中国车路云一体化发展研究报告（2024）
牛路云一体化系统定通过新一代信息与通信技术将人、车、路、云的物理空间、信息空间别合为一体：本十龄办巨感知、达等与控，实现智能 网联汽车及交通系统安个、效、节能及舒订运行约信息物理系统：“兴构相司、标注统、业务万通、安个可靠”是其建设尽木要求。
车路云一体化系统定交通、汽车行业与人工智能、人数矿新兴技六别合发展的新兴产业碳，为交通、汽车产行业的创新发展远供新弓挚新列 适，动达营搞式转型川级：是新质二产力的三要实践。
汽车行业分析报告：智能驾驶浪潮澎湃，端到端与车路云两翼齐飞
智能驾驶蓬勃发展，L2/L3 级渗透率快速提升，高速和城市 NOA 密集落地；特斯拉引领行业向端到端演进；Robotaxi 在中美多个城市试点运营。政策频出，推动车路云一体化建设，试点城市项目逐步落地。
智能驾驶行业深度报告：Robotaxi与车路云共振，智驾关键节点已至
L3 关键节点已然来临，自动驾驶或将步入商业化突破阶段。在此之前，因车载算法架构以及数据体量的限制，从 “自动驾驶辅助功能” 迈向 “自动驾驶功能” 的进程困难重重。然而，随着 BEV+Transformer 算法的广泛应用以及端到端技术的出现，智能驾驶的商业落地开始逐渐加速。截至目前，百度 Apollo、MOMENTA、小马智行等越来越多的智能驾驶方案提供商宣称具备提供 L4 高阶智驾技术的能力，并将技术下放给各大主机厂进行量产。在政策方面，6 月 4 日，工信部等四部门确定了首批 9 个进入智能网联汽车准入和上路通行（L3）试点的企业，这使得高级别自动驾驶的商业规模落地有望加快速度。
计算机行业专题报告：政策东风至，车路云发展正当时
车路云一体化是在单车智能自动驾驶基础上，借助C-V2X和4G/5G通信技术，将“人-车-路-云”交通要素有机地联系在一起，形成车与路、 云、人等全方位协同配合，满足不同等级自动驾驶车辆应用需求，实现自动驾驶单车最优化和交通全局最优化发展目标。车路云具有单车成本和边际成本低、感知能力强、智能化程度高等优势，能够弥补单车智能在感知、数据、算力等方面的短板，两者相辅相成，共同助力自动驾驶。我国在通信技术、基础设施等方面具备优势，有望通过车路云实现弯道超车，形成自动驾驶的中国方案。
车路云产业专题报告：车路云一体化引领我国新型基础设施建设，助力高级别自动驾驶落地
北京 99 亿项目公开招标，车路云一体化即将开启规模化试点建设。2024 年 5月 31 日，北京市车路云一体化新型基础设施建设项目发布招标公告，项目总投资额为 99.39 亿元，资金来源为政府投资和国有企业自筹资金，出资占比分别为70%和 30%。项目计划在通州区等 13 个区选取 2324 平方公里范围内约 6050 个道路路口开展建设。亦庄试点进入 4.0 阶段。
20 个应用试点城市名单公布，车路云新基建大幕开启。2024 年 7 月 3 日，工信部联合公安部、自然资源部、住房和城乡建设部、交通运输部发布通知，公布了 20 个智能网联汽车“车路云一体化”应用试点城市名单，包括北京市、上海市、重庆市等。同时，多地已启动车路云示范项目的备案和招标流程，比如武汉市170 亿元车路云一体化重大示范项目获有关部门批准备案，福州、鄂尔多斯、沈阳、杭州等多个城市相关项目启动招标。
车联网行业专题研究：车路云产业化加速，优质供应商有望受益
为什么 2024 年车路云产业化开始加速？1）智能网联示范区先行测试，加速车路云产业化进程。根据北京市高级别自动驾驶示范区公众号，截至 2024 年 5 月底，全国共建成 17 个国家级智能网联汽车测试示范区、7 个车联网先导区、16 个双智城市，开放测试示范道路 3.2 万多公里，我们认为 2024 年年底前，智能网联示范区的测试、验证和评估起到了重要的示范和验证作用，加速了车路云产业化进程。2）智能化是新能源车下半场。根据 Wind 数据，2024 年 1-6 月，中国新能源车渗透率达到 35%。电动化是新能源车上半场，智能化则是新能源车下半场，伴随国内新能源汽车的快速普及，电气化架构和零部件为智能网联汽车的发展奠定了技术基础，各新能源车企为进一步巩固自身在电动化领域已经取得的优势地位，正在加速驶向智能化新高地。3）智能网联汽车是新质生产力之一。2024 年 4月，国务院印发的《关于加强监管防范风险推动资本市场高质量发展的若 干意见》提出，要更好服务新产业新业态新技术等创新，有效促进新质生产力的发展，智能网联汽车作为新型产业之一也有望获得更多政策和产业资源的支持和投入。
通信行业汽车自动驾驶专题报告：单车智能与车路云共发展，通信板块大有可为
AI 技术的迭代，推动自动驾驶向前发展。2021 年，特斯拉在 AI Day活动上展示了 BEV + Transformer 架构的自动驾驶模型，其部分底层原理与我们熟知的 ChatGPT 等大语言模型相通。BEV 和 Transformer可以充分利用 BEV 提供的丰富空间环境信息和 Transformer 的多源异构数据建模能力，实现更精确的环境感知、更长远的运动规划和更全局化的决策。值得注意的是，自动驾驶模型依赖大规模训练算力支持。特斯拉持续投入算力，根据其官方推特，特斯拉预计 2024 年底拥有 100 exaFLOPS 的总算力以训练、调优 FSD。算力是大模型发展的主旋律，光模块是算力的底座，AI 训练网络中的 GPU 通信流量大幅提升推动了算力网络基础设施的建设，带动高速光模块的需求不断攀升。
