行業主要公司：華為、百度、蘑菇車聯等

本文核心數據：自動駕駛技術發展歷程、數據閉環關鍵環節

自動駕駛從“規則驅動”進入“數據驅動”時代

——自動駕駛技術架構演變歷程

根據2023(第七屆)高工智能汽車年會上發布的《自動駕駛3.0時代，大模型重塑汽車智能化技術路線》，目前我國的自動駕駛已經進入了3.0時代。

自動駕駛的1.0時代是硬件驅動，主要依靠激光雷達和人工規則的認知方式提供自動駕駛方案;2.0時代是軟件驅動，特點是傳感器單獨輸出結果，用小模型和少數據的模式提供自動駕駛方案;3.0時代是數據驅動時代，采用多模態傳感器聯合輸出結果，用大模型大數據的模式提供自動駕駛方案。

根據我國國家標準《汽車駕駛自動化分級》(GB/T 40429-2021)，目前汽車的自動駕駛仍處于L2“部分自動駕駛”和L3“有條件自動駕駛”的階段。

——軟硬件是“規則驅動”核心要素

在自動駕駛1.0與2.0時代，各類硬件設備和內嵌軟件是車輛自動駕駛的核心要素，其中硬件設備主要包括激光雷達、毫米波雷達、超聲波傳感器、攝像頭等;內嵌軟件則主要包括了定位算法軟件、感知算法軟件和規控算法軟件三大類。

——海量數據與數據閉環是“數據驅動”核心要素

自動駕駛3.0時代與2.0時代相比，其開發模式和技術框架都將發生顛覆性的變革。在自動駕駛2.0時代，以小數據、小模型為特征，以Case任務驅動為開發模式。而自動駕駛3.0時代，以大數據、大模型為特征，以數據驅動為開發模式。在3.0時代，過去自動駕駛的核心軟硬件基礎將逐步統一并整合，逐漸演化為各類大模型。如控制算法將逐步演化為車端控制模型;感知算法將逐步演化為車端感知模型;規控算法將逐步演化為車/云端認知模型。

自動駕駛3.0時代，數據成為了自動駕駛的核心，在自動駕駛商業化快速落地實現的同時，自動駕駛數據的規模呈現指數級增長，因此如何更為高效得實現數據提取、處理、篩選、學習以推動自動駕駛技術發展成為了自動駕駛企業的新挑戰，“數據閉環”概念應運而生。

數據閉環能力成為自動駕駛規模化落地關鍵因素

——數據閉環的關鍵環節

數據閉環是指從車的端數據采集，到處理后形成有效數據集，再通過云服務器進行存儲、運輸，經過算法模型訓練、驗證后，將有效數據成果部署上車，各環節相互連接，形成自動駕駛數據循環。

——數據閉環的發展歷程

自動駕駛數據閉環從2013年開始初露頭角，但由于當時僅有部分測試車上路，數據量較少，僅能實現簡單的反饋循環機制。隨著自動駕駛技術從L0邁入L2/L3，早期的數據閉環難以滿足自動駕駛的需求，數據閉環從1.0邁向2.0，未來也將朝著更商業化的3.0邁進。目前我國的自動駕駛數據閉環正處于高效驅動升級的第二階段，未來的數據處理能力和自動運轉能力將大幅提升，商業落地效益更好，生態建設更完善。

——數據閉環的核心技術

隨著數據量的激增，自動駕駛下的存儲面臨海量數據傳輸、數據處理、數據合規等問題，而為了解決此類問題，數據閉環內嵌了云平臺、數據標注、仿真測試等功能。

——數據閉環的發展痛點

完整的數據驅動閉環是指從量產、采集車在路端實地采集的交通場景，通過技術手段還原成仿真場景，進入測試環節用于算法測試，再更新和升級量產車的過程。但在此過程中由于關鍵鏈路涉及多個環節與領域，當前行業內(包括數據采集商、軟硬件供應商、車廠、算法公司等在內)尚未出現能提供統一視野、融合所有車的環節、一體化打通整條鏈路的產品或者平臺。

“車路云一體化”加速自動駕駛商業化進程

——“車路云一體化”的概念

車路云一體化是通過新一代信息與通信技術將人、車、路、云的物理空間、信息空間融合為一體，基于系統協同感知、決策與控制，實現智能網聯汽車交通系統安全、節能、舒適及高效運行的信息物理系統。車路云一體化系統充分融合了車端、路端、云端信息，實現車端、路端多源數據融合，數據規模更大，多樣性更充分，通過堆疊數據集，支持AI大模型進行快速迭代。

——“車路云一體化”的發展歷程

從2020年2月發改委、工信部等11部委聯合印發《智能汽車創新發展戰略》文件，表示到2025年，新車基本實現智能化，高級別智能汽車實現規模化應用，“人–車–路–云”實現高度協同;到2023年《國家車聯網產業標準體系建設指南(智能網聯汽車)(2023版)》，《公路工程設施支持自動駕駛技術指南》等政策的發布，近3年來中共中央、國務院、各部委累計出臺包含自動駕駛、車聯網(智能網聯汽車)、車路協同、交通新基建等相關政策達30余項，全面支持“車路云一體化”自動駕駛的快速發展與落地。

——“車路云一體化”的優勢

隨著自動駕駛算法不斷迭代，自動駕駛的發展正逐漸由“規則驅動”向“數據驅動”轉化。自動駕駛的落地需要大量數據的支持，而車路云一體化方案，充分融合了車端、路端、云端信息，實現車端、路端多源數據融合，數據規模更大，多樣性更充分，通過堆疊數據集，支持AI大模型進行快速迭代。同時以大模型AI為基礎，車端、路端多角度，雷達、視覺等傳感器聯合工作，多模態共同輸出結果，通過基于“大數據+大模型”的AI，海量大數據自訓練，結合人類的駕駛常識決策，從而加速自動駕駛技術演化。

——“車路云一體化”解決方案

以項目落地能力角度看，百度、蘑菇車聯與華為的特點各不相同。華為更側重于構建智慧交通體系并落地多個城市;蘑菇車聯強調“車路云一體化”，以自動駕駛、車路協同、智慧交通AI云平臺的整套方案幫助城市打造智慧交通體系，加速與地方政府合作打造智慧城市與智慧交通;而百度則是“單車智能+網聯賦能”路線的擁躉，以廣州黃埔區開發區的智慧交通項目為代表。

蘑菇車聯自研“車路云一體化”自動駕駛系統，應用了融合感知、融合決策控制、高精地圖、高精定位、AI、仿真系統、云+邊緣計算、實時大數據等前沿技術，能夠深度融合自動駕駛+車路協同+AI云平臺三大板塊，可以滿足不同場景、不同車型的需求，核心技術指標行業領先。

——“車路云一體化”的市場規模

車路云一體化涉及汽車、交通、通信等產業領域，市場滲透率加速，市場規模巨大。具體來看，中國智慧交通市場規模當前約4億元，至2030年快速發展并預計超過6.5萬億元。根據賽迪的數據，2022年中國智能網聯車市場規模接近6000億元，隨著智能網聯技術的進步，產品迭代升級與普及率的提升，2030年有望突破5萬億元。中國車聯網市場規模呈快速發展趨勢，預計2030年將突破2萬億元。預計到2030年，“車路云一體化”相關市場規模超14萬億元，市場規模巨大。

更多本行業研究分析詳見前瞻產業研究院《2025-2030年中國車路云一體化（車路云協同）發展前景展望與投資戰略規劃分析報告》。

同時前瞻產業研究院還提供產業大數據、產業研究報告、產業規劃、園區規劃、產業招商、產業圖譜、智慧招商系統、行業地位證明、IPO咨詢/募投可研、專精特新小巨人申報、十五五規劃等解決方案。如需轉載引用本篇文章內容，請注明資料來源（前瞻產業研究院）。

更多深度行業分析盡在【前瞻經濟學人APP】，還可以與500+經濟學家/資深行業研究員交流互動。