BAT和华为带了一个“坏头”，作为科技企业，却“不务正业”跑去“修路”。上行下效，一批初创公司也跟着加入。没错，我说的就是“车路协同”。

从去年开始，“车路协同”的热度直线上升，从百度的车路协同开源方案，到阿里的“智慧高速”实践，到腾讯的“车路协同”生态连接器价值论，再到华为的C－V2X芯片以及在系统架构层面（发布Ocean Connect智能交通平台）的占位，很久没有一个赛道会让国内的巨头集体下场。

与自动驾驶一样，巨头们为何会扎堆“车路协同”，在扫清了技术商业落地的障碍之后，赛道中留给初创公司的机会又有哪些？

巨头入场，车路协同到底有什么吸引力？

所谓车路协同，百度百科的释义为：采用先进的无线通信和新一代互联网等技术，全方位实施车车、车路动态实时信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。说得通俗一点，就是统筹车、路、人以及实时交通的动态信息，实现信息的互联互通。

由此可见，车路协同的“爆红”很大程度上是由自动驾驶的热度带起来的，特别是在现阶段的技术条件下，单车智能的发展已到极致，但自动驾驶车辆的安全性仍然存在缺陷，可行业对自动驾驶商业落地与量产的心情越来越急切，此时车路协同作为自动驾驶的一种“补充形式”，其价值被提炼出来并被放大。

车路协同不光可以降低自动驾驶车辆的成本，对提高自动驾驶汽车的信息感知、决策能力、安全性等方面也有非常大的作用。当然，对于BAT和华为这样的巨头们来说，车路协同的吸引力还远不只这些。

1、物联网时代的流量入口

车路协同主要说的是“车端”与“路侧”两者间的数据交互，在所有的车路协同解决方案中都提到要在“车端”和“路侧”安装摄像头、毫米波雷达、激光雷达等传感器以及通信设备，如果说“车端”部分属于自动驾驶赛道研究的范围，那么“路侧”则是车路协同的重点。

很容易理解的是，全球的科技巨头对自动驾驶都重兵投入的原因在于——对自动驾驶汽车这个未来流量入口的争夺。普遍认为，随着自动驾驶技术的普及，汽车的属性将由出行工具变成一个移动的智能空间，成为和手机类似的智能硬件。那么在“路侧”，同样也是流量和数据的入口。

宁愿错杀，不愿错过。在这样的思维模型下，车路协同的重要程度对于科技巨头们来说不言而喻。

2、实现自动驾驶的必备条件

上文也提到，车路协同在“路端”能够为自动驾驶车辆提供足够的决策依据甚至指令，自动驾驶车辆本身发展的复杂度和成本也会大大降低。如果往更深层次去探究，建设车路协同的过程中，完成了对道路交通的智能化改造，对打造“智慧城市”、“智慧交通”，解决堵车、提升道路利用率等方面也有非常积极的作用。

既然自动驾驶必不可少，又能参与到未来城市的建设之中，本身就希望在未来的自动驾驶时代有所作为的科技巨头们自然也不会放过车路协同。

3、体量庞大的市场空间

与自动驾驶一样，车路协同也是一块巨大的蛋糕。这块蛋糕到底有多大呢？就拿“智慧高速”的建设／改造来举例。

据统计，目前全国的高速公路总里程大约为14万公里。行业测算过，建设“智慧高速”进行车路协同的“路侧”改造，一般的硬件和改造成本约为几十万到一百万／公里，以此计算，车路协同光在“智慧高速”的改造上就存在着一个千亿级的市场，而这还不包括车路协同在新建高速上的部署以及后续的运营维护。如果将城市路网的车路协同建设／改造也算上，那更是一个难以估算的天量市场。

车路协同的未来如此的美好，即便在基建上并不擅长，但车路协同天生的技术门槛还是给了科技巨头们足够的信心和勇气，不会轻易放弃这条赛道。

反复兜转，车路协同到底难在哪？

实际上，车路协同并不是近几年才兴起的新概念，早在上世纪90年代，日美欧等国就有提出，并实施过一些解决方案；我国在“十二五”期间，科技部也立项了“智能车路协同关键技术研究”，当时有清华大学、北京航天航空大学等10家单位参与并结项。然而车路协同走到今天，依然还有很多方向没有走通。“智能相对论”认为，其中的难度主要体现在以下几个方面。

1、各类技术高度整合形成的行业门槛

严格意义来说，车路协同并不仅仅只是V2X（“车端”与“路侧”的关系），广义上的车路协同应该是V2I（“车端”与交通设施网联化的关系），其中包括车车协同V2V，车云协同V2N，人车协同V2P。在这样的综合性架构下，车路协同的技术门槛被抬高了。其背后涉及云计算、大数据、通信、车端智能、深度学习、高精地图甚至还有基建等多个板块，这对车路协同主导方的技术和资源整合能力提出了非常高的要求，也正是车路协同“软硬兼顾”的特点，成就如今巨头掌控整体的局面。

2、缺乏统一标准带来的研发犹豫

一个较为尴尬的现实，车路协同一定是建立在5G技术之上的，5G通信的标准尚未定论，车路协同通用标准的统一更是遥遥无期。

业界一致认为要实现车路协同，必须攻克以下技术难关：

A、实现高速运行车辆，与不断切换的基站之间低功耗、高可靠的无线联接。

B、需要在多个电信运营商与不同车辆厂商之间，形成异构网络的通信计算协同化。换句话说，就是要让形形色色的厂商与技术之间，能够以相同的技术标准进行通讯。

C、要实现车辆通讯与定位的一体化。能够高效率、高精度地实现车辆定位，以及移动中的不间断通讯。

D、必须实现车辆、道路信号灯、电子指示牌、摄像头等元素之间的协同动作体系。

不难看出，只要确定标准，所谓的“难关”都会迎刃而解。现实困境的存在，让部分车路协同研发企业难以判断技术路线，经常是走一步停两步，担心自己的探索最终被确定的标准所淘汰，或者倍数提升研发成本，犹豫观望之间，技术研发的整体进度也就裹足不前了。

3、V与I之间的认知协同

从广义车路协同来理解，车路协同代表的是V与I之间的关系，即智能网联汽车与交通设施网联化之间的关系。拆分来看，V是车企的事情，I是政府的事情。

当前的困境在于车企和政府对车路协同这个新生事物的认知与理解需要一个过程。特别是I的建设（交通设施网联化建设），实际上是实现自动驾驶的基础设施建设，需要投入大量的人力和物力。政府如果不理解也不支持，那么，这项工作的进程会大大拖慢。车路协同从高研发热度转入到高建设热度，行业期间需要经过很长一段时间教育与布道。

巨头的野望与初创公司的机会

对于车路协同这块蛋糕，BAT和华为都表现出志在必得的架势，以“智能相对论”看来，在具体的打法上，这几个巨头又根据自身的长短板，采取了扬长避短的打法。

百度：百度于去年年底正式开源了Apollo车路协同方案，向业界开放百度Apollo 在车路协同领域的技术和服务。

目前百度的发力重点已经覆盖了三大要素：研发符合自动驾驶场景需求的路侧感知能力，通信芯片及设备厂商合作针对自动驾驶应用需求来优化V2X通信传输通道，以及车端自动驾驶系统中对于V2X路侧感知信息的融合使用。

阿里：在阿里的构想中，不仅有聪明的车，还要有聪明的路。自动驾驶车＋路侧“感知基站”＋云控平台，实现云端、路端、车端一体的智能。

在阿里的实践中，阿里云搭建智慧高速云控平台，为车路协同场景提供全局掌控能力；AliOS搭建车路云协同计算系统，完成车路协同的具体能力；达摩院，研制路测要安装的感知硬件。同时，高德、千寻提供高精度地图，支付宝解决高速支付场景，在加上菜鸟联盟和ET城市大脑的场景支持，阿里在自家的生态体系内建立了一个“封闭”的车路协同生态。

腾讯：腾讯在车路协同方面的动作主要是与电信运营商、交通部门合作，推出车路协同整体解决方案。

腾讯从自身优势和特点出发，深入分析车路协同亟需解决的问题，以产业连接器的角色联合产业链相关企业，共同研究构建了包括基础设施、平台服务、业务应用三方面的车路协同生态。

华为：华为的愿景是：无论是物联网还是车联网，都希望能够做到对单车智能更好的支撑。遵循着这一方向，华为去年2月发布了C－V2X芯片；6月发布了首款商用C－V2X RSU（路侧单元），构建了可商用的C－V2X解决方案；9月发布了OceanConnect智能交通平台；10月发布了移动数据中心MDC600赋能自动驾驶。

从巨头的布局可以看出，BAT的最终目的都是冲着大数据去的，百度和阿里都希望在系统层面能够占据一席之地，但这三家的共同短板是硬件设备，实测数据的积累以及工程应用经验方面还有待加强。华为的长板非常突出，在V2X网联化的通信层面拥有绝对优势，但在V2X网联化的应用层以及V2X智能化这方面还有较大的加强空间。

蚍蜉难撼大树。BAT和华为似乎已经将车路协同的蛋糕瓜分完了，那些跟随巨头步伐扎入车路协同赛道的初创公司们还有哪些机会呢？

首先，深耕具体场景的应用。

从巨头们的布局可以看出，系统架构层面是BAT和华为瞄准的主要的方向，在具体应用上还大量的空白区域没有填补，这也是初创公司们的市场空间。

往小的方向说，可以是路侧传感器感知单元与算法的结合；往大的方向说，可以是自动驾驶、智能交通、智慧城市的深度应用。像希迪智驾（长沙智能驾驶研究院）就发布了面向城市道路场景的“V2X＋交叉路况”解决方案、面向高速公路场景的“V2X＋智慧高速”解决方案，据了解，在今年下半年还将发布面向城市大众运输系统的“v2x＋公交智慧出行”解决方案，“v2x＋城市交通态势感知”解决方案。

每个城市的道路状况都有不同，这也使得每条路上每个场景的解决方案也会有所差异，将应用场景化整为零，打碎孤立，这样有多少场景就有多少机会。

其次，要灵活快速的融入生态。

从上文的分析可以看出，车路协同是一个场景丰富、产业链冗长、产业关系复杂的生态结构。这就要求初创公司必须快速适应车路协同的生态氛围。

巨头们主导的车路协同有不同的发展方向，初创公司需要灵活判断，在车路协同发展到一定阶段，某个巨头的生态圈显露出高人一等的发展速度时，要迅速作出“选边站队”的选择，及时调头，驶向新的生态圈。这样才不至于在这场长跑中过早的掉队出局。

【完】

智能相对论：深挖人工智能这口井，评出咸淡，讲出黑白，道出vb深浅。重点关注领域：AI＋医疗、机器人、自动驾驶、AI＋硬件、物联网、AI＋金融、AI＋安全、AR／VR、开发者以及背后的芯片、算法、人机交互等。