盟提出了全世界内最激进的自动驾驶计划，从2022年，全欧所有新车将统一支持车联网，最快到2030年，欧洲进入全自动驾驶社会。

  日本希望能够通过无人驾驶技术为经济提供新增长点。2013年，“无人驾驶系统战略创新项目（SIP-adus）”开始重视无人驾驶产业高质量发展。2014年，发布《官民ITS构想/路线图》，通过政府和私营企业联合制定、共同实施、一致发展智能驾驶产业。2016年和2018年，分别发布《无人驾驶汽车道路测试指南》和“未来投资战略2018”,鼓励无人驾驶测试，强调“人工智能”在出行领域和智能驾驶的结合。2020年推出《实现无人驾驶的相关报告和方案》。2022年4月，修改《道路交互与通行法》，放宽无人驾驶范围，允许在高速上使用L3级无人驾驶。日本的无人驾驶产业政策已经从最初的建立世界最安全的交通系统，发展为如今的希望通过无人驾驶技术带动日本经济稳步的增长。目标是：到2030年，L3级别汽车达到新车销量30%。同时实施监管沙盒制度，在特定空间创造更宽松环境，使得无人驾驶实证实验能够直接进行。但日本的无人驾驶测试的准入主体仍然有限，这也使得日本无人驾驶的发展相对缓慢。

  我国智能驾驶布局近十年，近期重磅政策落地。政策上，2018、2020和2024年是三个重要时间节点。

  2015年《中国制造2025》的智能网联车发展的起步点，也标志着我国开始对无人驾驶产业进行总体方向规划。2017年的《汽车产业中长期发展规划》是第一部分类无人驾驶级别、对市场提出中长期规划并完善有关标准的文件。2018年《智能汽车创新发展的策略》要求车用无线X 等）实现区域覆盖，新一代车用无线X）在部分城市、高速公路逐步开展应用。

  2020年《智能联网汽车标准化工作要点》进一步夯实了发展智能网联车的基础。2020年，作为第一个重要节点，我国总结过去无人驾驶发展取得的进展，并展望了5年后的2025年，重新制定自动化分级标准。2020年7月《“十四五”规划》提出积极稳妥发展工业互联网和车联网；聚焦人工智能等关键技术的研发与迭代应用。2020-2022年推出一系列政策，针对性的对产业链完善、场景化应用、具体技术创新做出发展指引。2022年7月，我国首部L3级无人驾驶法规《深圳经济特区智能网联汽车管理条例》施行，9月上海出台政策对L3级实际落地和L4级商业化应用提供了支持。

  2024年6月，五部门联合发布重磅政策，智能网联汽车进入快速成长期。7月3日，工信部、公安部、自然资源部、住建部、交运部联合公布了智能网联汽车“车路云一体化”应用试点城市名单。包括北京、上海、重庆、鄂尔多斯、苏州、无锡、成都、广州、深圳等20城，预估初步阶段涉及智能网联智能化建设的市场规模约百亿级别，智能网联车消费市场为万亿级别。

  智能驾驶的未来发展离不开车路云一体化：单车智能技术进步与车路协同的建设完善，以及智能交通运营商的兴起，来继续推动市场进步，最终在政策的引导下，推广更丰富的智能驾驶场景应用落地。

  车联网，是指通过车载无线通信设施与人、其他车辆、道路、云端等实现高速通讯的技术。

  车联网的基本组成包含：①车路协同路测设施（高精度传感器，边缘计算单元，无线通讯系统）；②大数据、云计算平台；③车端感知、执行、人机交互系统；④基于AI的综合决策、治理、运维平台和大模型；⑤高精度地图和卫星导航；⑥路测辅助设施（信号灯、检修清障）；⑦用户侧的车载交通服务软件。

  其工作原理是：车辆端的感知系统时刻保持对路况和运行的监控，通过V2X技术和道路与其他车辆保持同步连接，道路端的传感器、摄像头、信号站、路灯等收集道路信息、交通状况；利用互联网通讯技术上传给云端的储存、计算、和决策中心，再由云端利用互联网反馈信息和决策给车辆端。

  车联网发展的本质是改造汽车电子电气系统的过程。汽车有五大系统和域，电子电气系统是汽车“大脑”。在传统汽车中，对于传感器与各种电子电气系统的信息传输与控制都由 ECU（车载电脑）完成。每个功能由一个独立的 ECU 分布式汽车电子控制器实现。当前ECU正向域集成化演变，不同的功能将集成到一个域内来实现，提升算力利用率。在未来，ECU架构将变为中央集中式，一个车载中央计算器控制全车的域控制器，最终通过云计算达到“车联万物”。

  路测基础设施建设、升级是中期的发展难点和政策聚焦点。引入路侧传感、通讯、和计算是对车路云一体化的全方位升级。但由于路测系统包含从摄像头到毫米波雷达、激光雷达的大量传感设备、高算力需求单元和通讯传输设备，各种硬件的相互适配和即时响应也是一大挑战，因此路测设施建设对智能化一体化方案的设计能力有一定的要求较高。

  在车联网实现的车路协同场景中，确保车端与路端的信息实时交互十分重要，通信模组负责车与车、车与路之间实时传输信息，能通过可靠、低延时的网络环境确保两端快速接入网络，是车路协同发展的关键技术。通信技术是车路协同中的连接通道也是车联网的底层技术。

  目前，主要的车路协同的底层通信技术是DSRC和C-V2X（蜂窝车联网）。C-V2X起步相对较晩，但因为基于蜂窝通信技术，其便捷性、可靠性方面具有优势。除此之外，C-V2Ⅹ可以与5G通信技术兼容，未来在自动驾驶领域的应用也广受关注。随着未来通信技术与C-V2X的进一步融合，三维建模、时空同步、智能识别等技术愈发成熟，越来越多支持车路协同的高速公路将在全国建成。

  智能驾驶的应用场景可大致分为乘用场景和商用场景两类。乘用场景除了用户自购自用主要是无人驾驶出租车（Robotaxi）和无人驾驶公交(Robobus)。

  根据美国SAE标准定义，Robotaxi是指出行企业来提供的L4-L5级无人驾驶出租车。Robotaxi无人驾驶出租车具备三大优势，能解决传统出行服务三大痛点。

  一是隐私保护，许多乘客希望出行过程能够大大减少与他人沟通，无人驾驶出租车能够尽可能的防止乘客在狭窄拥挤的空间内与他人的接触，减少沟通成本，保护乘客隐私，提高乘坐体验。

  二是高效出行，无人驾驶出租车能适应城市道路上的多种复杂路况，并根据实时交通信息做出路线调整。在路况判断、规划执行、遵守交规方面也优于人类驾驶员，能给乘客带来方便快捷高效的出行体验。

  三是成本更低，数据表明，国内一线元/公里，其中驾驶员成本占约50%。虽然目前无人驾驶出租成本偏高，但在未来大规模商用落地后，最终能完全节约人力成本，为用户所带来经济实惠的出行体验。

  我国无人出租起步相对较晚，武汉为全国乃至全球无人驾驶提供模板。2019年9月22日，武汉国家智能网联汽车测试示范区正式揭牌。2022年9月，武汉与重庆率先发布全无人商业化试点政策，向百度发放全国首批无人化示范运营资格。截止2023年底，武汉已成为全世界最大的无人驾驶运营服务区。

  Robobus无人驾驶公交是按照指定路线行驶的无人公共交通工具。对车路协同、车辆智能监控、安全预警等方面要求比乘用车更高，实现大规模商用还需要一些时间验证。2021年4月，全国首个无人驾驶公交车示范运营项目在重庆永川正式落地。2022年4月，Apollo Robobus获得北京市颁发的智能网联测试牌照。2022年9月，山东菏泽也亮相了宇通无人驾驶公交车。

  智能交通运营商的主要职能：协助车联网一体化体系建设，构建路侧智能化基础设施，提供云侧的大数据分析、云端支持、AI模型等技术上的支持，完善智能出行的服务和安全标准。让慢慢的变多经验比较丰富、技术深厚的智能网联运营商加入进来，加速构建起未来社会的智能交通新生态。

  在智能网联化构想下，交通系统要融合现代通信与网络技术，最终实现车与万物的智能信息交换与共享。成熟的智能交通运营商理论上需要三方面条件：

  一是要有高阶路侧设备的智能化一体化方案的建设、运营、维护能力。以路测边缘计算单元为例，配置200TOPS以上的算力就能支持L4级无人驾驶上路。但从部署难点看，高算力计算单元不仅单颗生产所带来的成本高，适配不同车型和传感器需要算法调整，上传到云端也需要即时响应，且为保障实时的数据处理对延迟的要求也极为苛刻。因此，企业有研发、生产路侧传感装置、通讯设备能力，拥有边缘计算产品十分重要。

  二是需要有较强的软件系统集成能力、云平台、和大数据运算平台，在AI领域具备一定基础。智能交通运营覆盖范围在理想状态下是公路系统的全范围，既使是覆盖部分地区，也需要处理海量的道路和用户数据。对于整车企业来说，这无疑是巨大的挑战。对于软件供应商来说，单个企业也难以支撑相应的规模。未来的成熟的车路云体系涉及的数据量、计算量、算力需求都将呈数量级增长。而机器学习优化后的专用大模型，和边缘计算的分布式AI将很大程度上对感知算法和决策准确度来优化、提高运维效率的同时，信息处理和即时反馈能力也将得到加强。因此，AI大模型的实力决定了运营商的能力上限。

  三是智能交通运营商还必须亲自参与到市场中，要拥有较为成熟的车端无人驾驶技术和丰富的落地示范项目经验。因为车端无人驾驶成熟度主要根据车载传感器算法、计算平台的算力上限、训练程度。这就要求运营商要在有成本优势的前提下，具备投入无人驾驶汽车的能力。在现阶段，具备这样能力的企业不多。短期内，租用或购买其他车企的无人驾驶汽车来投入市场或许是主要智能交通运营商的选择，但长久来看，拥有无人驾驶汽车研、产、用能力的运营商才能在竞争中存活，因为智能驾驶市场的核心在于车的差异化，没有造车能力的科技公司，就算在云平台和大数据上取得了优势，作为运营商也会失去核心竞争力。

  我国智能出行服务领域已有多家企业热情参加，初步形成市场格局。起步初期主要有三种模式：一是传统车企自创出行平台，二是传统出行平台联合车企与新智行公司达成合作。三是网络科技公司成立新出行平台。对比来看，第一种独家运营模式挑战大，紧靠一家车企为主力，纵使是行业龙头也难在新市场快速扩张。第二种模式扩张速度可观，但后期难免形成决策权分散，发展上具有诸多不确定性。第三种模式成本高，需要自研、自测、自产无人驾驶汽车，但模式成熟后优势也将凸显，统筹的产品与服务更容易塑造品牌效应。

  当前来看第三种模式在市场上较为成功，互联网科技公司参与智能网联建设和服务运维。2021年8月，百度成功孵化智能出行平台“萝卜快跑”，配备百度自家的Apollo系列汽车提供出行服务，成为第三种模式的创立者，百度2024年Q1财报显示，萝卜快跑一季度提供乘车服务约82.6万次，同比增长25%。

  全球来看，智能网联发展也在催生新的商业模式。比如特斯拉推出的Robotaxi服务。马斯克认为，完全无人驾驶后下一步是共享化，将于2024年8月8日推出无人驾驶出租车Robotaxi。一方面回收部分特斯拉车型投入到出租车队中，另一方面车主也能加入平台，将空闲车辆作为Robotaxi赚取收益。随着特斯拉的FSD全无人驾驶系统更加普及。该服务的推出可能会改变特斯拉的商业模式，从单纯的汽车制造商转变为兼为提供出行服务的公司。

  Robotaxi也是全球智能驾驶进入爆发期的信号：一方面，对于每个车主而言，车辆使用率会提高，对于特斯拉而言，在Robotaxi运行的规模优势下扩大数据采集，加速算法迭代。另一方面，智驾系统能靠软件和服务赚钱，这拓展了无人驾驶的新商业模式。马斯克在财报中强调，汽车的未来不仅属于电动化，也属于无人驾驶。特斯拉有望通过数百万车辆的数据和庞大的人工智能训练集群，来实现规模化的自动驾驶应用。