" 車路協同和單車智能這兩條路徑的融合一定是未來發展趨勢，我們一直在做的事情，就是把‘聰明的車’和‘智慧的路’深度融合在一起。"
" 車輛與多個路側計算設備之間實際是可以通訊的，根據數據做持續跟蹤，就解決了每次初始化時濾波器帶來的波動問題，通過這種方式可以提高指揮交通系統的穩定性。"
" 車路協同有着非常明顯的特點，邊緣計算設備随着路的延伸能夠到達每個園區、每個城市的角落。因爲平台是通用的、開放的，所以智慧交通、智慧園區可以打通，這也契合國家提倡的‘雙智城市’概念，也就是智慧城市和智能網聯協同發展。"
" 感知融合不但使得不同傳感器實現了優勢互補，而且還提供了系統冗餘，在交通安全的應用中，系統冗餘也是非常重要的需求。"
日前，在聯想攜手英特爾舉辦的智慧交通主題論壇，與會嘉賓們紛紛抛出了關于智慧交通和車路協同鮮明的觀點。
5 月 18 日，聯想和英特爾一道，首次對外展示了位于重慶的兩個車聯網項目：重慶兩路寸灘保稅港區商業化 L4+I4 級車路協同自動駕駛智慧物流配送系統；以及西部首個山地城市車聯網示範項目——兩江協同創新區。
在當天下午舉辦的 "5G+AI 算力賦能智慧交通 " 主題論壇上，天翼交通科技有限公司副總經理吳湘東；重慶郵電大學教授岑明；聯想雲網融合事業部總監李虓與英特爾公司高級平台架構師、V2X 專家雷鳴共同出席論壇并做了主題分享，來自産學研各界的代表們彙聚一堂，共同探讨 AI 時代的車聯網發展。
5G+AI 算力賦能智慧交通主題論壇
在主題論壇之後的溝通和問答環節中，主辦方和參與方的多位嘉賓向 36 氪等多家機構分享了智慧交通建設的實踐、心得以及方法論。
用 5G 和 AI 算力激活算網資源
5G 與智能算力的融合發展正在推動智慧交通不斷創新升級，" 車聯網是一個非常大的生态，需要産學研用等相關方合作推動産業發展。聯想基于 5G、AI 與邊緣計算的核心能力，打造通用、開放、智能的車聯網解決方案，結合跨攝像頭車輛追蹤、基于純視覺的融合感知等領先技術，持續助力‘雙智’協同發展。" 聯想雲網融合事業部總監李虓表示。
聯想基于 5G 與 AI 融合，實現了網絡與算力資源的高效配置，以更靈活的網絡、高效利用的算力與更精準的算法應對不同場景下的客戶需求，爲客戶降本增效。
在 5G 網絡資源配置方面，聯想基于容器化技術實現了 5G 雲化基站資源池的靈活調度與自動化管理功能，支持智能開放架構演進，實現了 5G 網絡資源按需靈活動态調整；
在邊緣算力方面，聯想可以提供先進的資源調度方案，能夠調度不同路口、不同機房間的算力資源，使計算資源得到充分利用，降低車聯網建設成本；
在 AI 算法方面，聯想基于英特爾架構豐富的向量指令集，對 AI 與數據融合算法進行了深度優化，大幅降低了邊緣計算處理時延；
多樣化的邊緣計算服務采用容器化部署，不僅能實現資源隔離，減少虛拟層對性能的損耗，也可以提高部署效率，進一步爲客戶降低成本。
在 5G+ 智能算力應用中，一系列先進的英特爾軟硬件産品與技術爲聯想提供了從算力、AI 到平台效能的全方位加速：
首先，多款高性能英特爾 ® 架構處理器爲來自邊緣雲與中心雲的工作負載提供優異的性能輸出，使聯想能夠幫助客戶輕松應對智能交通分析中密集的計算需求；
其次英特爾的 OpenVINO ™工具套件可實現 AI 模型在異構算力平台上開展高性能推理；
第三，英特爾 ® 深度學習加速技術能夠對優化後的 AI 模型開展量化，在精度損失很小的前提下實現更高的推理效率，大幅降低建設成本；
第四，與 5G 網絡有着更深融合的英特爾 ® Smart Edge PWEK ( PWEK ) 技術不僅實現資源隔離，減少虛拟層對性能的損耗，也有效減少了部署時間，加快服務創新速度。
英特爾公司高級平台架構師、V2X 專家雷鳴表示："V2X 車路協同将促進人工智能、感知融合、新一代通信與網絡等技術的快速發展。英特爾以業界領先的高性能芯片産品、針對 AI 和計算機視覺的軟件，以及産品參考設計，爲合作夥伴迅速将産品投入市場夯實基礎，聯合産業界夥伴，全面賦能交通系統的智能化升級。"
用 5G+AI 算力實現跨路口目标融合，推進西部首個山地城市車聯網示範項目
重慶以道路情況複雜、氣候多變而著稱，當地政府近年來一直積極推動構建完善的車聯網系統，建設智慧交通體系。重慶兩江協同創新區按照分區分級建設的理念，聯合聯想、希迪、中國電信等多家企業，對總裏程約 55 公裏的道路進行了智能化升級，實現了主動式公交優先、交叉碰撞預警等 32 類車聯網場景，及運營自動駕駛公交、智能網聯微循環小巴等共計 12 種類型車輛。
重慶兩江協同創新區智慧交通體系
據悉，聯想在路側基礎設施中部署了 7 套區域邊緣計算單元，基于 5G+ 智能算力技術，将路側感知信息回傳至區域邊緣計算，實現跨路口目标融合、算力調度，支持上述車聯網應用場景。
在重慶兩江協同創新區，無人駕駛接駁巴士已經在智能網聯示範區的公共道路上有序通行，運送乘客。無需司機介入，巴士能夠自主選擇車道、避讓障礙物和行人，還能根據預設站點自動停靠。聯想智能網聯 +AI 算力下車聯網解決方案，正在爲這樣面向未來的智慧交通場景提供技術支撐。
重慶兩江協同創新區無人駕駛接駁巴士
重慶兩江協同創新區入住了國内大量高等學府與車聯網相關的的技術創新研究中心，重慶郵電大學教授岑明表示：" 車路協同爲單車智能擴展了視野，對單車安全性提供了強力支撐。重慶郵電大學深度研究路側傳感器目标檢測與跟蹤、RSU 協同的多目标跟蹤等技術方案，緻力于從技術層面高效、充分地将智能網聯效果發揮到最大，讓車更聰明，讓交通更智慧。"
憑借超視距路側環境實時感知，落地商業化 L4+I4 級智慧物流共享平台
在重慶兩路寸灘保稅港區，由安全員替代駕駛員的無人駕駛物流車與普通貨車混合行駛在路面上，幾乎感覺不出不同，聯想與電信聯合爲保稅區打造了 5G+AI 算力車路協同路側基礎設施。
重慶兩路寸灘保稅港區無人駕駛物流車
當前物流園區迫切需要提升物流運輸效率，降低整體物流服務成本。在重慶兩路寸灘保稅港支持下，飛力達股份攜手聯想、中國電信、重慶郵電大學、慶鈴汽車等多家企業，通過 5G+ 智能算力技術對自動駕駛物流運輸進行賦能，實現物流車從倉庫至制造工廠端到端 "L4+I4" 級别自動駕駛運輸應用場景，提升供應鏈物流效率 50%、降低供應鏈及制造企業成本 20%，成爲西南地區智能終端産業首個 5G 新能源智能網聯運輸車應用場景。
慶鈴汽車與重慶郵電大學聯合研發了自動駕駛物流車；聯想與中國電信共同基于 5G+ 智能算力搭建了車路協同路側基礎設施，實現了園區自動駕駛車輛超視距感知，通過對園區道路持續監測，綜合分析路側各種環境情況，有效提升自動駕駛車輛場景認知能力，爲園區自動駕駛安全保駕護航。
重慶兩路寸灘保稅港區車路協同路側基礎設施
對于智慧交通的所需更智能的基礎設施，天翼交通科技有限公司副總經理吳湘東表示：" 車聯網的前景是光明的，在通信、軟件、芯片、主機等生态夥伴的緊密合作下，将迎來巨大的發展空間。中國電信将持續推動車聯網的産業鏈成熟和應用推廣，緻力于成爲國家級智能交通運營商。我們将繼續以數據驅動爲核心，推動交通數字化，與合作夥伴一起構建車 - 路 - 雲 - 網 - 圖基礎設施，努力打造更優秀的智慧交通雲控平台，爲自動駕駛賦能。"
重慶兩路寸灘保稅港區項目所打造了生産企業零庫存、零周轉、自動配送調度一體化物流運輸新體系，不僅減少了人力成本、提高了物流效率、降低了碳排放，還破除了智能倉儲與智能工廠兩個自動化信息孤島的壁壘。
據悉，憑借優秀的技術實踐與出色的落地效果，該項目獲得了工業和信息化部新聞宣傳中心（人民郵電報社）推薦的 "2022 年 ICT 優秀案例 · 數字中國創新實踐先鋒 " 榮譽稱号。
以下是訪談實錄（經 36 氪摘編）
問題：城市道路無疑比高速公路複雜得多，在城域中英特爾與聯想合作的車聯網項目所遇到最複雜的難題是什麽？與聯想如何破局？
雷鳴：城市道路對交通路側感知和計算提出的要求就會更高，無論是檢測目标的種類還是目标屬性，都是如此。對信息的采集和處理的實時性、準确性及高可靠性要求非常高。在這方面英特爾以感知融合技術爲核心，與聯想合作爲提升這方面的性能在做各種各樣的嘗試。
李虓：第一，在城市道路裏，尤其是在像重慶這種山區城市道路中，情況會非常多變。行人和非機動車輛的運動是難以預測的，所以在目标識别上，我們用到更多傳感器的能力，這些都與在高速公路不一樣。
第二，在重慶城市道路的方案中，都要處理 3D 視覺，它的計算量要比 2D 大很多倍。這就涉及算力調度問題，交通有着明确的潮汐效應，我們在邊緣計算算力調度上在重慶本地做了很多嘗試。
第三，此前我們所做的算力和 5G 網絡已經遍布城市的各個角落，現在是讓連接和計算無處不在。在這個基礎上，我們對智慧園區的應用提供了很好的支持，車路協同的邊緣計算進入到城市角落之後，我們真正可以用它服務很多城市級的智慧應用。
問題：創新車聯網項目産業鏈整合會遇到哪些問題和挑戰？
李虓：産業鏈整合現在還屬于一個比較初期的階段，車聯網标準化工作沒有完成，很多地标城市還在做嘗試促進相關政策落地。産業鏈整合最終會有有賴于關鍵技術的突破，能夠把核心器件成本降下來，這時産業鏈整合才會真正開始。目前，還談不上産業鏈整合，大家在抱團将産業本身做大做強。
雷鳴：所有智能交通的負載最終都落實到芯片上進行分析處理，所以芯片廠商要深刻理解交通運營商、相關從業者對于交通安全性、效率等的技術要求。從芯片設計角度來說，我們需要知道到底哪些傳感器會被智慧交通、車路協同大規模采用。同時，芯片廠商也要考慮在性能滿足要求的情況下，如何降低計算芯片的成本。
吳湘東：我們從理論研究的角度去看産業鏈，五大要素是一定都要有的，即車、路、雲、網、圖。我認爲現在談整合還爲時過早，所有的産業要能把這五個環節打通才可以，否則大範圍普及還是很難的，目前，我們隻能在某一些應用上做初步突破。
問題：車載 MCU 用什麽樣的處理器？主要作用是什麽？未來能不能用手機來取代 MCU？
岑明：從目前來看，如果要完全靠車本身來實現智能化，對車載設備的算力要求是非常高的。所以如果路側設備能夠通過邊緣計算減少車載設備的算力需要，對車輛本身的負擔會極大降低。行業主流的方式是使用帶有 GPU 支持深度神經網絡的處理器。在這種情況下，英特爾方案的好處是計算能力要高得多。通過高算力芯片，才能爲車輛智能化提供基礎，此外就是如何采用優化的算法、軟件結構、操作系統等。
李虓：現在比較少談 MCU，更多談域控制器，車輛的座艙域和 ADAS 域涉及到 AI 能力要依賴 GPU，手機芯片的能力和車端場景不匹配的。如果座艙域真的和 ADAS 域完全融合，最終算力更要綜合考慮的。聯想現在也在做座艙域的域控制器，在我們來看，智能座艙域和 ADAS 域對算力要求還是非常高的。
雷鳴：英特爾的 ATI 事業部在做車載芯片，主要基于 X86 芯片做智能座艙、自動駕駛、輔助駕駛等不同域，做這些方面的信息處理。
問題：未來車聯網如何通過 5G 和 MEC 等底層技術提升城市道路管理效率和個人駕駛體驗？目前面臨哪些挑戰，未來如何通過底層技術來進行解決？
李虓：5G 和 MEC 從表面上看是通信技術和計算技術，實際上在 5G 的雲網融合架構中是有機整合在一起的。爲了進一步提升效果，第一要盡可能用好這些平台，包括通信平台和計算平台；第二平台應該是更加開放的。
雷鳴：相比單車智能，車路協同路側設備一旦參與到輔助駕駛或自動駕駛，好處顯而易見，它可以提供更多視角，更多幫助，無論是有人駕駛車輛還是無人駕駛車輛，都可以獲得更廣泛的信息，供駕駛員盡早決策。關鍵的技術問題是目前業界需要加強路側設備的安全和預期，以及建立相應的安全标準。
問題：目前在标準化方面做了哪些相關工作？對産業方面有哪些貢獻？
雷鳴：英特爾在國内廣泛參與了車聯網和智慧交通标準的制定，包括參加了中國通訊标準委員會 CCSA 定義各種跟路側感知和計算相關的行業标準。另外也參與到了國内産業聯盟，比如說工信部信通院的車聯網工作組，英特爾是其中的參與單位之一，還參與了很多課題的研究報告和白皮書的撰寫。
中國在車路協同相關标準制定方面走在世界前列，已經有第一階段标準、第二階段标準，以及基于車路協同高等級自動駕駛三大類車路協同場景，定義了超過 50 種不同的用例。
吳湘東：車路雲網圖中還有一塊拼圖涉及到國土資源部，就是地圖的資質，誰能測繪，測繪到什麽程度，測繪數據最終能夠給誰用，其中的規範是非常複雜的。數據安全問題是一個逐步完善的過程，現在能夠把标準的題目列出來，明确到底要做哪些标準，由哪些廠商、運營商、軟件硬件商、政府部門去做，就已經邁出了重要一步。
岑明：标準化的過程除了通信交換格式标準化之外，實際上還有一個非常大的标準，就是軟件服務方面的标準化。通過對底層不同廠家或地圖的封裝，達到軟件設備在大系統裏即插即用。在軟件層面的标準化，用戶層應該是體驗最深刻的，因爲通信和數據格式的标準化還隐藏在後面。
問題：V2X Server 這個産品在智能網聯領域是什麽樣的角色？
李虓：V2X Server 是由基礎設施硬件和應用軟件組成的，其本身是前端的邊緣計算做了融合感知之後，進行相關的調用信息，然後再傳遞給車。目前階段來說，我們用輕量化、雲平台，所有算力的調度都可以在其實現，屬于一個基本配置。我們今天看到很多可以顯示出來的車輛數據，其實核心都是由 V2X Server 最終輸出給可視化平台，讓它們顯示哪些地方有車，哪些地方有基礎設施建設等等。
問題：大模型和車路協同有沒有一個很好的結合點？會落在具體哪些點？
岑明：大模型是一套理念或是一個框架，而不是具體的方法。從目前來看，大模型思路對自動駕駛領域提供了解決問題的思路。從目前來看，一種是半模型半數據的方式，一種是全模型完成數據驅動的方式。
前者把大模型的概念應用在 MEC 上，通過 MEC，最後的目标還是帶有半模型或者是半數據，用數據驅動的方式形成目标數據，然後再把數據對外廣播給車輛；後者接近雲控的概念，把所有端到端的數據都放在 MEC 或者是雲端，傳感器輸入進去之後，在雲端把所有數據處理完直接生成轉向、油門刹車這些信号，直接把信号返回到車上，車就變成木偶一樣的終端，這也是利用大模型的解決方案。
吳湘東：大模型首先是已經開使用了，但是有幾樣東西是瓶頸。第一，最大的突破是語義部分；第二，數據本身要相對規範化。
問題：從車路協同到智慧交通，在技術和運營方面需要哪些突破？
吳湘東：首先來說重慶，對于做車路協同和智能網聯其實是非常不友好的地區。首先道路本身有很多高、低、拐彎，另外山會對信号傳送帶來影響；第二個是氣候，多雨、雪、霧，還有夏季高溫，目前基本能想到的挑戰這裏都有。
但是對于來搭試驗環境或者取得突破是非常好的，如果在西南地區都可以取得突破的話，其實會非常有利于去其他地區推廣，因爲已經把很多困難克服掉。
從技術研發到真正找到應用場景是很難的，但是目前看到了曙光，屏蔽掉一些特殊場景，确确實實可以找到部分場景先把技術用起來。
最重要的是找到場景，把數據定形之後收集更多數據，形成一個循環，也就是一個飛輪。之後，将訓練好的結果、改善好的軟硬件再應用進來，形成下一個飛輪，這種反饋會使得智慧交通快速成熟。
