楊淨 發自 凹非寺

量子位 | 公眾號 QbitAI

“100+演算法倉，規避99%以上盲區，交通效能提升20%……”

商湯旗下智慧車業務品牌「絕影」，正式加入

車路協同

賽道。

在WAIC 2022上，作為核心方案之一，商湯公佈最新車路協同產品矩陣。

△

商湯絕影車路協同產研副總裁武偉釋出最新產品矩陣

車路雲一體，官宣即落地

。過去一年，

僅Robobus車型就在上海、無錫、西安、成都、福州等城市落地

，累計運營里程超過27萬公里，接駁人次超過1萬。

情理之中，但也意料之外。

一方面，去年同樣的時間和地點，「絕影」以商湯智慧汽車解決方案獨立新品牌正式亮相併交貨。

這其中早已開宗明義，車路協同正是三大立足領域之一。過去一年，整個智慧汽車板塊發展迅速。今年上半年該板塊收入增幅達到71%，服務客戶數同比上升54%。

因此這時候官宣新進展，並不意外。

但一般而言，相較於自動駕駛，車路協同起點高、投入大、需與產業深度融合，往往週期會更長。

而商湯，不僅在多個城市落地，還去年就拿到了上海市第一塊自動駕駛小巴公開道路載人示範應用牌照，並參與多個地方標準的擬定。

就在前幾日，歷時一年，絕影與上海機動車檢測認證技術研究中心聯合牽頭制定的

汽車資料脫敏團體標準

正式釋出，填補了此前國內汽車資料安全相關標準的空缺，為規範全行業匿名化等資料脫敏處理技術的開發測試及應用提供了重要依據，有力推動隱私保護和提升行業資料安全水平。

這些成績的背後，究竟由什麼來驅動？或許能從此次公開的方案中，找到答案。

絕影車路協同方案

車路協同，本質上就是由

車、路、雲

三部分構成。以此拆分商湯「絕影」此次釋出的具體產品矩陣，主要分為三個模組。

第一模組，

路側計算單元產品

。它可實現300米感知距離，雙向8車道感知範圍、150ms端到端時延等基本操作。

配置的

MEC

（多接入邊緣計算）

可支援多維感知融合，比如單獨視覺、視覺+毫米波雷達、再加鐳射雷達等多種感知組合，雷視融合感知精度可達95%。

感測器+多維感知融合

以此實現的高階感知，

給單車開啟全域上帝視角

，可解決單車智慧的冗餘盲區，來輔助實時性的安全應用。

第二模組，即

雲上的智算平臺和雲控平臺

。智算平臺，即接收並處理路測資訊，它可將影片、圖片等交通資料匯聚在雲端，並進行認知決策、全域融合分析等任務。再結合100+演算法的演算法倉，可以解決低階路口的感知問題。

雲控平臺，則是接收到智算平臺的資料後，對汽車進行智慧控制，打造了超過10個以上的智慧網聯應用下發到車輛，包括路徑指導、車速建議、碳排放最佳化等應用。

據介紹，這一模組出發點在於單車無法解決的

全域性最優決策

問題。

最典型的例子，就是幽靈堵車。智算平臺與雲控平臺的結合，交通效能將提升20%，具體體現降低路口車均延誤、路燈空放等。

第三模組，

即車端的裝置

。如果說路和雲還在解決單車智慧的兩個核心問題，那麼車，則是商湯區別與其餘車路協同玩家最大的不同。

以往關於車路雲中車的認知，無非是實現單車智慧的感測和算力裝置。而商湯的“車”，卻並不侷限於此，更囊括了車城網平臺。

具體來說，就是透過在車輛上加裝輕量化的IoT裝置，充分發揮車的資料價值——

讓車成為城市之眼

。

除了車城網，絕影本次在車端亦帶來了全新產品SenseAuto RoboSweeper商湯絕影自動駕駛清掃車。

結合多感測器，其可實現360°無死角感知融合，而在雲端的支撐下，清掃車更可實現全程無人工干預、安全、高效、經濟的無人清掃作業，未來將首先在機場、園區物業、市政道路等多個場景示範應用。

綜上不難看出，商湯「絕影」的車路協同，有著

更高維度

的思考，即如何從僅賦能車端到更好融入城市的智慧化建設。

車路協同的第三種路線

自車路協同誕生以來，雖然產業鏈覆蓋面廣玩家眾多，各自都有自己的發展道路，但基於不同的出發點，領域內暫且分為兩條路線。

一種是

純車路協同

，偏向於優先實現車端產品的規模落地，被視作自動駕駛商用“終局模式”。

不光整體成本降低，還能帶來諸多公共服務改善，比如清掃車、巡邏車、社群公交、擺渡車等都可以自動駕駛，提高交通效率的同時還能解決人力短缺的問題，已經有不少城市為此買單。

另一種是

圍繞自動駕駛的車路協同

，則偏向於技術實現，聰明的車+智慧的路=L4自動駕駛。

當前以單車智慧的方式實現的L4，始終無法量產落地，投入的資金、時間、人力，也沒有一家公司能給出準確的估計。從車路協同這種基建角度切入，除了在技術和安全性的保障，投入成本也能具體清晰。

但不管是哪一種，都是屬於單車智慧基礎上的技術升維，需要與產業深度融合，面向的客戶也是那些基礎設施的提供者、運營方，也就是

ToG

。

因此雖然商業模式清晰可持續，但對於企業來說起點高，預估風險也比較大，甚至有業內人士斷言：車路協同的玩家不會很多。

既然如此，商湯「絕影」又為何要做車路協同呢？

據官方介紹，主要有兩方面考量，一方面與純車路協同路線大體一致，就是賦能自動駕駛的應用示範；另一方面，則是從業務解決現有雙智城市建設的痛點問題。

後者代表著的，正是車路協同的

第三種路線

。

雙智，代表著智慧城市基礎設施與智慧網聯汽車。雙智城市，就是兩種“智慧”協同發展，幫助城市的建設。

以這種為出發點的車路協同，本身就是一個更宏觀的思考維度。

一方面，絕影已經擁有了國內外主機廠的深度合作和量產定點，有利於單車智慧和路雲基建的規模化協同，進一步降低量產自動駕駛的單車硬體成本；另一方面，車路協同構建的移動影片源也能補充到智慧城市業務，構建“車城協同”的先發優勢。

就以本次核心產品

車城網平臺

為例。

傳統基於固定攝像頭的智慧城市感知成本高，而且某些道路上的感知無法覆蓋，例如路面病害檢測、佔道經營發現等。

車城網，

則是將汽車作為城市的基礎設施，來感知城市交通網路的偶發情況。原有的土建和維修成本降低98%，感知範圍還提升了1000倍，還兼顧了資料安全性和隱私性。

除此之外它還兼具車路協同的優點，商業模式清晰，目標客戶為汽車經銷商以及公共服務運營商，為他們提供資料服務。

如果簡單總結，其餘玩家走的是從車到路的升維路線，那麼商湯的車路協同則是從城市到路到車的降維路線。

但這種路徑想要跑通，其實更不容易，其不可複製性比純車路協同路線更甚。

那麼為什麼率先是商湯？

用軟體定義車路協同

首先，商湯做這件事，本身就有天時的先機。

雙智城市的提出，本身加速車路協同“進城”。汽車與城市之間的協同，遠比以往任何時候都更為緊密。

而商湯，恰好是為數不多擁有從車到城市一個整體的技術團隊。早在2016年，就已經看到「絕影」的雛形，以及在智慧交通、智慧城市上佈局。

這也恰好構成了如今商湯立足行業的差異化優勢。

商湯自己的說法，是

用軟體定義車路協同

。

從演算法層面來看，本身就是商湯的基本優勢，它有著基於OpenMMlab開源體系構建的2300多個預訓練模型和300多個最先進的視覺演算法；“書生”大模型OpenGVLab擁有超過30億個引數，覆蓋10萬多種視覺標籤……

城市板塊，萬物檢測演算法結合視覺識別技術，就有超過17000演算法的演算法倉，以及之前在智慧交管積累的基於影片感知和交通流量引數的交通訊號控制系統，讓整個城市交通有更好的感知和決策，車路雲技術鏈條也更好的打通。

而「絕影」當中賦能引擎與亞洲第一AI大裝置，可以幫助演算法模型快速迭代升級。

因此某種程度上說，這時候選擇車路協同並不是突然為之，倒像是

順勢而為

。

除此之外，還能解決更現實的需求問題——

“硬體一次投入，軟體持續升級”

。

車路雲全場景的OTA功能，能讓軟體不斷進化，從而讓城市基礎設施建設的邊際成本降低。

這樣一來，商業帳算得更清楚，更有助於進一步規模化商業化落地。

技術累積，業務協同以及成本需求導向，種種因素結合起來，也就促成了商湯率先走出車路協同的第三種路線。

— 完 —

量子位 QbitAI · 頭條號籤