400-160112218888888888
400-1601122
2024年12月20日，由科技出行产业智库与创新服务平台亿欧汽车主办的GTM2024第七届科技出行大会暨科技出行产业创新榜发布会在上海漕河泾万丽酒店成功举办。
本次活动主题为“开启AIEV元年”，由亿欧汽车倾力打造，意在产业创新的坐标系中，积极推动以AI数字智能为代表的新质生产力与汽⻋工业与出行产业加速融合，促进深层次地融合人工智能技术的新一代AI出行终端AI EV加速到来。
基于亿欧汽车对智能电动汽车与科技出行产业的长期洞察与研判，此次大会将围绕AI与EV两大产业生态，聚焦具身智能、大模型、端到端无人驾驶、固态电池、车规级芯片、新能源商用车、超级补能、车路云一体化等细分话题，并携手汽车出行产业上下游代表企业、机构、跨界科技公司等共话行业发展图景，见证马上就要来临的AI应用的群星闪耀时刻。
在本届大会上，易特驰中国CTO、博世智能网联科技有限公司总经理郑心航发表了题为《博世车路云一体化解决方案》的主题演讲，他认为：博世拥有能为社会带来显著价值的技术，这些技术主要使用在于行车安全与智慧交通领域，而非局限于单车智能。我们致力于通过车内及关联应用场景的创新，提升整体社会效率。
然而，这一过程中也伴随着一个核心问题：未来由谁来承担相关成本。对于博世而言，实现车路云业务商业闭环的关键，在于依托国家政策或强制性基础标准，以此吸引汽车制造商及整个行业的大规模投入与服务。
今天，我们主要聚焦于当前车路云行业面临的挑战、博世在此领域的前沿技术创新方案，以及我们对行业未来实现商业闭环与量产的思考。
首先，让我们探讨一下“车路云”这一概念。它并非新近提出，在过去约十年的时间里，行业内的众多厂商与研究机构均对此有所涉猎并各抒己见。然而，一个显著的问题是：尽管“车路云”领域已投入巨资，至今还没能说服终端消费者为此买单。这其中涉及到一个类似于“先有蛋还是先有鸡”的困境——即缺乏一个清晰、可持续的商业模式来推动市场的接受与普及。
在多年前，车路云及车路协同被视为未来中国特色智能驾驶的重要路径。然而，时至今日，包括亿欧的专题报告在内，普遍观点认为车路云不应仅被视为无人驾驶的一个组成部分，而应通过其与车内系统及相关应用场景的结合，来提升整体社会效率。这一转变引出了一个核心问题：未来，这一提升的成本将由谁来承担？
对于博世而言，我们认识到，车路云要实现商业闭环，必须依赖于国家的政策支持、密码安全体系以及强制性的行业标准。这一些因素将促使汽车制造商及整个制造业大规模地采纳相关服务。
接下来，我们应该思考的是，为何国家和立法机构会对此给予重视。一个值得借鉴的领域是节能减排。随着国内进入国六排放标准时代，尽管普通消费者可能并不愿意为满足更高标准而额外支付费用，但这一市场仍能蒸蒸日上。原因主要在于，国家从环境保护、能源安全以及地理政治学的高度出发，推动了这一进程。
同样地，对于车路协同的价值而言，只有当我们也可以向社会和立法机构明确展示其带来的社会价值时，才有机会形成强制性的立法标准。作为行业内的基础供应商，我们拥有能够为社会创造价值的先进的技术，这些技术主要使用在于行车安全、智慧交通等领域，而非仅仅局限于单车智能的提升。通过这一些技术的应用，我们有望推动车路协同的普及，进而实现更广泛的社会效益。
我们首先聚焦于第一个话题：博世作为拥有多年汽车零部件制造背景的企业，在车路协同领域中的角色与责任。特别地，我们关注可靠分布式路侧系统在车路协同中的应用，以及由此产生的安全引导和用户场景。这些场景在提升安全性的同时，也引发了关于功能安全、事故责任归属等关键问题。
在车路协同致力于提高行车安全、解决盲区碰撞识别等问题的背景下，如何评估整个端到端系统的功能安全成为了一个核心议题。行业内的专家都深知，任何涉及行车安全的汽车零部件开发，都一定要经过严格的功能安全测试和认证。
然而，车路云协同的场景与传统汽车零部件开发存在非常明显差异。其挑战在于，车路云应用场景往往需要路侧传感设备或感知决策设备与车内系统来进行协作，而这些路侧基础设施的提供商、集成商或运营方并非由主机厂控制。
因此，路侧信号和行车控制决策建议的可信度成为了一个重要的疑问点。我们一定要正视的是，整个行业乃至全世界内，目前尚未形成成熟的方法论或行业标准来应对这些问题。
鉴于此，博世，特别是我们的工业研究院，正积极与欧洲及国内的各大研究机构和主机厂展开合作，共同进行路侧与车内协同的前瞻性研究。我们的目标不单单是开发一个简单的IT系统，而是基于方法论进行协作，引入可靠的系统，并通过端到端的可靠性来实现。我们期望通过这项研究，为行业引入一套针对车和车控、路侧协同的验证方法论和工况检验测试标准，这是我们的前沿研究课题，也是推动车路协同领域发展的重要一步。
第二个议题，我们聚焦于车路协同行业中的另一大难点，并提出新的技术路线。过去十年，车路协同面临的最大挑战之一是投资回报不匹配。在投资方面，路侧基础设施的高昂成本是最要紧的麻烦。单一路口的软硬件安装部署费用往往超过百万，这主要归因于几个重要的条件：首先，需要各类专业的车规级设计，如激光雷达等；其次，为了与车内单车智能或座舱系统实现定位联动，还需依赖高精地图和高精定位技术，这进一步增加了投资负担。除此之外，持续的标定也是一大开销，因为即便设备完好无损，地理环境如大陆板块的微小漂移也会导致定位偏差，需要高昂的维护成本。
针对这样一些问题，我们利用在单车智能无人驾驶开发上的技术积累，引入了纯视觉方案。这一方案无需高精地图和高精定位，也节省了激光雷达的投入，通过摄像头低成本地识别路侧各类移动物体。更重要的是，纯视觉方案能通过软件方式实现自标定，自动化地确保系统定位参数的准确性，这是其显著优势。
然而，路车协同中的信号传输需要绝对坐标，这就要求路侧下发的感知信息与车内系统同步。为此，我们也在探索新的解决方案。
另外，当前行业热点之一是大模型的应用。虽然目前大模型多被用于语音助手或人工交互等智能交互层面，但我们博世认为，视觉大模型对未来单车驾驶安全性的提升具有重大意义。例如，在车辆行驶过程中，若路侧突然滚来一个皮球，传统系统可能只能做出被动避障或无反应。而视觉大模型则能像智慧化司机一样，通过预测小球出现的原因（如旁边有小朋友），在未见的情况下提前做出预判。这种对视觉周边场景语义层面的创意理解，是传统方法不能够比拟的。
当然，视觉大模型的应用对算力要求极高，短期内可能难以直接装车。考虑到国内新能源汽车对车内物料成本的极度压缩，我们提出在路侧和云端布设大模型，车内则布置一个小模型的方案。这是博世在前沿研究领域中的另一项重要探索。
第三点，作为传统零部件制造商，博世在车路协同领域有着独特的优势与关注点。过去十年，车路协同的投资大多分布在在通讯规则上，而车规级的车控技术却相对空白。博世正致力于此，研究怎么样将路侧传感器与车内系统有效整合，并确保其符合高标准的ASIL-D安全等级。我们正在进行前沿性的研发适配工作，旨在使来自路侧的各类传感器信号，如碰撞预警等，能够合规地控制我们的零部件，如ESP（电子稳定程序）、AEB（自动紧急刹车）等。这对于未来车辆在车路协同场景下的可靠控制至关重要，也是博世当前工程研发和前沿性研究的重要组成部分。
为了更直观地展示博世在车路协同场景中的实际应用效果，接下来我将播放一段视频。这段视频展示了一个对于现代电动车驾驶员来说可能并不陌生的场景：通过车机呈现路侧各个物体的运动状态。然而，在很多情况下，特别是路侧存在障碍物时，驾驶员可能没办法完全看到所有情况。博世通过路侧摄像头系统，为车内驾驶员提供了一个类似“X光透视”的场景，无论驾驶员是人工驾驶还是无人驾驶模式，都能获得协助式的提示。假如发现潜在的碰撞风险，车内会提供声光警示；如果车辆配备了ACC（自适应巡航控制），还能提前五秒给出提示，从而极大的提升了行车安全性。
此外，博世还基于其核心功能，为智慧交通和智慧驾驶带来了全新的应用场景。我们不仅仅可以采集数据供主机厂分析决策，还发现了这一些数据在路政部门的高精度路面和路况识别中的巨大潜力。通过低成本的后装方案，我们能提前感知路面结冰等状况，助力道路养护，并在极端天气下有实际效果的减少事故的发生。这是路侧感知系统的一个重要传感器，也是专为后装市场设计的整合方案，它集中应用于车内，提供高精度路况感知的解决方案。
在结束之前，我想强调一下，博世智能网联并不仅仅代表一个子公司，而是对车路一体化有着集团化的全面考量。我们拥有一家专门的车内诊断测试子公司，并在推动车路云整体技术方案时，整合了多个事业部，包括底盘控制管理系统、中央研究院以及中央驾驶部。展望未来，如果三五年后存在量产市场，我们希望能整合集团内各部门的力量，共同提供车路云的联合解决方案。
今天的汇报就到这里，如果大家有任何需求或疑问，欢迎会后与咱们进行更深入的交流。谢谢大家！
